Linearização do modelo log-normal para distribuição de tamanho de partículas

Autor: Frare, Laércio Montovani, Gimenes, Marcelino Luiz, Pereira, Nehemias Curvelo, Mendes, Elisabete Scolin
Jazyk: portugalština
Rok vydání: 2008
Předmět:
Zdroj: Acta Scientiarum. Technology; Vol 22 (2000); 1235-1239
Acta Scientiarum. Technology; v. 22 (2000); 1235-1239
Acta scientiarum. Technology
Universidade Estadual de Maringá (UEM)
instacron:UEM
ISSN: 1806-2563
1807-8664
Popis: Granulometric analyses of solids are satisfactorily represented by the following two parameters models: Gates-Gaudin-Schumann (GGS), Rosin-Rammler-Bennet (RRB) and Log-Normal (LN). GGS and RRB models may be linearized to get a correlation coefficient to qualify them. Nevertheless, for LN model the linear fit is done by a particle diameter graph in logarithm scale versus the cumulative mass fraction in a probability scale. It’s not possible to compare the three models on the same basis. Equations developed by Lawless (1978) were developed to obtain a linear correlation coefficient for LN model. Thus, GGS, RRB and LN models may be available by simple comparison of the linear regression coefficients. Adjustment turns up to the faster and more precise. As análises granulométricas de sólidos podem ser satisfatoriamente representadas pelos seguintes modelos de distribuição a 2 parâmetros: Gates-Gaudin-Schumann (GGS), Rosin-Rammler-Bennet (RRB) e Log-Normal (LN). Os modelos GGS e RRB podem ser linearizados, obtendo-se um coeficiente de correlação que permite avaliar a qualidade do ajuste. Entretanto, para o modelo LN, o ajuste linear é feito através de um gráfico do diâmetro de partícula em escala logarítmica versus fração cumulativa em escala de probabilidades, não sendo possível comparar seu ajuste com os dois anteriores, sob uma mesma base. Sendo assim, partiu-se neste trabalho de um conjunto de equações desenvolvidas por LAWLESS (1978), que possibilita a obtenção de um coeficiente de correlação linear para o modelo LN. Desta forma, os modelos GGS, RRB e LN podem agora ser avaliados por meio da comparação dos coeficientes envolvidos na regressão linear, tornando o trabalho de ajuste mais ágil e preciso.
Databáze: OpenAIRE
Externí odkaz: