Диплом, курсовая, контрольная работа
Помощь в написании студенческих работ

Хемометрические методы в спектроскопическом анализе некоторых объектов, содержащих металлы

Диссертация: Хемометрические методы в спектроскопическом анализе некоторых объектов, содержащих металлы
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

Установлено, что хемометрические методы, в частности, метод независимых компонент, могут быть использованы для качественного и количественного спектроскопического определения некоторых металлов без их предварительного разделения в различных объектах. Алгоритм метода независимых компонент MILCA в сочетании со спектрофотометрическим детектированием использован для качественного и количественного… Читать ещё >

Содержание

  • Список условных обозначений и сокращений
  • ГЛАВА 1. Обзор литературы
    • 1. 1. Задачи хемометрики
    • 1. 2. Модель многокомпонентной системы
    • 1. 3. Классификация методов хемометрики
    • 1. 4. Основные методы 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, N1, Ъа в модельных смесях
    • 3. 4. Влияние различных факторов на результаты декомпозиции спектров поглощения комплексов переходных металлов с ПАР
    • 3. 5. Анализ искусственных смесей с использованием алгоритмов хемометрики, основанных на методе независимых 79 компонент
    • 3. 6. Методы независимых компонент и проекции на латентные структуры в анализе сплавов

Хемометрические методы в спектроскопическом анализе некоторых объектов, содержащих металлы (реферат, курсовая, диплом, контрольная)

В аналитической химии существует множество различных методов и методик анализа объектов, содержащих металлы. Тем не менее, постоянно ведется разработка новых. Причинами этому могут быть огромное разнообразие металлсодержащих объектов, отсутствие современного аналитического оборудования, длительность и трудоемкость методов или использование дорогостоящих реактивов. В последнем случае часто возникают ситуации, когда нет предварительной информации об объекте или нет возможности подбора стандартных образцов для него.

Как правило, задача анализа любого объекта сводится к установлению качественного (определение числа значимых компонентов и их идентификация) и количественного (содержание значимых компонентов) состава по имеющимся сигналам.

Среди наиболее распространенных, простых по аппаратурному исполнению и экономичных методов аналитической химии можно выделить молекулярную спектроскопию [1]. К преимуществам этого метода относятся универсальность подходов (разный вид спектральных сигналов — ЯМР, ИК, УФ и т. д.) и неразрушающий характер измерений (что важно, например, при клинической практике). Кроме того, полученные спектральные сигналы можно обрабатывать различными математическими методами.

В последние десятилетия произошел резкий скачок в развитии компьютерной техники. Стали активно разрабатываться методы обработки данных, основанные на различных математических аппаратах. Группа этих методов получила название «хемометрика» [2−5].

Среди основных направлений хемометрики выделяют автомодельное разделение кривых, метод главных компонент, метод проекции на латентные структуры. Цель этих методов состоит в получении данных о сигнале каждого индивидуального компонента в отсутствие априорной информации об объекте или при наличии минимального количества данных за исключением сигнала самой системы.

Применение методов хемометрики для анализа смесей, сигналы компонентов в которых сильно перекрываются, позволяет провести их качественный и количественный анализ без использования сложной пробоподготовки, включающей обычно методы разделения и концентрирования [6].

К настоящему моменту разработано значительное число алгоритмов, основанных на различных методах хемометрики, однако они не учитывают те или иные факторы, которые могут оказать влияние на результаты анализа, или работают в ограниченной области. Таким образом, учитывая вышесказанное, перспективным является сочетание спектроскопии и хемометрических методов и апробация их на реальных объектах.

Диссертационная работа является составной частью систематических госбюджетных исследований, проводимых на кафедре общей и неорганической химии Саратовского госуниверситета по теме «Физико-химические исследования молекулярных, супрамолекулярных систем и создание новых материалов с заданными свойствами» (№ государственной регистрации 0120.603 509).

Цель работы: качественный и количественный спектроскопический анализ неорганических смесей сложного состава с использованием направленно выбранных хемометрических методов.

Достижение поставленной цели включало в себя решение следующих задач:

— декомпозиция спектров поглощения модельных смесей, содержащих ионы различных металлов, с использованием метода независимых компонент;

— подбор оптимальных условий и определение факторов, влияющих на относительную погрешность качественного и количественного анализасравнительный анализ результатов декомпозиции спектров поглощения исследуемых смесей, содержащих ионы металлов, различными методами хемометрики;

— построение моделей для исследуемых смесей методами проекции на латентные структуры (PLS) и регрессии на главные компоненты (PCR), выбранными в качестве альтернативных методов;

— идентификация и количественное определение ионов металлов в многокомпонентных смесях на основе методов автомодельного разрешения спектральных кривых;

— разработка методик анализа различных металлсодержащих объектов с использованием спектроскопии в сочетании с различными методами хемометрики.

Научная новизна. Показана возможность использования спектроскопического метода анализа в сочетании с методом независимых компонент для быстрого и надежного совместного качественного и количественного определения различных ионов металлов:

1) по собственному поглощению компонентов смесей (на примере платиновых металлов);

2) по поглощению образующихся комплексов одного состава (на примере комплексов ионов металлов с ЭДТА);

3) по поглощению образующихся комплексов разного состава (на примере комплексов ионов металлов с ПАР).

