Бакалавр
Дипломные и курсовые на заказ

Применение методов множественной линейной регрессии и проекции на латентные структуры в спектрофотометрическом анализе многокомпонентных смесей

Диссертация: Применение методов множественной линейной регрессии и проекции на латентные структуры в спектрофотометрическом анализе многокомпонентных смесей
ДиссертацияПомощь в написанииУзнать стоимостьмоей работы

В спектрофотометрическом анализе неразделенных смесей с применением метода множественной линейной регрессии (МЛР) предпочтительнее использовать вариант непрямой градуировки. Предложенный алгоритм формирования обучающих выборок (ОВ), учитывающий уровень случайных погрешностей, позволяет ограничить число стандартных смесей интервалом от п до 2п, где п — число аналитов (п < 5). Вычисленные… Читать ещё >

Содержание

  • Глава 1. Применение хемометрических алгоритмов в анализе смесей
    • 1. 1. Хемометрические алгоритмы
    • 1. 2. Применение хемометрических алгоритмов в спектроскопических методах
      • 1. 2. 1. Атомная спектроскопия
      • 1. 2. 2. Молекулярная спектроскопия в УФ, видимой и ИК — областях
        • 1. 2. 2. 1. Спектрофотометрия в УФ и видимой области
        • 1. 2. 2. 2. ИК — спектроскопия

Применение методов множественной линейной регрессии и проекции на латентные структуры в спектрофотометрическом анализе многокомпонентных смесей (реферат, курсовая, диплом, контрольная)

Актуальность темы

Хемометрические алгоритмы, разработанные математиками в конце XX в. и реализуемые с помощью компьютеров, позволяют существенно расширить возможности известных аналитических методов и повысить их эффективность. Такие хемометрические алгоритмы как метод множественной линейной регрессии (МЛР) и метод проекции на латентные структуры (ПЛС) успешно применяются для обработки спектральных данныхэто позволяет быстро анализировать реальные объекты (многокомпонентные смеси) даже при полном наложении спектров поглощения аналитов. Этот подход особенно перспективен и экономически выгоден в случае массового анализа однотипных проб, имеющих номинальный составу например, фармацевтических препаратов. В экспрессных методиках, позволяющих раздельно и одновременно определять содержание нескольких аналитов, заинтересованы не только заводские лаборатории, но и различные контролирующие организации, так как объем поступающей* на рынок 1 фармацевтической продукции непрерывно растет, и немалая часть этой продукции не соответствует заявленному составу.

Известно, что < для анализа лекарственных и витаминных препаратов можно применять относительно простые алгоритмы — метод Фирордта и метод множественной линейной регрессии в варианте прямой градуировки (МЛР-1). Однако в ряде случаев (анализ неаддитивных смесей, одновременное определение макрои микрокомпонентов, одновременное определение 5−6 аналитов, присутствие посторонних веществ) эти алгоритмы не обеспечивают требуемой точности результатов. Необходимо переходить к использованию более мощных хемометрических алгоритмов — методу множественной линейной регрессии в варианте непрямой градуировки (МЛР-2) и методу проекции на латентные структуры (ПЛС). Широкому и эффективному применению данных алгоритмов в спектрофотометрическом анализе препятствует недостаточная изученность их аналитических возможностей. Так, эффективность применения этих алгоритмов и точность соответствующих методик анализа в значительной мере зависят от того, какие исходные данные (обучающие выборки) использовать для построения градуировочных моделей. Это длительная и трудоемкая процедура, нуждающаяся в теоретически обоснованных рекомендациях. Особенно важно правильно сформировать обучающую, выборку и построить адекватную градуировочную модель для анализа неаддитивных смесей. Тем не менее, в литературе практически нет публикаций, посвященных формированию обучающих выборок оптимального состава. Необходимы специальные исследования в данной области, направленные одновременно на повышение точности анализа и на снижение объема исходных данных, необходимых для построения адекватной градуировки.

Цель и задачи исследования

Цель данной работы — создание оптимальных способов формирования обучающих выборок при использовании методов МЛР (в, варианте непрямой градуировки) и ПЛС в спектрофотометрическом анализе многокомпонентных смесей, имеющих номинальный состав (лекарственные и витаминные препараты).

В ходе исследований необходимо было решить следующие задачи.

1. Разработать алгоритмы формирования обучающих выборок для вычисления регрессионных коэффициентов (МЛР-2) и для построения многомерных градуировок методом ПЛС. Определить количественный состав и оптимальный объем обучающих выборок, обеспечивающий заданную точность анализа.

2. Выбрать оптимальные условия для применения алгоритмов МЛР-2 и ПЛС в спектрофотометрическом анализе лекарственных и поливитаминных препаратов (выбор спектральных диапазонов, шаг регистрации спектров).

3. Сравнить результаты, полученные для одних и тех же объектов методами МЛР-2 и ПЛС, выяснить применимость этих методов для анализа неаддитивных смесей.

