Для цитирования:
КОЛЕСНИКОВА С. С., Монахова Ю. Б., Муштакова С. П. СПЕКТРОХЕМОМЕТРИЧЕСКОЕ ОПРЕДЕЛЕНИЕ НЕКОТОРЫХ МЕТАЛЛОВ В СМЕСЯХ СЛОЖНОГО СОСТАВА // Известия Саратовского университета. Новая серия. Серия: Химия. Биология. Экология. 2011. Т. 11, вып. 1. С. 25-31. DOI: 10.18500/1816-9775-2011-11-1-25-31, EDN: OGDLRX
СПЕКТРОХЕМОМЕТРИЧЕСКОЕ ОПРЕДЕЛЕНИЕ НЕКОТОРЫХ МЕТАЛЛОВ В СМЕСЯХ СЛОЖНОГО СОСТАВА
Проведена оценка возможности использования алгоритмов метода независимых компонент для совместного определения цветных и платиновых металлов в их двух- и трехкомпонентных модельных смесях. Проведено сравнение различных хемометрических алгоритмов MILCA, SNICA, SIMPLISMA, RADICAL, JADE. Алгоритм MILCA является наиболее эффективным алгоритмом для анализа изученных систем. Проведен качественный и количественный анализ искусственных смесей систем различных металлов.
- Иванов В.М. Гетероциклические азотсодержащие азосоединения. М., 1982. 230 с.
- Leger M.N., Wentzell P.D. Dynamic Monte Carlo self-modeling curve resolution method for multicomponent mixtures // Chemom. Intell. Lab. Syst. 2002. Vol.62. P.171-188.
- Moussaoui S., Carteret C., Brie D., Mohammad-Djafari A. Bayesian analysis of spectral mixture data using Markov Chain Monte Carlo Methods // Chemom. Intell. Lab. Syst. 2006. Vol.81. P.137-148.
- Douglas S.C., Yuan Z., Oja E. Average convergence behavior of the FastICA algorithm for Blind Source Separation // ICA. 2006. P.790-798.
- Feng Lu, Shu Li, Jian Le, Guiliang Chen, Yan Cao, Yunpeng Qi, Yifeng Chai, Yutian Wu. <http://www.sciencedirect.com/science?_ob=ArticleURL&_udi=B6TF4-4N7SBS3-6&_user=10&_coverDate=04%2F25%2F2007&_rdoc=1&_fmt=high&_orig=search&_sort=d&_docanchor=&view=c&_searchStrId=1385100963&_rerunOrigin=google&_acct=C000050221&_version=1&_urlVersion=0&_userid=10&md5=0bcb9eefe22701977164e8ee5d5be064> A new method for testing synthetic drugs adulterated in herbal medicines based on infrared spectroscopy // Anal. Chim. Acta. 2007. Vol.589. P.200-207. EDN: KDWYWX
- Astakhov S. A., Stogbauer H., Kraskov A., Grassberger P. Monte Carlo algorithm for Least Dependent Non-Negative Mixture Decomposition // Anal. Chem. 2006. Vol. 78. P. 1620-1627.
- Stogbauer H., Kraskov A., Astakhov S.A., Grassberger P. Least-dependent-component analysis based on mutual infor-mation // Phys. Rev. E. 2004. Vol. 70. P. 066123 [17 p.]. EDN: JFMNFO
- Windig W., Guilment J. Spectroscopic comparison between humic and fulvic acids from urban waste compost and soil // Anal. Chem. 1991. Vol. 63. P. 1425-1432.
- Journґee1 M., Absil P.-A., Sepulchre R. Optimization on the orthogonal group for independent component analysis // Springer-Verlag Berlin Heidelberg. 2007. P. 564.
- CardosoJ.-F. High-order contrasts for independent com-ponent analysis // Neural Computation. 1999. Vol. 11, № 1. P. 157.
- Milman B. Identification of chemical compounds // Trends in Analytical Chemistry. 2005. Vol. 24, № 6. P. 493. EDN: MGZQIH
- Astakhov S. A., Stogbauer H., Kraskov A., Grassberger P. Spectral mixture decomposition by Least Dependent Compo-nent analysis // URL: http://arxiv.org/abs/physics/ 0412029.
- Cichocki A., Amari S. Adaptive Blind Signal and Image Processing. Learning Algorithms and Applications. N.Y., 2002.