Изучены различные факторы (число компонентов, степень перекрывания сигналов и т. д.), которые могут оказывать влияние на результаты декомпозиции спектров поглощения смесей, содержащих ионы металловустановлены условия (pH, интервал подчинимости закону Бугера-Ламберта-Бера и т. д.), при которых относительная погрешность качественного и количественного анализа, вызванная этими факторами, не превышает 10%.

Предложены методики совместного определения металлов в различных объектах (латуни, платиновые концентраты и поливитаминные комплексы) спектроскопическим методом в сочетании с методом независимых компонент, реализованным в виде алгоритма MILCA (mutual information based least dependent component analysis), которые позволяют быстро и надежно определять до 5−6 металлов в объекте с относительной погрешностью до 10−15%.

Алгоритм MILCA использован для спектроскопического изучения процессов комплексообразования в растворе на примере 4-(2-пиридилазо)-резорцинола. Установлены типы образующихся комплексов, интервалы рН, при которых они существуют и т. д. Рассчитаны условные константы устойчивости.

Практическая значимость. Разработаны надежные и селективные методики совместного спектрофотометрического определения различных металлов с использованием алгоритмов метода независимых компонент и метода проекций на латентные структуры в многокомпонентных смесях, апробированные в анализе реальных объектов сложного состава (металлы, сплавы, руды, витаминно-минеральные комплексы).

Результаты исследования используются в учебном процессе при чтении курсов лекций «Молекулярная спектроскопия» для бакалавров и «Спектроскопические методы в химической экспертизе» для специалистов по направлению подготовки 20 100 «Химия» в Институте химии Саратовского государственного университета. Материалы диссертационной работы представляют интерес для специалистов, работающих в области аналитической химии и математических методов обработки данных.

Апробация работы. Основные результаты диссертационной работы доложены на Всероссийской школе-конференции молодых учёных, аспирантов и студентов с международным участием «Химия биологически активных веществ» (Саратов, 2012), Пятой и Шестой Всероссийской конференции молодых учёных, аспирантов и студентов с международным участием «Менделеев» (Санкт-Петербург, 2011, 2012), XIX Менделеевском съезде по общей и прикладной химии (Волгоград, 2011), VIII Международной конференции «Спектроскопия координационных соединений» (Туапсе, 2011), VII Международном симпозиуме по хемометрике (Санкт-Петербург, 2010), VII и VIII Всероссийской интерактивной конференции молодых ученых (Саратов, 2010, 2011), научной конференции молодых ученых «Presenting Academic Achievements to the World» (Саратов, 2010).

Публикации. По теме диссертации опубликовано 11 печатных работ: 3 статьи в журналах, рекомендованных ВАК, 3 — в сборниках статей, 5 тезисов докладов, из них 2 — на Международных конференциях.

Структура и объем работы. Диссертация состоит из введения, 5 глав, выводов, списка использованной литературы и приложения. Библиография включает 167 источников. Диссертационная работа изложена на 167 страницах машинописного текста, содержит 41 рисунок и 43 таблицы в тексте, 6 рисунков и 6 таблиц в приложении.

ВЫВОДЫ.

1. Установлено, что хемометрические методы, в частности, метод независимых компонент, могут быть использованы для качественного и количественного спектроскопического определения некоторых металлов без их предварительного разделения в различных объектах. Алгоритм метода независимых компонент MILCA в сочетании со спектрофотометрическим детектированием использован для качественного и количественного анализа смесей, содержащих ионы металлов: a. по собственному поглощению компонентов смесиb. по поглощению образующихся комплексов одного состава (на примере комплексов с ЭДТА) — c. по поглощению образующихся комплексов разного состава (на примере комплексов с ПАР).

2. Установлено, что алгоритм MILCA позволяет определять до 7 компонентов с различным содержанием (до 20 к 1) в смесях с относительной погрешностью до 10%. Коэффициенты корреляции выделенных и экспериментальных спектров составляют не менее 0.95. Алгоритм MILCA превосходит рассмотренные специализированные методы хемометрики (MCR-ALS) и другие ICA алгоритмы (SNICA, SIMPLISMA, JADE, RADICAL, FastICA) для определения катионов металлов в смесях. Также показано, что для исследуемых смесей PLS превосходит PCR и результаты его по относительной погрешности количественного анализа (13%) сопоставимы с данными, полученными алгоритмом MILCA.

3. Разработаны и апробированы на реальных объектах методики совместного определения различных типов металлов без их предварительного разделения на основе спектров поглощения их солей или образующихся с реагентом комплексов в растворе и расчета концентраций алгоритмом MILCA или алгоритмом MILCA и методом PLS: a. переходных металлов в сплавахb. макрои микроэлементов в поливитаминных препаратахc. платиновых и переходных металлов в платиновых концентратах. Методики отличает экспрессность (единичный анализ занимает 10−15 минут), удовлетворительная относительная погрешность (до 15%) и возможность одновременного определения большого количества соединений (до 7) без их предварительного разделения.

4. Показана возможность скринингового хемометрического исследования процессов комплексообразования в растворе. Данный подход проиллюстрирован на примере изучения комплексообразования переходных металлов с ПАР при различных рН во времени. Показано, что в таком случае достаточно регистрировать только спектры систем с содержанием реагента 3:1 по отношению к концентрации солей металлов. Установлен состав исследуемых комплексов и их условные константы устойчивости.