4. Разработать экспрессные методики анализа реальных лекарственных и поливитаминных препаратов с использованием оптимизированных алгоритмов МЛР-2 и ПЛС.

Объекты исследования. При изучении аналитических возможностей хемометрических алгоритмов. использовались модельные смеси лекарственных веществ или витаминов (водные растворы, содержащие п аналитовиндивидуальных органических соединений). Состав модельных смесей был известен и близок к составу некоторых лекарственных препаратов (п = 2 — 4) или поливитаминных препаратов {п — 4 — 6). При проверке разработанных методик эти препараты служили объектами анализа.

Научнаяновизна.

1. Предложен, теоретически обоснован и программно реализован, новый подход к формированию обучающих выборок для метода' МЛР в варианте непрямой градуировки, основанный на минимизации функционалахарактеризующего суммарную случайную погрешность результатов:

2. Впервые изучена связь правильности и воспроизводимости методик спектрофотометрического анализа многокомпонентных смесей, имеющих номинальный, состав, с объемом обучающей выборки и разными принципами ее формирования.

3. Определено необходимое и достаточное число модельных смесей (оптимальный объем обучающей выборки) для обеспечения* максимально возможной точности анализа смесей по методу ПЛС.

Практическая значимость работы. Разработано 7 экспрессных^ методик спектрофотометрического анализа лекарственных и поливитаминных препаратов, основанных на применении алгоритмов МЛР-2 или ПЛС. По каждому аналиту разработанные методики характеризуются относительными погрешностями, не превышающими 5−7% отн., величиной относительного стандартного отклонения, не большей 0,05. Методики анализа препаратов «Кофицил-плюс» и «Папазол» прошли государственную метрологическую аттестацию и подготовлены к использованию в контрольно-аналитических лабораториях.

Положения, выносимые на защиту.

1. Принцип формирования обучающих выборок для вычисления регрессионных коэффициентов (метод МЛР-2), позволяющий ограничить их объем до 2п.

2. Принцип формирования небольших по объему обучающих выборок, предназначенных для построения многомерных градуировок (метод ПЛС). Связь оптимального объема выборки с числом определяемых компонёнтов.

3. Возможность использования методов MJIP-2 и ПЛС для спектрофотометрического анализа неаддитивных смесей, а также смесей, содержащих посторонние (неопределяемые) вещества.

4. Методики анализа лекарственных и поливитаминных препаратов с применением методов МЛР12 и ПЛС.

Апробация работы. Основные результаты работы доложены, на VIII. Всероссийской конференции молодых ученых по математическому моделированию и информационным технологиям (Новосибирск, 2007), на Всероссийских научных конференциях «Химия под знаком Сигма: исследования, инновации, технологии» (Омск, 2008, 2010), VIII научной конференции «Аналитика Сибири и Дальнего Востока» (Томск, 2008), на VI и VII международных симпозиумах по хемометрике (Winter Symposium on Chemometrics «Modern Methods of Data Analysis», Казань, 2008; Санкт-Петербург, 2010), на Международном форуме «Аналитика и Аналитики» (Воронеж, 2008), на III Всероссийской конференции «Аналитика России» (Краснодар, 2009), на I Всероссийской конференции «Современные методы химико-аналитического контроля фармацевтической продукции» (Москва, 2009), на VII Международной конференции студентов и молодых ученых «Перспективы развития фундаментальных наук» (Томск, 2010) и на Съезде аналитиков России (Москва, 2010).

Тематика работы зарегистрирована во ВНТИЦентре (№ ГР 01.200.2 4 679), исследования выполнялись при финансовой поддержке Министерства науки и образования РФ (единый заказ-наряд, госконтракт П-1103).

Публикации. По материалам диссертации опубликовано 20 работ в виде статей и тезисов докладов, в том числе 2 статьи в научных журналах, входящих в перечень ВАК.

Объем и структура работы. Диссертация состоит из введения, 4 глав, заключения, выводов, списка литературы (173 наименования) и 5-ти приложений. Работа изложена на 162 страницах текста, содержит 15 рисунков, 42 таблицы. Во введении обоснована актуальность выполняемой работы, сформулированы цель и задачи исследования, указана научная новизна и практическая значимость полученных результатов. Первая глава посвящена обзору литературы, в котором представлены некоторые теоретические аспекты хемометрики и ее практическое применение в различных методах анализа, в частности, в спектрофотометрии. Во второй главе описаны объекты исследования и методика эксперимента, здесь же приведены результаты применения метода МЛР (в вариантах прямой и непрямой градуировок) к анализу аддитивных и неаддитивных модельных смесей. В третьей главе обсуждаются принципы формирования обучающих выборок для метода ПЛС, а также результаты анализа модельных 2−6-компонентных смесей с применением предложенных способов формирования обучающих выборок. В четвертой главе описаны методики анализа лекарственных и витаминных препаратов, разработанные с учетом результатов, полученных на модельных смесях аналогичного состава. Приведены метрологические характеристики аттестованных методик.

