Хемометрические методы в спектроскопическом анализе некоторых объектов, содержащих металлы

• Автор: Колесникова, Светлана Сергеевна
• Шифр специальности: 02.00.02
• Научная степень: Кандидатская
• Год защиты: 2012
• Место защиты: Саратов
• Количество страниц: 167 с. : ил.

ВВЕДЕНИЕ

Г ЛАВА 1. Обзор литературы.

1.1. Задачи хемометрики.

1.2. Модель многокомпонентной системы.

1.3. Классификация методов хемометрики

1.4. Основные меч оды хемометрики.

1.4.1. Исследование данных, задачи классификации и предсказания

1.4.2. Количественный анализ

1.4.3. Разделение перекрывающихся сигналов

1.5. Хемометрика в анализе металлов.

1.6. Метод М1ЬСА.

1.7. Анализ результатов декомпозиции
ГЛАВА 2. Реактивы и аппаратура
2.1. Объекты исследования. Вспомогательные вещества
2.2. Методы исследования.
ГЛАВА 3. Алгоритмы декомпозиции спектроскопических сигналов для идентификации и количественного определения переходных металлов.
3.1. Выбор условий анализа с использованием алгоритмов хемометрики
3.2. Определение ионов металлов в модельных смесях методом независимых компонент
3.3. Метод РЬ8 для определения ионов Ге, Си, Со, 1, Ъх в модельных смесях.
3.4. Влияние различных факторов на результаты декомпозиции спектров поглощения комплексов переходных металлов
3.5. Анализ искусственных смесей с использованием алгоритмов хемометрики, основанных на методе независимых компонент.
3.6. Методы независимых компонент и проекции на латентные
структуры в анализе сплавов.
Заключение к 3ей главе.
ГЛАВА 4. Идентификация и количественное определение металлов платиновой группы с использованием алгоритмов декомпозиции спектроскопических сигналов.
4.1. Метод независимых компонент в анализе модельных смесей, содержащих ионы платиновых металлов.
4.2. Определение ионов платиновых металлов в модельных смесях методом РЬЗ.
4.3. Факторы, влияющие на результаты качественною и количественного анализа смесей, содержащих
4.4. Алгоритмы хемометрики, основанные на методе независимых компонент, в анализе искусственных смесей, содержащих платиновые металлы.
4.5. Методы независимых компонент и проекции на латентные структуры для определения ионов платиновых металлов в
реальных объектах.
Заключение к 4ой главе.
ГЛАВА 5. Алгоритмы декомпозиции спектроскопических сигналов для идентификации и количественного определения макро
и микроэлементов 1
5.1. Анализ молельных смесей макро и микроэлементов с использованием метода независимых компонент.
5.2. Определение макро и микроэлементов в реальных объектах спектрофотометрическим методом в сочетании с алгоритмом
Заключение к 5ой главе
ВЫВОДЫ.
СПИСОК ЛИТЕРАТУРЫ


С этой целью проведена декомпозиция спектров поглощения модельных смесей, содержащих ионы платиновых металлов и сравнительный анализ полученных результатов с данными, которые дают другие хемометрические алгоритмы, изучены различные факторы число компонентов в смесях, соотношение между ними, степень перекрывания сигналов и т. В пятой главе показана возможность использования алгоритмов хемометрики для спектроскопического определения макро и микроэлементов в различных объектах на примере поливитаминных препаратов. Для этого выбраны условия анализа и проведена декомпозиция спектров поглощения модельных смесей, содержащих комплексы исследуемых металлов с ЭДТЛ. Результаты предложенной методики сопоставлены с результатами референтного метода. Далее следуют выводы, список литературы и приложение. ГЛАВА 1. В настоящее время в аналитической химии важную роль играют математические методы, позволяющие проводить обработку многомерных данных. Данное направление выделилось в году благодаря двум ученым Б. Ковальски В. С. Волд . Первое время она лишь облегчала традиционные расчеты. Сейчас данные методы используются для решения различных задач от проведения элементарного качественного и количественного анализа до планирования эксперимента. Под хемометрикой понимают химическую дисциплину, применяющую математические, статистические и другие методы, основанные на формальной логике, для построения или отбора оптимальных методов измерения и планирования эксперимента, а также для извлечения наиболее важной информации при анализе экспериментальных данных 2. V Чг V
Рис. Хемометрика давно вышла за пределы аналитической химии, где используется в основном для обработки и интерпретации имеющихся массивов данных хроматограммы, спектры и т. В настоящее время она широко применяется не только во всех разделах химии например, предсказание активности соединения по его структуре рЗАК 5, но и в других сферах деятельности в науке например, анализ биологических процессов , в медицине метабономика 9, в экспертизе , экологии и в промышленности для контроля качества продукции . М.Е. Включает математическое разрешение сигналов смесей, многомерные градуировки, то есть обработка спектров и количественный анализ в целом. Она дает основу для создания экспертных систем например, установление структуры соединений. Именно последняя одна из наиболее активно развиваемых сегодня областей. В настоящее время для этого широко используются различные инструментальные методы анализа, которые позволяют получить данные о составе пробы и о ее природе в целом. Получаемые массивы данных называют спектрами, которые представляют собой как классические спектры, так и волы амперные кривые или серии хроматограмм . При этом субспектры выделяют из общего спектра пробы без реального разделения компонентов. Однако для идентификации компонентов необходимо сопоставление смоделированного спектра и однотипных эталонных спектров. Чаще всего алгоритмы хемометрики применяют к наборам данных, полученных с помощью молекулярной спектроскопии. Среди преимуществ можно отметить множество различных подходов, точность и т. Одной из основных задач в спектроскопическом анализе является проведение качественного т. Для решения подобной задачи в хемометрике имеющиеся данные представляют в виде матриц. X имеет размерность МхЫ и представляет собой матрицу из М измеренных спектров смесей, Э матрица размерностью КЫ из К неизвестных спектров индивидуальных компонент здесь число отсчетов в спектрах по длине волны, А матрица концентраций или матрица смешивания, имеющая размерность МхК. Необходимо по имеющейся матрице X восстановить матрицы 8 и А прогноз, исходя из предположения, что индивидуальные компоненты наименее зависимы между собой. Данная модель 1 линейна и подчиняется приближению БугераЛамбертаЬера. То есть она работает в случае малых интенсивностей сигналов индивидуальных компонент и при условии их независимости друг от друга. В других случаях необходимо применять методы нелинейных моделей, а также отслеживать динамику реакций, что не относится к задачам рассматриваемых алгоритмов.