Показать весь текст

Список литературы

  1. Аналитическая химия в России электронный ресурс. URL: http://www.wssanalytchem.org/nsakh/ReportsNsakh/OT4eT за 2011 год/ /Общий отчет НС АХ РАН за 2011 .pdf.
  2. Massart D.L. Chemometrics: a textbook, Elsevier: New York, 1988. 500 p.
  3. В.И. Хемометрика в работах российских аналитиков // Журн. аналит. химии. 2011. Т.66.№ 11. С.1124−1134.
  4. Hill S.J., Dawson D.B., Price W.J., Shuttler I.L., Smith C.M.M., Tyson J.F. Advances in atomic absorption and fluorescence spectrometry and related techniques//J. Anal. Atom. Spectrom. 1999. Vol.14. P. 1245−1285.
  5. O.E., Померанцев A.JI. Хемометрика: достижения и перспективы // Успехи химии. 2006. Т.75. № 4. С.302−321.
  6. Lavine В. K. Chemometrics // Anal. Chem. 2000. Vol. 72. P. 91R-97R.
  7. Lavine B.K., Workman J.J. Chemometrics // Anal. Chem. 2004. Vol. 76. P. 3365−3371.
  8. Trygg J., Holmes E., Lundstedt T. Chemometrics in Metabonomics // J. of Proteome Research. 2007. Vol. 6. P. 469- 479.
  9. Waddell R.J.H., NicDaeid N., Littlejohn D. Classification of ecstasy tablets using trace metal analysis with the application of chemometric procedures and artificial neural network algorithms // Analyst. 2004. Vol. 129. P. 235 240.
  10. Simeonov V., Einax J., Tsakovski S., Kraft J. Multivariate statistical assessment of polluted soils // CEJC. 2005. Vol. 3. № 1. P. 1−9.
  11. Sielaff K., Einax J.W. The Application of Multivariate Statistical Methods for the Evaluation of Soil Profiles (8 pp) // J. of Soils and Sediments. 2007. Vol. 7. № 1. P. 45−52.
  12. Figueroa D.A., Rodriguez-Sierra C.J., Jimenez-Velez B.D. Concentrations of Ni and V, other heavy metals, arsenic, elemental and organic carbon in atmospheric fine particles (PM2.5) from Puerto Rico // Toxicol. Ind. Health. 2006. ' Vol.22. P.87−99.
  13. Anderson D.J., Guo B., Xu Y., Ng L.M., Kricka L.J., Skogerboe K.J., Hage D.S., Schoeff L., Wang J., Sokoll L.J., Chan D.W., Ward K. M, Davis K.A. Clinical Chemistry // Anal. Chem. 1997. Vol. 69. № 12. P.165R-229R.
  14. Workman J., Creasy K.E., Doherty S., Bond L., Koch M., Ullman A., Veltkamp D.J. Process Analytical Chemistry // Anal. Chem. 2001. Vol. 73. № 12. P. 2705−2718.
  15. Workman J., Koch M., Lavine В., Chrisman R. Process Analytical Chemistry // Anal. Chem. 2009. Vol. 81. № 12. P.4623−4643.
  16. M.C., Арутюнов Ю. И., Курбатова C.B., Колосова Е. А. // Журн. аналит. химии. 1994. Т. 49. № 10. С. 1967
  17. Jiang T.-H., Liang Y., Ozaki Y. Principles and methodologies in self-modeling curve resolution // Chemom. Intell. Lab. Syst. 2004. Vol. 71. P. 1−12.
  18. Ohta N. Estimating absorption bands of component dyes by means of principal component analysis // Anal. Chem. 1973. Vol. 45. P. 553−557
  19. K. Sasaki, S. Kawata, S. Minami. Constrained Nonlinear Method for Estimating Component Spectra from Multicomponent Mixtures// Appl. Opt. 1983. Vol. 22. P. 3599−3603.
  20. Liang Y.-Z., Kvalheim O.M., Manne R. White, grey and black multicomponent systems: A classification of mixture problems and methods for their quantitative analysis // Chemom. Intel. Lab. Syst. 1993. Vol.18. P. 235−250.
  21. Wentzell P.D., Wang J.H., Loucks L.F., Miller K.M. Direct optimization of self-modeling curve resolution: application to the kinetics of the permanganate -oxalic acid reaction // Can. J. Chem. 1998. Vol. 76. P. 1144−1155.
  22. Winding W., Guilment J. Interactive Self-Modeling Mixture Analysis // Anal. Chem. 1991. Vol. 63. P. 1425−1432.
  23. Kvalheim O.M. Liang Y.Z. Heuristic evolving latent projections: resolving two-way multicomponent data. 1. Selectivity, latent-projective graph, datascope, local rank, and unique resolution // Anal. Chem. 1992. Vol. 64. P. 936−946
  24. Windig W., Antalek B., Lippert J. L., Batonneau Y., Bremard C. Combined use of conventional and second-derivative data in the SIMPLISMA self-modeling mixture analysis approach // Anal. Chem. 2002. Vol. 74. P. 1371−1379.
  25. Duponchel L., Elmi-Rayaleh W., Ruckebusch C., Huvenne J. P. Multivariate curve resolution methods in imaging spectroscopy: Influence of extraction methods and instrumental perturbations // J. Chem. Inf. Comput. Sci. 2003. Vol. 43. P. 2057−2067.
  26. Henry R.S., Kim B.M. Extension of self-modeling curve resolution to mixtures of more than three components: Part 1. Finding the basic feasible region // Chemometr. Intel. Lab. Syst. 1990. Vol. 8. P. 205−216.