Выводы:

1. В спектрофотометрическом анализе неразделенных смесей с применением метода множественной линейной регрессии (МЛР) предпочтительнее использовать вариант непрямой градуировки. Предложенный алгоритм формирования обучающих выборок (ОВ), учитывающий уровень случайных погрешностей, позволяет ограничить число стандартных смесей интервалом от п до 2п, где п — число аналитов (п < 5). Вычисленные регрессионные коэффициенты позволяют определять аналиты с погрешностями, не превышающими 3−5% отн. даже при неаддитивном светопоглощении и в присутствии посторонних компонентов.

2. В спектрофотометрическом анализе смесей с применением метода проекции на латентные структуры (ПЛС) способ формирования ОВ влияет на точность определения компонентов. Обучающие выборки желательно формировать с учетом номинального состава объектов анализа, обязательно включая в ОВ смесь, номинального состава.

3. Для определения п> компонентов методом ПЛС необходимо и достаточно использовать обучающие выборки, содержащие 2п + 1 модельную смесь. Дальнейшее увеличение числа смесей не приводит к достоверному снижению погрешностей анализа. В оптимальных случаях погрешности определения аналитов даже в неаддитивных 5−6-компонентных смесях могут составлять 12% отн, при этом анализ выполняется в одном спектральном диапазоне, без дополнительной его оптимизации.

4. Разработаны экспрессные спектрофотометрические методики анализа лекарственных и поливитаминных препаратов с применением методов МЛР и ПЛС, характеризующиеся относительными погрешностями, не превосходящими 5−7% отн. для каждого аналита. Ограничение объема ОВ минимально необходимым числом модельных смесей позволяет получить адекватную градуировку для проб заданного типа всего за один рабочий день. Время выполнения анализа одной пробы с использованием готовой модели не превышает 30 минут.

