迭代目标转换因子分析与人工神经网络法用于邻,间,对硝基甲苯的分光光度

本文将迭代目标转换因子分析与人工神经网络法用于分光光度法同时测定邻、间、对硝基甲苯，并与目标转换因子分析的结果进行了比较。结果表明，迭代目标转换因子分析法与线性网络法的效果都很好。     

迭代目标转换因子分析与人工神经网络法用于邻、间、对硝基甲苯的分光光度同时测定的比较研究

本文将迭代目标转换因子分析与人工神经网络法用于分光光度法同时测定邻、间、对硝基甲苯,并与目标转换因子分析的结果进行了比较.结果表明,迭代目标转换因子分析法与线性网络法的效果都很好.其相对误差分别为1.3％和1.2％,而目标转换因子分析法的预测误差较大,其相对误差为10.4％.     

迭代目标转换因子分析法及其在光度分析中的应用——轻稀土元素多组份同时测定的研究

本文提出一种新的因子分析计算方法,即迭代目标转换因子分析法,避免了对转换矩阵求逆的运算过程,降低了实验误差在计算过程中放大的可能性,从而提高了浓度计算的准确度。用本文方法对La、Ce、Pr、Nd、Sm、Eu、Gd等稀土元素7组份混合物合成样品进行了分析,获得了满意的结果。     

优化迭代目标转换因子分析法在多组分混合物红外光谱解析中的应用

优化迭代目标转换因子分析法在多组分混合物红外光谱解析中的应用何锡文,陈鼎,王永泰（南开大学化学系、中心实验室,天津,３００００７１）关键词因子分析,相关性,红外光谱因子分析是一种多元统计方法,用其解析多组分混合物的红外光谱已有报道［１,２］。迭代目标...     

光度法同时测定地质样品中的钼钨锡锑

以水杨基荧光酮为显色剂,确定了光度分析法同时测定钼、钨锡、锑四组份的最佳条件。并采用迭代目标转换因子分析光度法,对地质样品中上述四组份进行了测定,测定结果的相对误差一般小于１０％。浓度矩阵的实验设计、主因子数的确定、干扰及消除等问题进行了讨论。     

未知动力学模型的化学反应过程的解析

采用迭代目标转换因子分析法(ITTFA)解析动力学模型未知的化学反应过程中的动力学-光谱数据矩阵,获得了各组分的动力学谱.基于体系中各组分间的等吸收点等光谱特征,提出并建立了一种新的初始迭代矢量的方法.利用该方法解析了动力学模型未知且各组分均有吸收的两步连续反应的模拟数据矩阵,并对最终产物无吸收的水杨酸水溶液电降解反应过程中测得的数据矩阵进行解析,获得了可靠的结果.     

迭代目标转换因子分析法在吸附伏安法中的应用——混合色不的…

将迭代目标转换因子分析法应用于混合色素溶液吸附伏安波谱的解析，完成了苋菜红、日落黄，柠檬黄和胭脂红混合色素在磷酸氢二钠－柠檬酸缓冲溶液（ｐＨ＝５．７）中的吸附伏安法同时测定，取得了较满意的结果。     

双显色体系迭代目标转换因子分析法测定混合稀土的研究

用双显色体系降低各组分光谱的线性相关性，并用光谱向量间的夹角描述这种特性；同时采用数值稳定性较好的迭代目标转换因子分析法（ＩＴＴＦＡ），进行混合稀土（Ｌａ、Ｇｄ、Ｙｂ、Ｙ）中单一稀土元素的光度分析。结果表明，在三氯偶氮胂—稀土（Ｌａ、Ｇｄ、Ｙｂ、Ｙ）显色体系中，采用一个酸度体系（ｐＨ３４）的光谱数据计算时，各稀土组分光谱向量间夹角平均值为４５°；而采用两个酸度体系（ｐＨ３４，ｐＨ１４）的光谱数据计算时，各稀土组分之间向量夹角平均值达到２１５°，这不仅使得ＩＴＴＦＡ中主因子的选择较为准确，且较易获得稳定的结果，并提高多组分光度分析的可靠性。     

迭代目标转换因子分析法在光度分析中的应用研究——用三溴偶氮氯膦同时测定15个稀土元素

以三溴偶氮氯膦为显色剂,应用迭代目标转换因子分析光度法对15个稀土元素混合物合成样品进行同时测定,结果的平均相对误差为2.9％～5.6％。对标准数据阵的构成。主因子数的确定以及组份间浓度比对计算结果的影响等问题作了讨论。     

改进的迭代目标转换因子分析研究

本文用非线性迭代偏最小二乘法分解原始数据阵,提出了改进的迭代目标转换因子分析法,大大简化了运算,方法简单、直观、准确.用此法对复方扑热息痛片中三组分(乙酰基水杨酸、扑热息痛及咖啡因)的含量进行紫外光谱测定,结果满意.     