  27. Silva E.C., Martins V.L., Araujo A.F., Araujo M.C. Implementation of a Generalized Standard Addition Method in a Flow Injection System Using Merging-Zones and Gradient Exploitation//Anal. Sci. 1999. Vol. 15. P. 1235−1240.
  28. Yu R., Xie Y., Liang Y. Robust principal component analysis and constrained background bilinearization for quantitative analysis // Data Handl. Sci. Technol. 1995. Vol. 15. P. 57−83.
  29. Zhu Zh.L., Xia J., Zhang J., Li T.H. Determination of rate constants from two-way kinetic-spectral data by using rank annihilation factor analysis // Anal. Chim. Acta. 2002. Vol. 454. P. 21−30.
  30. Sanchez E., Kowalski B.R. Generalized rank annihilation factor analysis // Anal. Chem. 1986. Vol. 58. P. 496-^199.
  31. Wilson B.E., Lindberg W., Kowalski B.R. Multicomponent quantitative analysis using second-order nonbilinear data: theory and simulations // J. Am. Chem. Soc. 1989. Vol. 111. P. 3797−3804.
  32. Oehman J., Geladi P., Wold S. Residual bilinearization. Part 1: Theory and algorithms // J. Chemometr. 1990. Vol. 4. P. 79−90.
  33. Manne R., Shen H., Liang Y. Subwindow factor analysis // Chemometr. Intel. Lab. Syst. 1999. Vol. 45. P. 171−176.
  34. Xu С. J., Liang Y. Z., Jiang J. H. Resolution of the embedded chromatographic peaks by modified orthogonal projection resolution and entropy maximization method // Anal. Let. 2000. Vol. 33. P. 2105−2128.
  35. Gemperline P. J. A priori estimates of the elution profiles of the pure components in overlapped liquid chromatography peaks using target factor analysis // J. Chem. Inf. Comput. Sci. 1984. Vol. 24. P. 206−212.
  36. Mason C., Maeder M., Whitson A. Resolving factor analysis // Anal. Chem. 2001. Vol. 73. P. 1587−1594.
  37. O.E. Хемометрический подход к исследованию больших массивов химических данных // Рос. хим. журн. (Журн. Рос. хим. об-ва им. Д.И. Менделеева). 2006. Т.50. С. 128−144.
  38. Hyvarinen A., Karhunen J., Oja Е. Independent Component Analysis.// New York: Wiley, 2001. 475 p.
  39. Е.З. Линейная и нелинейная регрессии // М.: Финансы и статистика, 1981.-304 с.
  40. К. Анализ многомерных данных. Сокр. пер. с англ- под ред. О. Родионовой. М.: Изд-во ИПХФ РАН, 2005. 160 с.
  41. Visser Е., Lee T.-W. An information-theoretic methodology for the resolution of pure component spectra without prior information using spectroscopic measurements // Chemometr. Intel. Lab. Syst. 2004. Vol. 70. P. 147 155.
  42. Ni Y.N., Gui Y., Kokot S. Application of multiway-variate calibration to simultaneous voltammetric determination of three catecholamines // Anal. Meth. 2011. Vol.3: P.385−392.
  43. Jiang, J.-H., Ozaki, Y. Self-Modeling Curve Resolution (SMCR): principles, techniques and applications // Appl. Spectrosc. 2002. Vol.37. № 3. P.321−345.
  44. Jalali-Heravi. M., Parastar H., Kamalzadeh M., Tauler R., Jaumot J. MCRC software: A tool for chemometric analysis of two-way chromatographic data. //Chemom. Intell. Lab. Syst. 2010. Vol.104. P. 155−171.
  45. Ni Y., Gu Y., Kokot S. (2012): Interpreting Analytical Chemistry Data: Recent Advances in Curve Resolution with the Aid of Chemometrics // Anal. Lett. 2012. Vol.45. № 8. P.933−948.
  46. Hyvarinen A., Oja E. A Fast Fixed-Point Algorithm for Independent Component Analysis //Neural Computation. 1997. Vol. 9. P. 1483−1492.
  47. Cichocki, A., Amari S. Adaptive Blind Signal and Image Processing. Learning Algorithms and Applications. New York: Wiley, 2002. 522 p.
  48. Jutten C., Herault J. Blind separation of sources .1. An adaptive algorithm based on neuromimetic architecture // Signal Process. 1991. Vol. 24. P. 1−10.
  49. Comon P. Independent component analysis, a new concept? // Signal Process. 1994. Vol. 36. P. 287−314.
  50. Tauler R. Interpretation of environmental data using chemometrics. in Sample Handling and Trace Analysis of Pollutants: Techniques, Applications and Quality Assurance. Amsterdam: Elsevier, 2000. 689 p.
  51. Belouchrani A., Abed-Meraim K., Cardoso J.-F., Moulines E. A blind source separation technique using second-order statistics // IEEE Transactions Signal Process. 1997. Vol. 45. P. 434−444.
  52. Nuzillard D., Bourg S., Nuzillard J.-M. Model-Free Analysis of Mixtures by NMR Using Blind Source Separation // J. Magn. Resonan. 1998. Vol.133. P. 358.
  53. Chen J., Wang X. Z. A New Approach to Near-Infrared Spectral Data Analysis Using Independent Component Analysis // J. Chem. Inf. Comput. Sci. 2001. Vol. 41. P. 992−1001.
  54. Astakhov S. A., Stogbauer H., Kraskov A., Grassberger P. Monte Carlo Algorithm for Least Dependent Non-Negative Mixture Decomposition // Anal. Chem. 2006. Vol. 78. P. 1620−1627.