Показать весь текст

Список литературы

  1. Аналитическая химия. Проблемы и подходы: в 2 т. Т. 2: Пер. с англ. / Р. Кельнер, Ж.-М. Мерме, М. Отте. — М.: «Мир»: ООО «Издательство ACT», 2004.
  2. , К. Анализ многомерных данных / Ким Эсбенсен. — Черноголовка: ИПХФ РАН, 2005. 158 с.
  3. , М. А. Хемометрика / М. А. Шараф, Д. Л. Иллмен, Б. Р. Ковальски. Пер. с англ. Л.: Химия, 1989. — 272 с.
  4. , О. Е. Хемометрика в аналитической химии / О. Е. Родионова, А. Л. Померанцев // Доступно на [email protected].
  5. Что такое хемометрика? // Доступно на http://wvw.chemometrics.m.
  6. Rasmus, В. Multivariate calibration. What is in chemometrics for the analytical chemist? /Bro Rasmus // Anal. chim. acta. 2003. — V. 500. — P. 185−194.
  7. Brereton, R. Introduction to multivariate calibration in analytical chemistry / Richard Brereton // The Analyst. 2000. — V. 125. — P. 2125 — 2154.
  8. Feudale, R. N. Transfer of multivariate calibration models: a review / R. N. Feudale, N. A. Woody, H. Tan, A. J. Myles, S. D. Brown, J. Ferre // Chemometrics and Intelligent Laboratory Systems. 2002. — V. 64. -1. 2. — P. 181−192.
  9. , Ю.Р. Мультисенсорные системы типа электронный язык новые возможности создания и применения химических сенсоров / Ю. Г. Власов, А. Г. Легин, А. М. Рудницкая // Успехи химии. — 2006. — № 75 (2). — С. 141−150.
  10. Ciosek, P. Miniaturized electronic tongue with an integrated reference microelectrode for the recognition of milk samples / P. Ciosek, W. Wrorblewski // Talanta. 2008. — V. 76. — P. 548−556.
  11. Olsson, J. Determination of detergents in washing machine wastewater with a voltammetric electronic tongue / J. Olsson, P. Ivarsson, F. Winquist // Talanta. -2008.-V. 76.-P. 91−95.
  12. Lvova, L. Electronic tongue based on an array of metallic potentiometric sensors / L. Lvova, E. Martinelli, E. Mazzone, A. Pede, R. Paolesse, C. Di Natale, A. D’Amico // Talanta. 2006. — V. 70. — P. 833−839.
  13. Lvova, L. Clinical analysis of human urine by means of potentiometric Electronic tongue / L. Lvovaa, E. Martinellic, F. Dinic, A. Bergaminid, R. Paolessea, C. Di Natale, A. D’Amico // Talanta. 2009. — V. 77. — P. 1097−1104.
  14. , К. Н. Foreword — Chemometrics in Russia: The first five-year plan fulfilled / Kim H. Esbensen, O. Y. Rodionova. // Chemometrics and Intelligent Laboratory Systems. 2007. — № 88. — P 1−2.
  15. Hopke, Philip K. The evolution of chemometrics / Philip K. Hopke // Anal, chim. acta. 2003. -V. 500. — № 1−2. — P. 65−377.
  16. Juan, A. Chemometrics applied to unravel multicomponent processes and mixtures. Revisiting latest trends in multivariate resolution / A. de Juan, R. Tauler // Analytica Chimica Acta. 2003. — V. 500. — P. 195−210.
  17. , О. E. Хемометрика: достижения и перспективы / О. Е. Родионова, А. Л. Померанцев // Успехи химии. 2006. — № 75. — С. 302−315.
  18. Marini, F. Supervised pattern recognition to discriminate the geographical origin of rice bran oils: a first study / F. Marini, F. Balestrieri, R. Bucci, A. L. Magm, D. Marini // Microchem. J. 2003. — V. 74. — P. 239−248.
  19. Marini, F. Artificial neural networks in food analysis: trends and perspectives. A review/F. Marini//Anal. Chim. Acta. 2009. — Y. 635.-P. 121−131.
  20. Mutihac, L. Mining in chemometrics / L. Mutihac, R. Mutihac. // Anal. Chim. Acta. -2008.-V. 612.-P. 1−18.
  21. Geladi, P. Chemometrics in spectroscopy. Part 1. Classical chemometrics. / P. Geladi // Spectrochim. acta. B. 2003. — V. 58. — № 5. — P. 767−782.
  22. , В. И. Определение суммарных содержаний парафинов и аренов по светопоглащению бензинов в ближней ИК-области / В. И. Вершинин,
  23. Е. В. Коптева, В. В. Троицкий // Заводская лаборатория. Диагностика материалов. 2005. — 71. — № 11. — С. 10−15.
  24. , А. В. Сопоставление методов градуировки для определенияiкомпонента по спектрам второго порядка / А. В. Дрозд, И. М. Баскир, С. П. Пагур // Вестник харьковского университета. Химические науки. 1997. — № 1.
  25. Государственная Фармакопея СССР.- И изд. вып.1. Общие методы анализа. — М.: Медицина, 1987. — 313с.
  26. Международная фармакопея. Изд. 3-е. Женева: ВОЗ, 1981 — 1995, — Т. 1.4.
  27. Indian Pharmacopoeia. Vol. I. New Delhi: Ministry of Health & Family Welfare, 1996. i
  28. Garg, G. Simultaneous estimation of mefenamic acid and ethamsylate in tablets / G. Garg, S. Saraf// Indian J Pharm Sci. 2007. — V. 69. — I. 2. — P. 279−281.
