人工神经元网络方法在色谱及其毛细管电泳分离体系中的应用的研究.pdf

人工神经元网络方法在色谱及毛细管电泳分离体系中的应用研究 (摘要) 毛细管电泳与色谱方法以及蒸馏、重结晶、溶剂萃取、化学沉淀、电解沉积、 离心分离等方法构成化学学科领域内的重要分离分析方法。经过长期的发展，毛 细管电泳与色谱分离分析方法已成为分析化学学科的最重要分支之一。随着现代 科学技术的发展，新型高维联用的色谱和毛细管电泳仪器广泛应用于化学及分 析化学领域，因而使获取大量高维化学量测数据成为可能和必然。从二十世纪七 十年代起，在分析测试或化学量测中，获取大量的数据已不再是困难的一步，而 更应引起重视的是对大量化学量测数据的解析及从大量化学量测数据集中提取 有用信息。同样的问题也发生在色谱及毛细管电泳分离分析领域。要对复杂的多 维量测数据进行解析，必须借助计算机以实现许多复杂的数学方法，包括一些相 关学科领域中的数据与信号处理方法。因此，化学计量学学科得以于二十世纪七 十年代创立。 人工神经网络方法是化学计量学的一个重要分支。由于该方法具有较强的非 线性映射能力，因而可用于非线性过程的模型化、非线性体系的多元校正分辨以 及化学模式识别等方面。在色谱及毛细管电泳分离分析体系中，一般意义上来讲， 非线性过程(或体系)比线性过程(或体系)更为普遍，甚至有些过程(或体系)尚难找 到适宜的数学模型进行描述。在这种情况下，将神经网络方法引入色谱及毛细管 电泳分离分析体系进行相关研究无疑是适宜的和必要的。目前，已有大量相关研 究工作报道。 有必要指出的是，尽管人工神经网络方法的研究已取得了较大的进展，但总 体来看，对神经网络方法的研究无论在应用上还是在理论上均处于初级阶段。还 存在很多值得深入探讨的问题，如网络的训练速度问题、过拟合问题、网络结构 与网络模型化能力等均存在不确定因素。因而，本研究工作将神经网络方法运用 于色谱及毛细管电泳分离分析体系中的保留或迁移行为的模型化研究，重叠峰中 相关组分的定量分析研究以及对色谱或毛细管电泳分析数据进行临床模式识别 分析研究。作者在相关研究工作中，采用了不同的神经网络输入变量选择策略以 提高相关神经网络的模型化能力，同时简化了神经网络结构。同时，作者还对不 同神经网络模型对某些分离分析体系的模型化能力进行了比较。 本研究工作主要分为三大部分： 一、色谱或毛细管电泳中迁移或保留行为的模型化研究 1，毛细管区带电泳中电渗流与相关分离参数之间的神经网络模型化研究 在该部分通过对毛细管区带电泳中某些分离操作参数进行标准正态分布模 拟和主成分分析处理，借助神经网络模型较成功地预测了毛细管区带电泳中电渗 流标记物的迁移时间。操作电压、毛细管温度、背景电解质溶液的酸度和离子强 度作为神经网络的输入变量。所研究操作电压的范围为15kV-27kV,毛细管温度 范围为20 范围为O．040．0．097。同时，对神经网络输入变量进行不同前处理后所得的神经 网络模型的预测能力进行了比较。在相同的电泳操作条件下，根据所建议的电渗 流预测方法，电渗流标记物的迁移时间的10次优化神经网络模型的平均预测误 差为5．46％，相对标准偏差限SD。．1)为1．76％。在不同的电泳操作条件下。根据所 建议的电渗流预测方法，lO次优化神经网络模型的平均预测误差为12。95％，相 n-1)为2．29％。研究结果表明，所建议的方法可以较好地预测毛 对标准偏差(RSD 细管区带电泳中的电渗流。 II 2．人工神经网络方法用于拓扑指数A。与烃类化合物气相色谱保留指数相关性的 研究 在该部分，新发展的分子拓扑指数A。1．AlIl3和分子联接性指数”x被用于结 构-性质相关性研究中。由一些烃类化合物的化学结构计算所得的分子拓扑指数 被用以描述分子结构。运用人工神经网络方法与多元线性回归模型可成功预测一 些烃类化合物在三种气相色谱固定相上的保留指数。人工神经网络方法的计算结 果与多元线性回归模型的计算结果进行了比较。本文的研究结果表明，人工神经 网络方法的模型化能力要优于多元线性回归模型。拓扑指数2x与A。l可提高烃 类化合物在本文所研究的三种气相色谱固定相上的保留指数的预测准确度。 二、毛细管电泳分离分析中重叠峰中相关组分的定量分析研究 1．基于不同类型神经网络方法的毛细管电泳重叠峰中相关组分的定量分析研究 在该部分，作者考察了四种神经网络模型对胶束电动毛细管色谱部分重叠峰 中相关组分进行定量分析的能力的