  55. Moussaoui S., Carteret C., Brie D., Mohammad-Djafari A. Bayesian analysis of spectral mixture data using Markov Chain Monte Carlo Methods // Chemometr. Intell. Lab. Syst. 2006. Vol. 81. P. 137−148.
  56. Scholz M., Gatzek S., Sterling A., Fiehn O., Selbig J. Metabolite fingerprinting: detecting biological features by independent component analysis // Bioinformatics. 2004. Vol. 22. P. 2447−2454.
  57. Albazzaz H., Wang X. Z. Introduction of dynamics to an approach for batch process monitoring using independent component analysis // Chem. Engineer. Communications. 2007. Vol. 194. P. 218−233.
  58. Cardoso J.-F. High-Order Contrasts for Independent Component Analysis //Neural Computation. 1999. Vol. 11. P. 157−192.
  59. Malinowski, E. R. Obtaining the key set of typical vectors by factor analysis and subsequent isolation of component spectra // Anal. Chim. Acta. 1982. Vol. 134. P. 129−137.
  60. Lathauwer L., De Moor B., Vandewalle J. An introduction to independent component analysis // J. Chemometr. 2000. Vol. 14. P. 123.
  61. Bi X., Li T. H., Wu L. Application of independent component analysis to the IR spectra analysis // Chem. J. Chin. Univ. 2004. Vol. 25. P. 1023−1027.
  62. Shao X. G., Wang G. Q., Wang S. F., Su Q. D. Extraction of Mass Spectra and Chromatographic Profiles from Overlapping GC/MS Signal with Background //Anal. Chem. 2004. Vol. 76. P. 5143−5148.
  63. Shao X., Wang W., Hou Z., Cai W. A new regression method based on independent component analysis // Talanta. 2006. Vol. 69. P. 676−680.
  64. Wang G. Q., Cai W. S., Shao X. G. A primary study on resolution of overlapping GC-MS signal using mean-field approach independent component analysis // Chemometr. Intel. Lab. Syst. 2006. Vol. 82. P. 137−144.
  65. Feng L., Shu L., Jian L., Guiliang C., Yan C., Yunpeng Q., Yifeng C., Yutian W. A new method for testing synthetic drugs adulterated in herbal medicines based on infrared spectroscopy // Anal. Chim. Acta. 2007. Vol. 589. P. 200−207.
  66. Bu D. S., Brown C. W. Self-Modeling Mixture Analysis by Interactive Principal Component Analysis // Appl. Spectrosc. 2000. Vol. 54. P. 1214−1221.
  67. Widjaja E., Li C., Chew W., Garland M. Band-Target Entropy Minimization. A Robust Algorithm for Pure Component Spectral Recovery. Application to Complex Randomized Mixtures of Six Components // Anal. Chem.2003. Vol. 75. P. 4499−4507.
  68. Pulkkinen J., Hakkinen A.M., Lundbom N., Paetau A., Kauppinen R. A., Hiltunen Y. Independent component analysis to proton spectroscopic imaging data of human brain tumours // Eur. J. Radiology. 2005. Vol. 56. P. 160−164.
  69. Nieves J. L., Valero E. M., Hernandez-Andres J., Romero J. Recovering fluorescent spectra with an RGB digital camera and color filters using different matrix factorizations // Appl. Optics. 2007. Vol. 46. P. 4144−4154.
  70. Bi X., Li T. H., Wu L. Application of independent component analysis to the IR spectra analysis // Chem. J. Chin. Univ. 2004. Vol. 25. P. 1023−1027.
  71. Ren J. Y., Chang C. Q., Fung P. C. W., Shen J. G., Chan F. H. Y. Free radical EPR spectroscopy analysis using blind source separation // J. Magn. Reson.2004. Vol. 166. P. 82−91.
  72. Hahn S., Yoon G. Identification of pure component spectra by independent component analysis in glucose prediction based on mid-infrared spectroscopy // Appl. Optics. 2006. Vol. 45. P. 8374−8380.
  73. Bonnet N., Nuzillard D. Independent component analysis: A new possibility for analysing series of electron energy loss spectra // Ultramicroscopy.2005. Vol. 102. P. 327−337.
  74. Nascimento J. M., Dias J. M. B. Does Independent Component Analysis Play a Role in Unmixing Hyperspectral Data? // Lecture Notes in Computer Science. 2003. Vol. 2652. P. 616−625.
  75. Bell A. J., Sejnowski T. J. An Information-Maximization Approach to Blind Separation and Blind Deconvolution // Neural Computation. 1995. Vol. 7. P. 1129−1159.
  76. JI.А., Баранов В. И., Эляшберг M.E. Безэталонный молекулярный спектральный анализ. Теоретические основы. М.: Эдиториал УРСС, 2002. 320 с.
  77. Toku§ oglu О., Аусап Akalin S., Ko? ak S., Ersoy N. Simultaneous Differential Pulse Polarographic Determination of Cadmium, Lead, and Copper in Milk and Dairy Products // J. Agric. Food Chem. 2004. Vol. 52. P. 1795−1799.
  78. B.M., Апраксин В. П., Чечепко А. И., Фолманис Г. Э. Перспективные органоминеральные композиции с наноразмерным железом для растениеводства // Перспективные материалы. 2008. № 6. С. 60−63.