  29. Heralgi, R. Simultaneous spectrophotometry estimation of rabeprazole sodium and itopride hydrochloride in capsule formulations / R. Heralgi, C. Simpi, N. Kalyane, S. Karajgi // Asian Journal of Pharmaceutics. 2008. — V. 2. — I. 3. — P. 148−149.
  30. Kapil, K. Spectrophotometric Method for Simultaneous Estimation of Paracetamol and Domperidone in Tablet Formulation / Kalra Kapil, Naik S, Jarmal Garima and Mishra N // Asian J. Research Chem. 2009. — V 2. — P. 112−114.
  31. , И. Я. Спектрофотометрический анализ в органической химии / И. я. Берштейн, Ю. А. Каминский. Л.: Химия, 1986. — 200 с.
  32. Хоц, М. С. Математические методы и ЭВМ в анализе многокомпонентных смесей спектроскопическими методами. / М. С. Хоц. В кн. Математические методы и ЭВМ в аналитической химии. М.: Наука, 1989. — С. 87−99.
  33. Narade, S. Simultaneous UV spectrophotometric method for the determination of Diacerein and Aceclofenac in tablets / Sarika Narade, Snehal Patil, Sharda Surve, Dhanashri Shete, Yogesh Pore // J. Pharm. Sei. & Res. 2010. — V. 2. -1. 2. — P. 137 142.
  34. Kumar, K.S. Simultaneous spectrophotometric determination of Metoprolol Tartrate and Ramipril / K. Suresh Kumar, R. Ravikumar, A. Rajasekaran, V. Ravichandran // Digest Journal of Nanomaterials and Biostructures. 2010. — V. 5. -№ l.-P. 173−176.
  35. Nanda, R. K. Simultaneous spectrophotometric estimation of tamsulosin and tolterodine in its pharmaceutical dosage form / R. K. Nanda, J. Gaikwad, A. Prakash // Journal of Pharmacy Research. 2009. — V. 2. — I. 8. — P. 1266−1268.
  36. , А. С. Применение метода множественной линейной регрессии в спектрофотометрическом анализе смесей витаминов / А. С. Шелпакова, Е. Н. Масякова//Вести. Ом. ун-та. 2009. — № 2. — С. 168−172.
  37. , И. В. Спектрофотометрический анализ смесей витаминов с применением метода множественной линейной регрессии. / И. В. Власова, А. С. Шелпакова, Е. В. Масякова. // Аналитика и контроль. 2009. — Т. 13. -№ 2. — С. 86−90.
  38. Liu, Н. Prediction of gas-phase reduced ion mobility constants (K0) based on the multiple linear regression and projection pursuit regression / H. Liu, X. Yao, M. Liu, Z. Ни, B. Fan // Talanta. 2007. — V. 71. — P. 258−263.
  39. Множественная регрессия. Доступно на http//www.statsoft.ru
  40. Qi, X. М. Quantitative analysis using NIR by building PLS-BP model / X. M. Qi, L. D. Zhang, X. L. Du // Spectroscopy and Spectral Analysis. 2003. -V. 23 (5). — P. 870−872.
  41. , Б. M. Избранные главы хемометрики: учебное пособие для хим. фак. вузов. Томск: Изд-во Том. ун-та, 2004. — 166 с.
  42. Пошаговая регрессия. Доступно на http://www.market-}ourna 1 .com
  43. , В. И. Планирование и математическая обработка результатов химического эксперимента: учебное пособие / В. И. Вершинин, Н. В. Перцев -Омск: Изд-во ОмГУ, 2005. 216с.
  44. , Н. Прикладной регрессионный анализ / Н. Дрейпер, Г. Смит. — М.: Диалектика, 2007. 912 с.
  45. , Н. В. Лекции по эконометрике : учебное пособие / Н. В. Перцев. -Омск: Омский госуниверситет, 2003. С. 3−6:
  46. , Ю. А. Аналитическая химия: проблемы и достижения / Ю. А. Золотов. М.: Наука, 1992. — 288с.
  47. , Е. 3. Линейная и нелинейная регрессии / Демиденко, Е. 3. -М.: Финансы и статистика, 1981, 304с.
  48. , А. ПЛС регрессия и ковариация // Доступно на http://www.chemometrics.ru/materials/articles
  49. , А. Л. Калибровка (Градуировка) // Доступно на http://wwvv.chemometrics.ru/materials/textbooks/calibration
  50. Beebe, К. Chemometrics: A Practical Guide / К. Beebe, R. Pell, M.-B. Scasholtz New York: Wiley, 1998. — 360c.
  51. Eriksson, L. Multi and Megavariate Data Analysis / L. Eriksson, E. Johansson, N. Kettaneh — Wold. — Umea: Umetrics AB, 2006. — 425c.
  52. , В. И. Метрология и обеспечение качества количественного химического анализа / В. И. Дворкин. М.: Химия, 2001. — 263 с.
  53. , Н. В. Количественные методы анализа и обработки данных : учебное пособие /Н. В. Перцев. Омск: Изд-во ОмГУ, 2002. — 140 с.
  54. Боровиков, В. Statistica: Искусство анализа данных на компьютере. Для профессионалов / В. Боровиков. СПб.: Питер, 2001. — 656с.
  55. Meloun, М. The effect of influential data, model and method on the precision of univariate calibration / M. Meloun, J. Militky, K. Kupka, R.G. Brereton // Talanta. 2002. — V.57. — № 4. — P. 721−740.
  56. Nunes, A. Estimation of olive oil acidity using FT-IR and partial least squares regression / A. Nunes, J. Martins, A.S. Bairos, A.C. Galvis-Sanchez, I. Delgadillo // Sensing and Instrumentation for Food Quality and Safety. 2009. — 3, № 3. — P. 187−191.
