Потенциометрические мультисенсорные системы на основе фосфор- и азотсодержащих экстрагентов и их аналитические возможности

• Автор: Кирсанов, Дмитрий Олегович
• Шифр специальности: 02.00.02
• Научная степень: Докторская
• Год защиты: 2014
• Место защиты: Санкт-Петербург
• Количество страниц: 180 с. : ил.

ВВЕДЕНИЕ
СОДЕРЖАНИЕ

ГЛАВА 1. ОБЗОР ЛИТЕРАТУРНЫХ ДАННЫХ

1.1 Вводные замечания

1.2 Создание потенциометрических сенсоров на основе активных веществ из жидкостной экстракции

1.3 Мультисенсорные системы

1.4 Методы обработки многомерных данных от мультисенсорных

систем

1.4.1 Дизайн эксперимента

1.4.2 Предварительная обработка данных

1.4.3 Метод главных компонент
1.4.4 Кластеризация
1.4.5 Классификация
1.4.6 Регрессионный анализ
ГЛАВА 2 МЕТОДИКА ЭКСПЕРИМЕНТА
2.1 Сенсоры с полимерными пластифицированными мембранами
2.1.1 Компоненты мембран
2.1.2 Изготовление сенсорных мембран и сенсоров
2.2 Измерения с сенсорами
2.2.1 Потенциометрические измерения
2.2.2 Приготовление растворов
2.2.3 Изучение чувствительности
2.2.4 Изучение селективности
2.3 Обработка данных

ГЛАВА 3. ФОСФОР- И АЗОТСОДЕРЖАЩИЕ ЭКСТРАГЕНТЫ В КАЧЕСТВЕ МЕМБРАНОАКТИВНЫХ КОМПОНЕНТОВ ДЛЯ ПОЛИМЕРНЫХ ПЛАСТИФИЦИРОВАННЫХ СЕНСОРОВ
ГЛАВА 4. СНИЖЕНИЕ НИЖНЕГО ПРЕДЕЛА ОБНАРУЖЕНИЯ ОТДЕЛЬНЫХ СОЕДИНЕНИЙ И УВЕЛИЧЕНИЕ СЕЛЕКТИВНОСТИ
ОПРЕДЕЛЕНИЯ С ПОМОЩЬЮ МУЛЬТИСЕНСОРНЫХ СИСТЕМ
ГЛАВА 5. ВЫБОР МЕТОДА ОБРАБОТКИ ДАННЫХ ОТ МУЛЬТИСЕНСОРНЫХ СИСТЕМ
ЗАКЛЮЧЕНИЕ
СПИСОК РАБОТ, ОПУБЛИКОВАННЫХ АВТОРОМ ПО ТЕМЕ
ДИССЕРТАЦИИ
ПЕРЕЧЕНЬ УСЛОВНЫХ СОКРАЩЕНИЙ И ОБОЗНАЧЕНИЙ
СПИСОК ЛИТЕРАТУРЫ
ПРИЛОЖЕНИЕ

ВВЕДЕНИЕ
В последние годы в аналитической химии наряду с тенденцией к созданию
сверхчувствительных и сверхселективных (и при этом сверхдорогих)
инструментальных методов анализа, таких, например, как различные варианты
высокоэффективной жидкостной хроматографии и разнообразные спектральные
методы, также значительно возросло количество исследований, посвященных
разработке простых и недорогих устройств, позволяющих надежно решать
отдельные прикладные задачи. Принципы получения аналитического сигнала в
таких устройствах могут быть различными, однако наибольшее распространение
получили оптические и электрохимические методы. В силу своей простоты
подобные устройства, как правило, не дают сверхвысокой чувствительности и
селективности в определении отдельных компонентов сложных объектов, однако,
это часто может быть скомпенсировано применением математических методов
обработки данных (методов хемометрики). В основе работы таких устройств
лежит получение сложного неразрешенного аналитического сигнала и его
последующая математическая обработка для извлечения качественной и
количественной информации об образце. Самой яркой иллюстрацией успеха
последних лет в этом направлении явилось создание комплексных методов
анализа на принципах инфракрасной спектроскопии в ближней области и
хемометрических алгоритмов обработки спектральных данных. Параллельно в
последние годы наблюдается существенный прогресс и в области
электрохимических сенсоров, в частности в создании мультисенсорных систем
типа «электронный нос» и «электронный язык». В случае потенциометрических
сенсоров анализ образцов проводят с помощью системы, состоящей из набора
электродов с перекрестно-чувствительными сенсорными мембранами, каждая из
которых обладает своими электрохимическими характеристиками и
чувствительностью к определенному классу аналитов в водных растворах. Этот
подход позволяет уверенно решать различные прикладные задачи в области
качественного и количественного анализа. Не смотря на растущее количество

проблему. Например, если речь идет об оценке каких-либо вкусовых дескрипторов в винах, идентификация образца, лежащего в нужном интервале шкалы калибровочного диапазона и принадлежащего той же сортовой и географической выборке, может оказаться просто невозможной в силу естественных причин. Использование нерепрезентативного набора образцов, отсутствие чувствительности к интересующим компонентам/параметрам, неверная валидация калибровочных моделей легко могут привести к получению недостоверных результатов. Как показывает обзор литературы, наиболее часто недостоверные выводы связаны именно с некорректной обработкой данных, получаемых от мультисенсорных систем. Эта большая тема заслуживает отдельного рассмотрения и, к сожалению, выходит за рамки настоящей работы. Ниже кратко рассмотрены основные способы обработки многомерных данных, применяемые при работе с химическими мультисенсорными системами.
1.4 Методы обработки многомерных данных от мультисенсорных системы
В конце 20-го века, в связи с ростом возможностей вычислительной техники, бурное развитие получили методы хемометрики, то есть методы обработки многомерных данных для анализа химической информации (первая часть слова «хемо-» означает, что речь идет об измерении тех или иных химических величин, параметров, характеристик). Использование таких методов, например, в спектроскопии позволяет решать ряд задач, которые ранее представлялись чрезвычайно сложными из-за необходимости работать с неразрешенными, перекрывающимися и наложенными спектральными сигналами. В настоящее время разработан мощный математический аппарат и создано соответствующее программное обеспечение, позволяющее уверенно обходить подобные экспериментальные трудности. Например, на основе данных спектроскопии в ближней ИК-области, с помощью методов хемометрики можно проводить контроль подлинности лекарственных средств, аутентичность и