Abstract:
L'objectif de ce travail était l’application des outils chimiométriques sur les données de la spectrophotométrie UV visible pour le développement de méthodes de dosage de l’acide acétylsalicylique et de l’acide ascorbique.
Deux méthodes ont été développées basées sur la méthode de la régression des moindres carrés partiels. La PLS1 en utilisant toutes les variables (PLS1-Full) et la PLS1 après une sélection des variables grâce à l’application d’un algorithme génétique (PLS1-AG).
Les modèles PLS1-Full ont été d'abord validés grâce à l'évaluation de la racine de l'erreur quadratique moyenne de la validation « RMSEV » et de l'erreur moyenne absolue de validation « MAPEV% » (0,329ppm ; 3,209%) et (0,155ppm ; 2,177%) pour l’acide acétylsalicylique et l’acide ascorbique, respectivement ; et ensuite en utilisant une série test indépendante. La validation sur le jeu de test externe a montré que les modèles ont d’excellentes qualités prédictives avec des valeurs de RMSEP et de MAPEP de (0,237ppm ; 1,979 %) et (0,216ppm ; 3,259%) pour l’acide acétylsalicylique et l’acide ascorbique, respectivement.
Une sélection de variable a été réalisé grâce à l’application d’un algorithme génétique. La sélection a permis de réduire le nombre de variable de 75%. Les performances des modèles réduits est améliorée avec des valeurs de RMSEP et de MAPEP de (0,218ppm ; 1,772 %) et (0,206ppm ; 3,158%) pour l’acide acétylsalicylique et l’acide ascorbique, respectivement. Le pourcentage d’amélioration par rapport au modèle complet était supérieur à 3%. En plus des performances supérieures, la sélection de variable permet d’éliminer les variables redondantes et d’obtenir des modèles plus simples et donc parcimonieux.
Les méthodes développées, grâce à l’application des outils chimiométriques combinés à la spectrophotométrie UV visible, sont respectueuses de l’environnement, simples, directes et ne nécessitent pas une séparation préalable de l’échantillon ou l'utilisation des instruments sophistiqués.