  57. Lin, P. Fast discrimination of varieties of sugar based on spectroscopy technology / P. Lin, Y.M. Chen, Y. He // Spectroscopy and Spectral Analysis. — 2009. V. 29. — № 2. — P. 382−385.
  58. , Ю. Б. Безэталонный спектральный анализ независимых компонент смесей: экспериментальная практика / Ю. Б. Монахова, С. А. Астахов, С. П. Муштакова // Журн. аналит. Химии. 2009. — Т.64. — № 5. — С- 495 505.
  59. , А. Проекционные методы в линейном регрессионном анализе: РГК/ПЛС // Доступно на http://www.chemometrics.ru/
  60. Escandar, G. M. A review of multivariate calibration methods applied to biomedical analysis / G. M. Escandar, P. C. Damiani, H. C. Goicoechea, A. C. Olivieri // Microchemical Journal. 2006. — V. 82. — P. 29 — 42.
  61. Seasholtz, M. B. The parsimony principle applied to multivariate calibration / M. B. Seasholtz, B. Kowalski // Anal. chim. acta. 1993. — № 2. — P. 165−177.
  62. , A. JL. Построение многомерной градуировки методом простого интервального оценивания // A. JI. Померанцев, О. Е. Родионова // Журнал аналитической химии. -2006. -Т.61. № 10. — С. 1032−1047.
  63. Rodionova, О. Ye. Simple view on Simple Interval Calculation (SIC) method / O. Ye. Rodionova, A. L. Pomerantsev // Chemometrics and Intelligent Laboratory Systems. 2009. — V.97. — № 1. — P. 64−74.
  64. Pomerantsev, A. L. Construction of a Multivariate Calibration by the Simple Interval Calculation Method / A. L. Pomerantsev, O. Ye. Rodionova // Journal* of Analytical Chemistry. 2006. V. — 61. — № 10. — P. 952−966.
  65. , E. А. Интервальная парная регрессия / E. А. Гуськова, А. И. Орлов // Заводская лаборатория. 2005. — № 3. — С. 57−63.
  66. , Р. М. МНК при двумерных погрешностях наблюдений / Р. М. Зайдель, Б. Н. Квасков // Заводская лаборатория. 2005. — № 11. — С. 58−62.
  67. , Й. Нелинейное оценивание параметров / Й. Бард. М.: Статистика, 1979.-349с.
  68. , Е. 3. Вычислительные вопросы нелинейной регрессии / Е. 3. Демиденко // Заводская лаборатория. Диагностика материалов. 1986. — №3. -С. 51−54.
  69. Pomerantsev, A. L. Confidence intervals for nonlinear regression extrapolation / A. L. Pomerantsev // Chemometrics and Intelligent Laboratory Systems. 1999. -V.49. — № 1.-P. 41−48.
  70. , Б. М. Химики ТГУ на пороге третьего тысячелетия / Б. М. Марьянов. Томск: Изд-во ТГУ, 1998. — С. 48−58.
  71. , Б. М. Статистический анализ данных дифференциального потенциометрического осадительного титрования / Б. М. Марьянов, А. Г. Зарубин, С. В. Шумар // Журн. аналит. химии. 2003. — № 11. — С. 1126−1133.
  72. , А. Ф. О возможностях применения линейного и выпуклого программирования для количественного анализа по спектрам поглощения / А. Ф. Васильев, М. Б. Панкова // Заводская лаборатория. Диагностика материалов. 1973. — Т.39. — № 2. С. 1076.
  73. , А. Ф. Программа получения коэффициентов уравнений для расчета концентраций в неаддитивных многокомпонентных смесях по спектрам поглощения / А. Ф. Васильев, М. Б. Панкова, Ю. Маркош // Диагностика материалов. 1973. — Т 39. — № 9. — С. 1073.
  74. Perez-Mann, D. Non-linear regression methods in N1 RS quantitative analysis / D. Perez-Marin, A. Garrido-Varo, J. E. Guerrero // Talanta. 2007. — Y.12. — P. 2842.
  75. М-Гарда, X. А. Основные хемометрические методы в атомной спектроскопии / X. А. М-Гарда: Королевское общество по химии. 2009. — Р. -314.
  76. , Е. В. Модель аналитического параметра спектральной линии в атомно-эмиссионном анализе / Е. В. Шабанова, И. Е Васильева, А. И. Непомнящих // Заводская лаборатория. Диагностика материалов. 2005. — Т. 71. -№ 1.-С. 11−18.
  77. , Е. В. Модели градуировки и оценка их применимости в многоэлементном атомно-эмиссионном анализе твердых образцов / Е. В.
  78. , И. Е Васильева, И. JI. Васильев, А. И. Непомнящих // Заводская лаборатория. Диагностика материалов. 2005. — 71. — № 2. — С. 9−15.
  79. , A. H. Робастное построение линейных регрессионных моделей по экспериментальным данным / А. Н. Тырсип // Заводская лаборатория. Диагностика-материалов. 2005. — Т. 71. — № 11. — С. 53−57.
  80. , А. Г. Особенности пламенно-фотометрических методик определения стронция, лития и калия в солоноватых водах / А. Г. Зарубин, Р. Ф. Зарубина, И. В. Сметанина // Изв. Томск, политехп. ун-та. 2004. — 307. № 5. — С. 99−102.
  81. Jurado-Lopez, A. Chemometric approach to laser-induced breakdown analysis of gold alloys / A. Jurado-Lopez, M. D. Luque De Castro // Appl. Spectrosc. 2003. -57.-V. -№>3.-P. 349−352.