  79. Ranjan D., Mishra D., Hasan S.H. Bioadsorption of Arsenic: An Artificial Neural Networks and Response Surface Methodological Approach // Ind. Eng. Chem. Res. 2011. Vol.50. P.9852−9863.
  80. С.В., Ларин С. Л., Стасюк Н. В. Применение дифференцирования и сглаживания в инверсионной вольтамперометрии некоторых металлов при линейной и ступенчатой развертке потенциалов // Журн. аналит. химии. 2000. Т. 55. № 11. С. 1184−1189.
  81. Antunes М.С., Simao J.E.J., Duarte А.С., Tauler R. Multivariate curve resolution of overlapping voltammetric peaks: quantitative analysis of binary and quaternary metal mixtures // Analyst. 2002. Vol.127. P. 809−817.
  82. Kokot S., Marahusin L., Schweinsberg D.P., Jermini M. Characterizing Oxidatively Damaged Cotton Fabrics. Part II: A Model for the Catalytic Damage Phenomenon Using Electrogenerated Oxygen // Textile Res. J. 1994. Vol.64. № 12. P.710−716.
  83. Ferreira H.B.P., Barbeira P.J.S. Voltammetric Determination of Zinc in Lubricating Oils // Energy & Fuels. 2009. Vol. 23. P. 3048−3053.
  84. Hall G.S., Tinklenberg J. Determination of Ti, Zn, and Pb in lead-based house paints by EDXRF // J. Anal. At. Spectrom. 2003. Vol. 18. P. 775−778.
  85. Murillo Pulgarin J. A., Garcia Bermejo L. F., Carrasquera A. Simultaneous determination of Cu (II), Ni (II) and Zn (II) by peroxyoxalate chemiluminescence using Partial Least Squares calibration // Analyst. 2011. Vol. 136. P. 304−308.
  86. Bagheri H., Saraji M., Naderi M. Optimization of a new activated carbon based sorbent for on-line preconcentration and trace determination of nickel in aquatic samples using mixed-level orthogonal array design // Analyst. 2000. Vol. 125. P. 1649−1654.
  87. Sumpter B.G., Getino C., Noid D.W. Theory and applications of neural computing in chemical science // Annu. Rev. Phys. Chem. 1994. Vol. 45. P. 439 481.
  88. Ni Y., Chen S., Kokot S. Spectrophotometric determination of metal ions in electroplating solutions in the presence of EDTA with the aid of multivariate calibration and artificial neural networks // Anal. Chim. Acta. 2002. Vol. 463. P. 305−316.
  89. Moreda-Pineiro A., Marcos A., Fisher A., Hill S.J. Parallel factor analysis for the study of systematic error in inductively coupled plasma atomic emission spectrometry and mass spectrometry // J. Anal. Atom. Spectrom. 2001. Vol. 16. P. 360−369.
  90. Santamaria-Fernandez R., Moreda-Pineiro A., Hill S.J. Optimization of a multielement sequential extraction method employing an experimental design approach for metal partitioning in soils and sediments // J. Environ. Monit. 2002. Vol. 4. P. 330−336.
  91. Marcos A., Fisher A., Rea G., Hill S.J. Preliminary study using trace element concentrations and a chemometrics approach to determine the geographical origin of tea // J. Anal. Atom. Spectrom. 1998. Vol. 13. P. 521−525.
  92. Figueroa D.A., Rodriguez-Sierra C.J., Jimenez-Velez B.D. Concentrations of Ni and V, other heavy metals, arsenic, elemental and organic carbon in atmospheric fine particles (PM2.s) from Puerto Rico // Toxicol. Ind. Health. 2006. Vol. 22. P. 87−99.
  93. Farmaki E.G., Thomaidis N.S., Simeonov V., Efstathiou C.E. A comparative chemometric study for water quality expertise of the Athenian water reservoirs // Environ. Monit. Assess. 2012. Published online 2012 January 21. DOI 10.1007/s 10 661−012−2524−1.
  94. Hill S.J., Dawson J.B., Price W.J., Shuttler I.L., Clare M. M. Smith C.M.M., Tyson J.F. Advances in atomic absorption and fluorescence spectrometry and related techniques // J. Anal. Atom. Spectrom. 1999. Vol. 14. P. 1245−1285.
  95. Yao S., Lu J., Li J, Chen K., Li J., Dong M. Multi-elemental analysis of fertilizer using laser-induced breakdown spectroscopy coupled with partial least squares regression // J. Anal. At. Spectrom. 2010. Vol. 25. P. 1733−1738.
  96. Szaloki I., Torok S.B., Ro C.-U., Injuk J., Van Grieken R.E. X-ray Spectrometry // Anal. Chem. 2000. Vol. 72. № 12. P. 211R-233R.
  97. Szaloki I., Osan J., Van Grieken R.E. X-ray Spectrometry // Anal. Chem. 2006. Vol. 78. № 12. P. 4069−4096.
  98. Malecha M., Bessant C., Saini S. Principal components analysis for the visualisation of multidimensional chemical data acquired by scanning Raman microspectroscopy//Analyst. 2002. Vol. 127. P. 1261−1266.
  99. Hemmateenejad В., Mobaraki N., Shakerizadeh-Shirazi F., Miri R. Multivariate image analysis-thin layer chromatography (MIA-TLC) for simultaneous determination of co-eluting components // Analyst. 2010. Vol. 135. P. 1747−1758.
