三维(二阶)算法在液相色谱分析中的应用

使用"垂线法"、"切线法"或"三角形法"等传统方法对液相色谱重叠峰分辨时经常会遇到误差过大的情况,而使用三维(二阶)算法对重叠和拖尾峰分辨可以最大限度地降低这种因几何分割而人为产生的误差。这样改进的色谱解析方法具有自动化程度高、抗干扰能力强、对重叠/拖尾峰定量准确等优点,甚至可以减少样品前处理和色谱条件优化。该方法的核心是基于化学计量学三维(二阶)算法抽取有效信息和建模的思想,三维色谱数据按照对三线性模型的符合程度有"三线性数据"和"非三线性数据"的区别,相应地将三维(二阶)算法分为"三线性算法"和"非三线性算法"。本文综述了近10年来国内外三维(二阶)算法在复杂体系液相色谱分析中的应用进展,侧重于样品前处理、辅助算法、校正算法间的联用和对比等问题。     

连续小波变换结合无参数模型增强框架对时序漂移的近红外光谱建模

近红外(Near-infrared, NIR)光谱法具有高效、无损的特点,然而其采集的光谱容易受多种外界因素的影响而发生漂移,导致分析结果出现偏差。时序漂移是一种NIR光谱随检测时间发生持续且有规律漂移的普遍现象。本研究提出了一种时序漂移NIR光谱的建模新方法,将漂移信号分解为背景漂移和样本依赖的时序漂移。分别利用连续小波变换(Continuous wavelet transform, CWT)和半监督-无参数模型增强(Semi-supervised parameter-free calibration enhancement, SS-PFCE)消除NIR光谱中时序背景漂移和样本依赖的时序信号漂移部分,进而实现准确建模。通过对2019年和2020年在云南省境内分别采集的928个和962个土壤样品的时序漂移NIR光谱进行建模,以土壤有机质(Soil organic matter, SOM)含量的预测准确性验证本方法的建模效果。对2019年采集的光谱建模(预测均方根误差(Root mean squared error of prediction, RMSEP)=6.7 g/kg,R