化学因子分析新型算法及在分析化学中的应用与研究.pdf

!塑鎏蹬燮!!!滢篓圭羔鳖篓茎 摘 婺 本文对亿学因子分丰斤(CFA)方法静理论和应用进行了探讨和研究。全文 共五章，萁中第一章为综述，其余四章分别为博士生期间的研究工作。 笼一章酋先介绍了常见CFA方法的錾本原理、主要特点靼逶用问题，然羼 通过详细的文献调职，综述了CFA在色谱分扳、电分孝厅化学以及其它分摄化学 镁域中的应娟现状秘秘究方囱。本肇还总结了eFA兹摄毅研究进展，对i蜃几年 来出现的一些敬遂帮新方法进行了奔绍，通过对阚题背景帮方法原淫的扼要描 述，突矗{了当前cFA淫论中的热点河题和研究惑路。 在第二章建立了一种密口因子分柝(wFA)的新算法。wFA属于自模因子 分板，是鼹板渐进过程数据的霾要方法，德到了广泛的应用。但噪声对wFA 干扰严耋，导致解孝厅结暴信噪拢降低甚至变形，影赡严重对使瓣援失败。通过 对传统W淞箨法熬误嫠研究，分丰厅了茭易受噪声影嫡的理论爨因，并在此基 础上踅新提出了wFA改进算法，理论上证明了该算法可敬进～步减小噪声豹 影响。使用模拟和实验HPLC—DAD数据对改进算法进行了验证，并与传统算法 对比，结果表明改进的算法可以很大程度上克服噪声的影响，从原始信号中获 得更多有用信息，解析结果的信噪比得到提高，特征更接近纯组分信号，当噪 声的影响使传统算法失效时，改进的算法仍然可以得到令人满意的缀果。 第三章楚免疫主成分分析(IPCA)静研究。主成分分柝(pcA)怒绝大多 数cFA方法的基础。但在eFA中PeA仅是一个缀数学交换，摹本出发点是裰 的基本原理提出的一种免疫主成分分析方法，IPCA根据交量间的相似程度对原 始数据进行正交分解。使用模拟和实验HPLC—DAD数据对IPcA进行了验证， 结果表噬IPcA是一绅非迭代方法，只需要完成一次计算过程即可得到一个主 戏分，爨此lPCA不仅能够显萋撮裹运算速度，露且可以避免迭代法中的误差 积累润题。使用T融器w融对lpCA故降维性§％进{亍了研究，发现尽管lPCA 对信怠在主成分辛的分配与传统PeA不丽，餐释维焉麓够保赘足够抟缀分信 息，与传统PCA的绪采无统计学差异。lPcA建我们改交传统PCA的纯数学处 理，从其体化学问题的特点入手对数据艇阵实施正交分解的一个尝试，绪采表 明这种尝试是成功的。 第爨章楚对主因子数判凝方法的研究。曩测矩阵螅圭因子数对确定体系组 分数、估计量测误差和降维都肖重要熬意义，鼹管这～阕题理论上并不复杂， 而且也发展了不少羯据，值实际串由于嗓声、；#线性的影响，努嚣静判定方法 串簿辩学技寒太学搏士学链论文 一 ～般需簧稳纛验{歪才髓给出较为可靠的结采。根据IA的基本思想，提出了一种 基于免疫识别算法(Immune∞cog硝tionalgo矗t‰，lRA)鲢主困予数判叛方法。 IA中的免疫思想使残差矩阵成为IRA的研究对象，通过亲合力数值的变化可以 清楚螽羹分辨一系蠢残余矩阵，款雨褥到主因子数。通过模叛数瓣和实验数据对 IRA进行了验证，著与其它几转常用的判别方法进褥了对比。结果表明，lRA 判据明照，结果准确，特别是当其它方法处理实验数据不成功时，IRA均获得 了正确翁主嚣子数，勇并IRA菲常燹敏，除褥播主翻子数外，还能够稳溺劐其 它性质的因子数变化。 第五章是对峰包含体系解析的研究。色谱中有一类特殊的羹叠情形：一个 缱分的色谱蜂完全包含在另一个组分的色谱蜂中，遮被称为蜂包含体系。由于 不害孥合“先出现，先漕失；磊爨褒，蘑消失”黪濒进特性，已有懿c瓢方法都 无法完全解析这类体系。本章对这类体系进行了比较详细的理论分析，根摆直 接求解旋转向星的恩路，将之转化为一个单交量的求解问题，并采用小波变换 微分的方法进行分辨，从瑟摄如了一穆线。眭搜索(LS)载方法对这类体系遴孳亍 解析。模拟数据验证结果表明，Ls方法具有过程简洁、抗噪声能力强、结果准 确豹优点，可敬解祈其它分辨方法尚不能解析的类型。我们的磷究结果不仅迸 一步揭示了峰包含体系的本质，焉虽为发展最终解聿厅方法提供了一个磷究方淘。 Ⅱ 壁坠型杰壁曼主塑笙壅 ABSTRACT The theoriesand of seve列chemical