  100. Santamaria-Fernandez R., Cave M.R., Hill S.J. The effect of humic acids on the sequential extraction of metals in soils and sediments using ICP-AES and chemometric analysis // J. Environ. Monit. 2003. Vol. 5. P. 929−934.
  101. Simeonov V., Einax J., Tsakovski S., Kraft J. Multivariate statistical assessment of polluted soils // CEJC. 2005. Vol. 3(1) P. 1−9.
  102. Martinez E., Cela R., Carro A. M., Cobas J. C., Garcia B. Chemometrically guided sample composition for fast screening of trace metals in water samples // J. Anal. Atom. Spectrom. 2002. Vol. 17. P. 1373−1380.
  103. Mottola H.A., Perez-Bendito D. Kinetic Determinations and Some Kinetic Aspects of Analytical Chemistry // Anal. Chem. 1996. Vol. 68. № 12. P. 257R-289R.
  104. Crouch S.R., Scheeline A., Kirkor E.S. Kinetic Determinations and Some Kinetic Aspects of Analytical Chemistry // Anal. Chem. 2000. Vol. 72. № 12. P. 53R-70R.
  105. Kraskov A., Stogbauer H., Grassberger P. Estimating Mutual Information // Phys. Rev. E. 2004. Vol. 69. P. 66 138−66 154.
  106. B.C., Променкова H.H. Объемный метод определения родия // Журн. аналит. химии. 1947. Т.2. № 5. С.247−252.
  107. А.Т., Середа И. П., Маслей Н. Н. Ассортимент реактивов на иридий. М.: НИИТЭХИМ, 1970. 41 с.
  108. Ю.Ю. Справочник по аналитической химии: Справ, изд. М.: Химия, 1989. 448 с.
  109. В. М. Гетероциклические азотсодержащие азосоединения // М.: Наука, 1982. 230 с.
  110. Malinowski, Е. R. Obtaining the key set of typical vectors by factor analysis and subsequent isolation of component spectra // Anal. Chim. Acta. 1982. Vol. 134. P. 129−137.
  111. Orfanidis S.J. Introduction to Signal Processing. Prentice-Hall: New Jork, 1996. 124 p.
  112. M., Sommer L. 4-(2-Pyridilazo)resorcin als chelatometrischer indicator // Collection Chechoslov. Chem. Commun. 1961. Vol. 26. № 9. P.2189−2205.
  113. А. Т., Савранский JI. И., Скороход Е. Г. Строение координационных соединений металлов с 1-(2-пиридилазо)-резорцином и 1-(2-пиридилазо)-2-нафтолом // Журн. аналит. химии. 1972. Т.27. Вып.6. С.1080−1086.
  114. Ghasemi J., Peyman Н., Meloun М. Study of Complex Formation3+ 3+ 7+ 2+between 4-(2-Pyridylazo)-Resorcinol and A1, Fe, Zn, and Cd Ions in an Aqueous Solution at 0.1 M Ionic Strength // J. Chem. Eng. Data 2007 Vol.52. P.1171−1178.
  115. Ю.Б., Кузнецова И. В., Муштакова С. П. Применение современных хемометрических методов для исследования сопряженных равновесий в растворах // Журн. аналит. химии. 2011. Т. 66, № 6. С. 582−588.
  116. С.С., Монахова Ю. Б., Муштакова С. П. Алгоритмы декомпозиции спектров смесей в анализе сплавов // Аналитика и контроль. 2012. Т.16. № 2. с. 203−209.
  117. С.С., Монахова Ю. Б., Муштакова С. П. Спектро-хемометрическое определение некоторых металлов в смесях сложногосостава // Известия Саратовского университета. 2011. Т. П. Сер. Химия. Биология. Экология. Вып.1. С. 25−31.
  118. A.B., Рудницкая A.M., Легин К. А., Ипатов A.B., Власов Ю. Г. Методы многомерных калибровок для обработки динамического отклика проточно-инжекционной мультисенсорной системы // Журн. прикл. химии. 2005. Т.78. № 1. С.90−96.
  119. E.H., Власова И. В., Корягина А. Ю. Спектрофотометрическое определение витаминов в неразделенных смесях с применением метода проекции на латентные структуры (PLS) // Заводская лаборатория. Диагностика материалов. 2010. Т. 76. № 2. С. 18−20.
  120. И. В., Шелпакова А. С., Вершинин В. И. Спектрофотометрический анализ неразделенных смесей с применением метода PLS: оптимизация объема обучающей выборки // Заводская лаборатория. Диагностика материалов. 2011. Т.77. № 4. С. 19−22.
  121. Y. В., Mushtakova S. P., Kolesnikova S. S., Astakhov S. A. Chemometrics-assisted spectrophotometric method for simultaneous determination of vitamins in complex mixtures // Anal. Bioanal. Chem. 2010. Vol.397. P. 1297−1306.
  122. К.А., Кочетов А. Н., Стрельников И. И. Спектрофотометрический метод определения фосфида цинка в техническом препарате // Дезинфекционное дело. 2005. № 1. С.65−66.
  123. Л. К., Шушеначев Я. В., Камилова П. М. Совместное спектрофотометрическое определение меди (II) и цинка (II) на основе ихкинетического разделения в системах проточно-инжекционного анализа // Журн. аналит. химии. 2007. Т.62. № 7. С.696−704.
  124. О. П., Харенко И. П., Титова Н. П. Повышение чувствительности и точности определения цинка в атомно-абсорбционной спектрометрии // Журн. прикл. спектр. Т.75. № 2. С.269−273.