  82. Koscielnia P. Non-linear robust regression procedure for calibration in flame atomic absorption spectrometry / Pawel Koscielnia // Analytica Chimica Acta. — 1993.-V. 278.-I. l.-P. 177−187.
  83. Nepote, A. J. Chemometrics assisted spectroscopic determination of vitamin B6, vitamin В12 and dexamethasone in injectables / A. J. Nepote, P. C. Damiani,
  84. A. C. Olivieri // Journal of Pharmaceutical and Biomedical Analysis. 2003. — № 3>1. -P. 621−627.
  85. Gallego, L. Simultaneous resolution of dexamethasone and polymyxin B by > spectrophotometry derivative and multivariate methods / L. Gallego, P. Arroyo J. //
  86. Anal. Lett. 2001. — V. 34. — № 8. — P. 1265−1283.
  87. Ribone, M. E. Simultaneous multivariate spectrophotometric analysis of ear drops containing a ternary mixture of antipyrinesulfathiazole and rivanol / M. E. Ribone, A. P. Pagani, A. C. Olivieri //. Anal Lett. 2001. — V. 34. — № 12. — P. 20 772 088.
  88. Rezaei, Z. Simultaneous spectrophotometric determination of carbamazepine and phenytoin in serum by PLS regression and comparison with HPLC / Z. Rezaei, B. Hemmateenejad, S. Khabnadideh, M.Gorgin. // Talanta. 2005. — V. 65. -1. 1. -P. 21−28.
  89. Ibanez, G. A. Partial least-squares analysis of time decay data for Eu (III) — tetracycline complexes simultaneous luminescent determination of tetracycline and oxytetracycline in bovine serum / G. A. Ibanez // Talanta. 2008. — V. 75. — P. 10 281 034.
  90. Goicoeche, H. C. Chemometric assisted simultaneous spectrophotometric determination of four-component nasal solutions with a reduced number of calibration samples / H. C. Goicoeche, A. C. Olivieri // Anal.chim. acta. 2002. — V. 453.-№ 2.-P. 289−300.
  91. Ghasemi, J. Spectrophotometric simultaneous determination of cobalt, copper and nickel using nitroso-R-salt in alloys by partial least squares / J. Ghasemi, N. Shahabadi, H. R. Seraji // Analytica Chimica Acta. 2004. — V. 510. — P. 121−126.
  92. Ghasemi, J. Simultaneous determination of copper, nickel, cobalt and zinc, using zincon as a metallochromic indicator with partial least squares / J- Ghasemi^ Sh. Ahmadi, K. Torkestani // Analytica Chimica Acta. 2003. V. 487. — P. 181−188.
  93. , Е. Ф. Спектрофотометрическое определение аммиака и оксидов азота в продуктах реакции окисления аммиака / Е. Ф. Сутормин // Журн. аналит. химии. 2004. — Т. 9. — № 4. — С. 373 — 376.
  94. Abd El-Maaboud, I. M. Determination of antihypertensive mixtures by use of a chemometrics-assisted spectrophotometric method / I. M. Abd El-Maaboud, S. Hesham // Anal, and Bioanal. Chem. 2005. — V. 382. — № 4. — P. 1066−1072.
  95. Ni, Y. Simultaneous ultraviolet-spectropho tome trie determination of sulfonamides by multivariate calibration approaches / Y. Ni, Z. Qi, S. Kokot // Chemometrics and Intelligent Laboratory Systems. 2006. — V. 82. — P. 241 — 247
  96. Madan, J. Singh Estimation of antitubercular drugs combination in pharmaceutical formulations using multivariate calibration / J. Madan, A. K. Dwivedi // Analytica Chimica Acta. 2005. — V. 538. — P. 345−353.
  97. Ragno, G. Multivariate calibration techniques applied to the spectrophotometry analysis of one-to-four component systems / G. Ragno, G. Ioele, A. Risoli // Analytica Chimica Acta. 2004. — V. 512. -1. 1. — P. 173−180.
  98. Dine, E. Spectrophotometric quantitative determination of cilazapril and hydrochlorothiazide in tablets by chemometric methods / E. Dine, D. Baleanu // Journal of Pharmaceutical and Biomedical Analysis. 2002, — V. 30. -1. 3. — P. 715 723.
  99. Egan, W. J. Measurement of carboxyhemoglobin in forensic blood samples using UV/VIS spectrometry and improved principal component regression / W. J. Egan, W. E. Brewer, S. L. Morgan // Appl. Spectrosc. 1999. — V. 53. -1. 2. — P. 218−225.
  100. Gao, H.-T. Overlapping spectra resolution using non-negative matrix factorization / H.-T. Gao, T.-H. Li, IC. Chen, W.-G. Li, Xian Bi // Talanta. 2005. -V. 66.-P. 65−73.
  101. Ni, Y. A differential kinetic spectrophotometric method for determination of three sulphanilamide artificial sweeteners with the aid of chemometrics / Y. Ni, W. Xiao, S. Kokot // Food Chemistry. 2009. — V. 113. — P. 1339−1345.
  102. Geladi, P. Chemometrics in spectroscopy: Part 2. Examples / P. Geladi, B. Sethson, J: Nystrom, T. Lillhonga, T. Lestander, J. Burger // Spectrochimica Acta Part B: Atomic Spectroscopy. 2004. — V. 59. — № 9. — P. 1347−1357.
  103. Rodionova, O. Ye. NIR Spectrometry for Counterfeit Drag Detection / O. Ye., Rodionova, A. L. Pomerantsev, P. Geladi, J. Burger, V. L. Dorofeyev, A. P. Arzamastsev // Anal. chim. acta. 2005. — V. 549. — P. 151−158.