校正变换矩阵法及其在多组分直接同时测定中的应用

将目标变换因子分析中自由浮动技术引入多元校准中，提出了一种新的多组分同时校准法———校正变换矩阵法。该法用于四组分氨基酸人工混合样品分析，结果令人满意，通过与传统目标变换因子分析法比较研究，表明该法用于组分光谱严重共线的波长范围时，其校准能力大大优于传统目标变换法。     

计算机模拟研究目标转换因子分析分辨重迭溶出伏安峰

本文用计算机模拟研究目标转换因子分析分辨重迭溶出伏安峰．设计了两个计算机程序（ＳＰＧＲＥＬＥＰ）和（ＥＬＥＣＴＴＦＡ）用于伏安图模拟和目标转换因子分析，采用了伏安图全部信息和矩阵处理技术．ＥＬＥＣＴＴＦＡ程序用于确定组分数，验证组分种类和进行未知重迭溶出伏安图的定量分析．实验结果表明本方法是成功的，甚至对严重重迭溶出伏安图亦可奏效．     

计时电流的因子分析-法拉第电流与充电电流的分离

基于电化学理论电流公式,用迭代目标变换因子分析法对计时电路曲线进行处理,得到分离的法拉第电流和充电电流成分,对于简单的电极过程,分离效果很好,信噪比得到提高,法拉第电流分量可用于定量分析。     

联用色谱数据的双窗口因子分析

利用组分光谱的特征信息,发展了一种能直接对联用色谱重叠峰中组分进行定性定量分析的新方法──双窗口因子分析（dualwindowfactoranalysis,DWPA）。该法可从多组分重叠峰中定性目标组分,且在未经其它组分的分辨下可直接对目标组分的光谱、色谱进行分辨。因此更适应于联用色谱对复杂体系中待测组分的定性定量分析。用该法成功地对4组分重叠峰进行了分析,实验结果令人满意。     

Resolving overlapping GC–MS signals with a multistep screening chemometric approach for the fast determination of pesticides

For the rapid analysis of multicomponent mixtures using GC–MS, a chemometric multistep screening approach was proposed to extract the signals of the components from the overlapping signals measured with a very fast temperature program. At first, independent component analysis was used to find all the possible mass spectra from the overlapping signal in the moving windows along the retention time, and iterative target transformation factor analysis was employed to validate the existence of the extracted spectra from each window. Then, identical signals in the validated spectra were excluded using match ratio as a criterion. Finally, the chromatographic profiles for each spectrum were calculated using non‐negative immune algorithm, and the spectra with a reasonable profile were taken as the identified components. A mixture of 53 pesticides was analyzed with a very fast temperature program of 7 min. A total of 48 pesticides and 16 interferences were identified from the overlapping GC–MS signal.     

完全未知混合体系中纯组份的红外光谱解析

提出一种新的目标转化因子分析，其初始向量的构造基于实际最大差异光谱，无需分离即可从红外混合体系中解析出纯组份光谱。该算法简单易懂，不必迭代，运算量小，应用于模拟及实际体系，结果令人满意。     

因子分析在速差动力学分析中的应用──肾上腺素和去甲基肾上腺素的同时测定

将一种改进的目标因子分析法(MTFA)用于复杂反应的速差动力学分析体系,采用此法处理实验数据时,引入了一个非零截距因子,采用模拟纯谱运算。可使方法的准确度大大提高。据此建立了一种停流技术进样、速差动力学分析同时测定、因子分析处理实验数据的新方法;对于10^-6mol·L^-1级的肾上腺素-去甲基肾上腺素混合物,比例范围在1:5～5:1之间,测定相对误差小于±10%,用于合成样品中肾上腺素和去甲基肾上腺素的同时测定,获得了满意结果。     

Optimisation of high-performance liquid chromatography with diode array detection using an automatic peak tracking procedure based on augmented iterative target transformation factor analysis

An automated method for the optimisation of high-performance liquid chromatography is developed. First of all, the sample of interest is analysed with various eluent compositions. All obtained data are combined into one augmented data matrix. Subsequently, augmented iterative target transformation factor analysis performs the integrated tasks of curve resolution and peak tracking. Since this type of curve resolution processes all data at once, it can deal with strong peak overlap and reveal the correspondence of compounds between runs, i.e. peak tracking. The retention time and peak width at half height for each component of the sample are determined for every eluent composition. Next, models are built for the retention time and the peak width at half height. These models are used to predict the resolution and the analysis time for each point in factor space. Finally, a multi-criterion decision-making method, Pareto optimality, is used to find the optimum. The method completes all calculations within a few minutes and without user intervention. By means of this procedure, a mixture of three benzodiazepines is successfully separated using a ternary mobile phase. There are two requirements for the automated optimisation method to work correctly. Firstly, all components of the sample must have sufficiently different spectra. Secondly, each compound should have the same spectrum under all experimental conditions.