  125. И.С., Гукалов В. Н., Демченко М. М. Содержание тяжелых металлов в отходах животноводства В связи с опасностью загрязнения окружающей среды. // Экологические проблемы Кубани. 2006. № 32. С. 47−52.
  126. О. Г., Жаков Я. И. Микроэлементный баланс у детей с синдромом раздраженного кишечника // Уральский медицинский журнал. 2008. № 7. С.80−84.
  127. H.A., Лысенков С. П., Егорова Г. А., ОжеваР.Ш. Сравнительный анализ содержания макро- и микроэлементов в волосах детей и подростков, проживающих в южных и северных регионах России // Новые технологии. 2011. № 3. С. 175−179.
  128. Е. В., Шуваева О. В. Определение кальция, магния, железа, меди, цинка и фосфора в сыворотке крови методом дуговой атомно-эмиссионной спектрометрии // Журн. аналит. химии. 2005. Т.60. № 10. С.1054−1058.
  129. Аналитическая химия металлов платиновой группы: Сборник обзорных статей / Сост. и ред. Ю. А. Золотов, Г. М. Варшал, В. М. Иванов. М.: Едиториал УРСС, 2003. 592 с.
  130. Н. А., Муштакова С. П., Никоноров П. Г. Сульфофенилантраниловая кислота новый реагент на палладий // Журн. аналит. химии. 2005. Т.60. № 2. С. 144−148.
  131. Е.Г., Федорина JI. И., Останина О. И. Определение микроконцентраций иридия каталитическим методом в проточно-инжекционной системе // Заводская лаборатория. Диагностика материалов. 2011. Т.77. № 12. С.7−9.
  132. Энсафи Али А., Кейванфард М. Кинетический спектрофотометрический метод определения родия по его каталитическому воздействию на окисление о-толуидинового синего периодатом в мицеллярной среде // Журн. аналит. химии. 2003. Т.58. № 11. С. 1183−1188.
  133. А. В., Ланская С. Ю., Золотов Ю. А. Спектрофотометрическое определение рутения в растворах нитрозо- и сульфатокомплексов с использованием микроволнового излучения // Журн. аналит. химии. 2003. Т.58. № 9. С.948−954.
  134. M. Н., Игнатьева Т. И. Спектрофотометрическое определение иттрия в сплавах, содержащих никель, алюминий, хром // Заводская лаборатория. Диагностика материалов. 2005. Т.71. № 4. С.12−14.
  135. С.С., Монахова Ю. Б., Степанов А. Н., Муштакова С. П. Применение алгоритмов декомпозиции спектров смесей для определения металлов в поливитаминных препаратах // Заводская лаборатория. Диагностика материалов, 2011, Т.77, № 7, с.25−30.
  136. Afkhami A., Madrakian Т., Abbasi-Tarighat M. Simultaneous determination of calcium, magnesium and zinc in different foodstuffs and pharmaceutical samples with continuous wavelet transforms // Food Chemistry. 2008. Vol. 109. P. 660−669.
  137. Benamor M., Aguerssif N. Simultaneous determination of calcium and magnesium by derivative spectrophotometry in pharmaceutical products // Spectrochimica Acta Part A. 2008. Vol. 69. P. 676 681.
  138. И.В., Дедова O.A., Щербаков С. С., Королева О. В. Спектрофотометрический метод определения массовой концентрации кальция в винодельческой продукции // Виноделие и виноградарство. 2008. № 2. С.20−22.
  139. Е.А., Тимошкина Н. В. Спектрофотометрическое определение калия, натрия и кальция в сыворотке крови // Известия Алтайского государственного университета. 2010. № 3−1. С.157−162.
  140. А.Н. Спектрофотометрическое исследование содержания биогенных и абиогенных металлов в природных водах Южно-Уральского региона // Науч.-техн. вестн. СПбГУ ИТМО. 2004. № 13. С. 148−150.
  141. О. Г., Жаков Я. И. Микроэлементный баланс у детей с синдромом раздраженного кишечника // Уральский медицинский журнал. 2008. № 7. С.80−84.
  142. И.Е., Громова О. А., Полятыкина Т. С., Андреева С. В. Особенности микроэлементного статуса беременных с артериальной гипертензией // Бюллетень Восточно-Сибирского научного центра СО РАМН. 2006. № 1. С.86−91.
  143. Р.Т., Соколова Н. А., Савина М. И., МамедовИ.С., Талицкий В. В. Современные методы определения компонентов минерального обмена в биологических образцах // Клиническая лабораторная диагностика. 2007. № 9. С.81−89.
  144. Н.А., Лысенков С. П., Егорова Г. А., ОжеваР.Ш., Сравнительный анализ содержания макро- и микроэлементов в волосах детейи подростков, проживающих в южных и северных регионах России // Новые технологии. 2011. № 3. С. 175−179.
  145. Е.В., Шуваева О. В. Определение кальция, магния, железа, меди, цинка и фосфора в сыворотке крови методом дуговой атомно-эмиссионной спектрометрии // Журн. аналит. химии. 2005. Т.60. № 10. С.1054−1058.
  146. O.A., Кузякова J1.M. Онтогенетические изменения биогенных макро- и микроэлементов и их прогностическая значимость при нарушении осанки // Фундаментальные исследования. 2011. № 11−1. С.26−29.
Заполнить форму текущей работой

На отлично!