|
|
|
.
Аннотация: Анализ откликов химических сенсоров для сложных химических смесей является затруднительным вследствие перекрывания сигналов и варьирировании сигнала от эксперимента к эксперименту. Предложен метод, позволяющий "выравнивать" данные путем выбора меток (landmarks), поиска этих меток на хроматограмме и вычисление аппроксимирующей функции с использованием кубической сплайн-интерполяции, описывающей сдвиг данных. |
Источник: Alignment of gas chromatography–mass spectrometry data by landmark selection from complex chemical mixtures |
Chemometrics and Intelligent Laboratory Systems |
 |
.
Аннотация: Предложен новый метод определения числа значимых компонент и ключевых переменных для многомерных хроматографических данных. Метод основан на применении генетического алгоритма (genetic algorithms, GA). Изучено влияние различных факторов - уровень шумов, базовая линия, разрешение и др. Метод протестирован на 5 выборках данных. |
Источник: Determination of number of significant components and key variables using genetic algorithms in liquid chromatography-nuclear magnetic resonance spectroscopy and liquid chromatography-diode array detection |
Chemometrics and Intelligent Laboratory Systems |
|
.
.
.
Аннотация: При рассмотрении основных эффектов и перекрестных взаимодействий первого порядка, полный факторный план эксперимента требует проведения большого числа испытаний - так же, как и в случае, если один из факторов представлен несколькими уровнями. Предложен подход, основанный на сериях двухуровневых планов, позволяющий уменьшить число испытаний без ущерба для качества получаемых результатов. |
Источник: Design of experiments to investigate main effects and all two-factor interactions when one of the factors has more than two levels - application to nuclear waste cementation |
Chemometrics and Intelligent Laboratory Systems |
|
.
Аннотация: Существует ряд моделей, объясняющих эффект размывания пиков в ВЭЖХ и учитывающих различные физические и химические факторы, приводящие к размыванию. Экспериментальный анализ этих моделей предъявляет высокие требования к данным: низкий уровень шумов, проведение нескольких параллельных определений и большой объем выборки. Поэтому часто бывает сложно выбрать наиболее подходящую модель для конкретной хроматографической системы и условий эксперимента. Байесовский анализ - метод, позволяющий количественно оценить параметры модели размывания пиков и ранжировать модели по эффективности. |
Источник: Bayesian analysis of band-broadening models used in high performance liquid chromatography |
Chemometrics and Intelligent Laboratory Systems |
|
.<< предыдущая страница следующая страница >>
Архив новостей за 2005 год
|
|
|
