Получения качественных и количественных данных по спектру.

Цель работы: получить количественные и качественные характеристики спектра

TQ Analyst представляет собой пакет программ для разработки методов количественного или классификационного анализа спектральных данных.

Количественные методы позволяют рассчитать концентрацию одного или нескольких компонентов смеси.

Классификационные методы позволяют определить особенности спектра образца, чтобы затем этот спектр можно было сравнить с известными спектрами. Обычно классификационные методы используют для контроля качества или для предварительного анализа образцов, которые предполагается включить в количественный эксперимент. Эти методы позволяют идентифицировать неизвестное вещество или определить степень его очистки.

Программное обеспечение также позволяет установить метод, который будет просто определять спектральные характеристики и выводить их на экран. Такие методы можно использовать для определения высоты и площади пиков, определения соотношений пиков, обнаружения пиков и определения уровня шумов в выбранной области.

Программное обеспечение TQ Analyst позволяет значительно упростить процедуру установки метода. В этой главе изложены основные концепции спектроскопии, а также количественных и качественных методов анализа спектральных данных. Если Вы умеете работать с предложенными методами, обратитесь к примерам. Для того, чтобы просмотреть пример, выберите опцию Example Methods в меню TQ Analyst Help. После этого нажмите на название требуемого метода.

Спектрометры измеряют взаимодействие излучения с экспериментальными образцами.

Они регистрируют частоты или длины волн, при которых образец поглощает излучение, а также интенсивность поглощения. Частоту, длину волны и интенсивность поглощения изображают в виде двумерного графика, называемого спектром.

Интенсивность выражается в единицах поглощения (в количестве поглощенного образцом света) или в процентах коэффициента пропускания (в количестве света, пропускаемого образцом). Зависимость поглощения от коэффициента пропускания выражается следующим уравнением:

Частота обычно выражается в волновых числах (см-1), а длина волны – в нанометрах (нм). В настоящем руководстве термин «частота» используется как для обозначения частоты, так и для обозначения длины волны.

Определение частот поглощения позволяет определить химический состав образца, поскольку разные химические группы поглощают свет с определенной частотой. Сравнив спектр неизвестного образца (например, полимерной пленки) со спектрами стандартов, спектрометр быстро находит наиболее близкий спектр. Такой анализ называется качественным.

Может также возникнуть необходимость определить содержание определенного компонента в образце. Например, это может быть содержание добавки антиоксиданта в полимерной пленке.

Интенсивность поглощения пропорциональна концентрации компонента в образце. Калибровочная модель определяет зависимость изменений поглощения от изменений концентрации, поэтому ее можно использовать для расчета концентрации. Определение концентраций отдельных компонентов смеси называется количественным анализом.

Обычно мы знаем, из каких компонентов состоит смесь, и нам нужно определить

концентрацию каждого компонента. Определение концентраций отдельных компонентов

Программное обеспечение TQ Analyst предлагает широкий выбор количественных

методов, базирующихся на следующем условии:

Интенсивность пиков спектра поглощения прямо пропорциональна количеству образца.

Другими словами, по мере роста концентрации отдельных компонентов смеси, увеличиваются пики, соответствующие этим компонентам. Эта зависимость верна при любом значении частоты.

Простейший количественный метод основан на зависимости, именуемой законом Бэра (Beer–Lambert-Bougher Law). Закон Бэра гласит, что интенсивность пика находится в линейной зависимости от концентрации образца: А = abc Где:

А = поглощение, измеренное при определенной частоте

а = поглощающая способность компонента при измеренной частоте (постоянна для данных компонента и частоты) b = длина пути компонента с = концентрация компонента

Калибровочные модели для количественных методов

Как было сказано выше, интенсивность поглощения зависит от концентрации компонента

в образце. Калибровочная модель позволяет определить зависимость изменений поглощения от изменений концентрации. Калибровочную модель используют для расчета концентраций отдельных компонентов.

В случае не взаимодействующих соединений, таких как газы, можно использовать только один стандарт. (Стандарты представляют собой образцы с известной концентрацией исследуемого компонента.) Лучше всего, чтобы концентрации неизвестных образцов были близки к концентрации стандарта.

Для твердых и жидких образцов, а также для газов с сильно варьирующей концентрацией, калибровочная модель должна быть основана на данных нескольких стандартов, содержащих разное количество исследуемого соединения. При использовании множественных стандартов для создания калибровочной кривой данная группа стандартов именуется калибровочным комплектом. Спектры стандартов используют для определения значения поглощения каждого пика компонента при нескольких концентрациях.