  104. Rodionova, O.Ye. Quality control of packed raw materials in pharmaceutical industry / O. Ye. Rodionova, Ya. V. Sokovikov, A. L. Pomerantsev // Analytica Chimica Acta. 2009. — V 642. — № 1−2. — P. 222−227.
  105. Elizarova, T. E. Using near-infrared spectrophotometry for the identification of pharmaceuticals and drugs / T. E. Elizarova, S. V. Shtyleva, T. V. Pleteneva // Pharmaceutical Chemistry Journal. 2008. — V. 42. — № 7. — P. 432−434.
  106. Rantanen, J. Use of In-Line Near-Infrared Spectroscopy in Combination with Chemometrics for Improved Understanding of Pharmaceutical Processes / J. Rantanen, H. Wikstrom, R. Turner, L. S. Taylor // Analytical chemistry. 2005. — V. 77.-P. 556−563.
  107. Blanco, M. An expeditious method for determining particle size distribution by near infrared spectroscopy: Comparison of PLS-2 and ANN models / M. Blanco, A. Peguero // Talanta. 2008. — V. 77. — P. 647−651.
  108. Foot, M. Classification of chondroitin sulfate A, chondroitin sulfate C, glucosamine hydrochloride and glucosamine 6 sulfate using chemometric techniques / M. Foot, M. Mulholland // J. Pharm. and Biomed. Anal. 2005. — V. 38. — № 3. — P. 397−407.
  109. Quansheng, C. Simultaneous determination of total polyphenols and caffeine contents of green tea- by near-infrared reflectance spectroscopy / C. Quansheng, J. Zhao, X. Huang, H. Zhang, M. Liu // Microchemical Journal. 2006. — V. 83. — P. 42−47.
  110. Kuligowski, J. Determination of lecithin and soybean oil in dietary supplements using partial least squares-Fourier transform infrared spectroscopy / J. Kuligowski, G. Quint6s, S. Garrigues, M. de la Guardia // Talanta. 2008. -V. 77. -P. 229−234.
  111. Trevisan, M. G. Direct determination of ephedrine intermediate in a biotransformation reaction using infrared spectroscopy and PLS / M.G. Trevisan, R. J. Poppi // Talanta. 2008. — V. 75. — P. 1021−1027.
  112. , Р. 3. Экспресс-анализ качества бензиновых фракций / Р. 3. Сафиева, С. Пурэвсурен, О. Г. Чулюков, С. С. Демыгин, Р. 3. Сюняев // Нефтепереработка и нефтехимия. 2004. — №3. — С. 25-30.
  113. , В. И. Хемометрический подход к изучению структурно-группового состава бензиновых фракций / В. И. Вершинин // Тезисы докладов. Международный форум «Аналитика и Аналитики». Воронеж. — 2008. — 322 с.
  114. ASTM D.5134−98. Standard Test Method for Detailed Analysis of Petroleum Naphthas through n-Nonane by Capillary Gas Chromatography. Annual book of ASTM Standards. USA. 1998- ТУ 38.301−19−108−97. Фракция бензиновая сырье для пиролиза. / 1997−12−01
  115. Boger, Z. Selection of quasi-optimal inputs in chemometrics modeling by artificial neural network analysis / Z. Boger // Analytica Chimica Acta. — 2003. — V. 490.-P. 31−40.
  116. Fernandes, H. L. Simultaneous determination of methanol and ethanol in gasoline using NIR spectroscopy: Effect of gasoline composition / H. L. Fernandes, I. M. Raimundo Jr, C. Pasquini, J. J. R. Rohwedder // Talanta. 2008. — V. 75. — P. 804−810.
  117. , Ж. Количественная газовая хроматография для лабораторных анализов и промышленного контроля 4.2. / Ж. Гиошон., К. Гийемен. М. • Мир, 1991.-836 с.
  118. , Р. Справочник биохимика / Р. Досон, Д. Элиот, К. Джонс. М.: Мир, 1991. — 544с.
  119. ГОСТ 8.135−2004. Государственная система обеспечения единства измерений. Стандарт-титры для приготовления буферных растворов рабочих эталонов рН 2-го и 3-го разрядов. Технические и метрологические характеристики. Методы их определения.
  120. , А. В. Выбор условий спектрофотометрического анализа смесей (лекарственных препаратов) с применением математического моделирования: дис. канд. хим. наук. / Шилова Анна Владимировна. Омск, 2008. — 148 с.
  121. , Е. Н. Спектрофотометрический анализ смесей водорастворимых витаминов с применением хемометрических алгоритмов : дис. канд. хим. наук. / Масякова Елена Николаевна. — Омск, 2009. — 146 с.
  122. , А. В. К выбору аналитических длин волн с минимизацией погрешности градуировки / А. В. Дрозд, И. М. Баскир // Вюник Харювського Ушверситету. 1999. — № 437. — С.77−80.
  123. , С. Ю. Количественное определение компонентов Антигриппина методом высокоэффективной жидкостной хроматоргафии / С. Ю. Гармонов, И. А. Салахов // Химико-фармацевтический журнал. 2009. -Т. 43.-№ 11.-С. 49−53.
  124. Государственная Фармакопея СССР. 11 изд.- вып.2. Общие методы анализа. — М.: Медицина.- 1990. — С. 45−56
Заполнить форму текущей работой

Сдать сессию!