В простейшей калибровочной модели данные о концентрации и поглощении

калибровочных стандартов позволяют нам создать график зависимости поглощения от концентрации для каждого из исследуемых компонентов. Проще всего определить поглощение, измерив высоту или площадь одиночного пика. Полученная кривая называется калибровочной или рабочей кривой.

Если Вы измерите такой же пик спектра образца с неизвестной концентрацией и сравните полученное значение поглощения с кривой, то Вы сможете определить концентрацию этого образца.

При условии, что спектр образца с неизвестной концентрацией был получен при той же

длине пути, для расчета концентрации компонента можно использовать следующее

b = точка пересечения калибровочной кривой с осью ординат

Для того, чтобы определить концентрацию исследуемого компонента, придадим уравнению следующий вид: С = (А – b) / m

Помимо закона Бэра существует много других количественных методов, которые можно

использовать для калибровки. Все предложенные TQ Analyst количественные методы

основаны на предположении, что интенсивность пика зависит от концентрации. Эти методы различаются только тем, что по-разному трактуют зависимость спектральных характеристик от концентрации исследуемого компонента.

Калибровочная модель многомерных методов вроде классического метода наименьших квадратов, частичного метода наименьших квадратов или множественной линейной регрессии значительно сложнее простой калибровочной кривой, но она также отражает зависимость спектральных характеристик от концентрации.

Количественные методы, предлагаемые программным обеспечением TQ Analyst

различаются только тем, что по-разному трактуют зависимость спектральных характеристик от концентрации исследуемого компонента.

Программное обеспечение TQ Analyst предлагает следующий набор калибровочных методов:

При использовании любого из указанных методов для создания калибровочной модели требуется измерение стандартных образцов. Перечень начинается с наиболее простого метода и заканчивается наиболее сложным.

Для анализа образцов лучше выбрать наиболее простой метод. Если Вы не знаете, какой метод выбрать, воспользуйтесь мастером TQ Analyst. Если результаты использования выбранного метода Вас не устроят, попробуйте другой метод. Замечание

Если Вы выбрали другой метод из той же группы (например, перешли от Simple Beer’s Law к CLS), то все данные, полученные при использовании предыдущего метода, сохраняются.

Данный метод использует классический закон Beer-Lambert-Bougher (поглощение

Для того, чтобы можно было использовать данный метод, должны выполняться

Спектры стандартов имеют по одному пику для каждого из исследуемых компонентов (лучше всего, если каждый компонент дает только один пик).

Расчеты можно произвести, просто измерив высоту или площадь пиков.

Количество стандартов соответствует количеству исследуемых компонентов или превышает его.

Каждый из компонентов входит в состав не менее двух стандартов (в разной концентрации).

Если образцы представляют собой смеси, то в состав стандартов должны входить все исследуемые компоненты.

Программное обеспечение использует для создания калибровочной модели значения концентрации и измеренные значения поглощения для стандартных образцов. Если метод использует значение пересечения по умолчанию, калибровочная кривая представляет собой прямую.

Такую калибровочную модель обычно называют калибровочной кривой или рабочей кривой. Для каждого компонента создается отдельная калибровочная кривая.

При измерении газообразных образцов требуется использование одного стандарта для каждого из компонентов. Молекулы образцов газов, особенно содержащие шесть или менее атомов, обычно не взаимодействуют друг с другом.

При проведении измерений большинства жидкостей и твердых веществ необходимо включить каждый исследуемый компонент в состав как минимум двух стандартов (в разной концентрации). Если концентрация исследуемого компонента в неизвестных образцах сильно варьирует, для проведения измерений может потребоваться несколько дополнительных стандартов.

Лучше всего, если концентрации стандартов «окружают» концентрацию исследуемого компонента в неизвестном образце. Другими словами, концентрация образца с низкой концентрацией не должна быть ниже концентрации стандарта с низкой концентрацией, а концентрация образца с высокой концентрацией не должна быть выше концентрации стандарта с высокой концентрацией. Если все образцы являются смесями, стандарты должны содержать все исследуемые компоненты, присутствующие в образцах. Необходимо использовать один или два дополнительных стандарта для валидации калибровочной модели. Концентрация исследуемого компонента в валидационном стандарте должна находиться в пределах заданного диапазона. Калибровочная модель Simple Beer’s Law хорошо подходит для решения основных аналитических задач, в которых выполняются следующие условия:

Пики различных компонентов слабо перекрываются или не перекрываются вообще.

Поглощение находится в линейной или близкой к линейной зависимости от концентрации.

Компоненты слабо взаимодействуют или вообще не взаимодействуют между собой (взаимодействие приводит к сдвигам пиков компонентов).

Известен состав матрицы образца (при анализе не вылезут дополнительные компоненты).

Метод Simple Beer’s Law можно использовать для измерения концентрации этилового спирта в водном растворе или концентрации бензиновых углеводородов в нефти.

Требуется небольшое количество стандартов.

Не требуются обширные познания в области химии и спектроскопии.

Неэффективен при наличии сильного перекрывания пиков.

Метод обеспечивает достаточную точность только в том диапазоне концентраций, где калибровочная кривая линейна. Линейный диапазон зависит от исследуемого вещества, метода отбора проб, области анализа и используемого типа детектора.

Калибровочный метод Classical Least Squares (CLS) представляет измеренное поглощение

как сумму вкладов поглощения каждого из исследуемых компонентов. Другими словами,

калибровочная модель предполагает, что поглощение компонента простирается шире одиночного пика, и исследует несколько областей спектра, чтобы выявит зависимость поглощения от концентрации. Эту модель удобно использовать для дифференцируемых компонентов, образующих на спектре полосы перекрывания. Математически метод наименьших квадратов представляет собой пример одновременного применения нескольких уравнений закона Бэра.

Калибровочная модель Classical Least Squares может быть основана на измерении высоты и площади пиков или на использовании множества точек сбора данных. Для каждого из исследуемых компонентов Вам следует включить как минимум один пик или одну область. Обычно для каждого компонента используют несколько пиков или областей. Вы так же можете ассоциировать несколько компонентов с одной областью. Для того, чтобы при использовании метода Classical Least Squares можно было получить точные результаты, должны выполняться следующие условия:

Для каждого компонента должна быть идентифицирована как минимум одна область.

Количество стандартов соответствует количеству исследуемых компонентов или превышает его.

Концентрации компонентов в стандартах варьируют независимо. (Если возможно, при изготовлении стандартов следует избегать последовательного разбавления одного стандарта.)

Компоненты должны слабо взаимодействовать или вообще не взаимодействовать друг с другом (не должно происходить сдвига пиков компонента от образца к образцу).

Известен состав матрицы образца (дополнительные компоненты не вылезут при анализе).

Поглощение находится в линейной или близкой к линейной зависимости от концентрации.

Метод Classical Least Squares используют для решения тех задач, которые невозможно решить с использованием метода Simple Beer’s Law. Например, Вы можете использовать Classical Least Squares при следующих условиях:

Пики или области компонентов сильно перекрываются.

Метод Classical Least Squares можно использовать для анализа газов и прочих образцов, демонстрирующих слабое межмолекулярное взаимодействие.

Возможность калибровки при наличии сильного перекрывания пиков и областей.

Требуется меньше стандартов, чем для метода PLS или PCR.

- Метод обеспечивает большую точность, чем Simple Beer’s Law.

- Неэффективен при наличии неизвестных примесей.

Множественная линейная регрессия, так же известная под названиями Inverse Least

Squares и P-Matrix, представляет собой один из наиболее часто используемых количественных методов. Метод множественной линейной регрессии (SMLR) представляет концентрацию как функцию поглощения при различных частотах. Этот метод является обратным классическому методу наименьших квадратов (K-Matrix), представляющему поглощение как функцию концентрации. Выберите метод SMLR, если Вам нужно измерить концентрацию нескольких компонентов в многокомпонентной смеси.

Если Вы используете установки по умолчанию для метода SMLR, программное обеспечение выбирает области анализа автоматически. Чтобы выбрать области для каждого из исследуемых компонентов, TQ Analyst применяет ступенчатый алгоритм. Процедура начинается с выбора первой области (частоты) для первого компонента. Дополнительные частоты, которые обеспечивают дополнительную информацию, можно использовать для достижения наилучшего прогнозирования стандартов (вторая область обычно относится к матрице образца). После того, как программное обеспечение выберет области для первого компонента, оно приступает к выбору областей для второго компонента. Так продолжается до тех пор, пока не будут выбраны области для всех исследуемых компонентов.

При использовании метода SMLR Вы можете провести измерение концентрации нескольких компонентов. Калибровочная модель SMLR может быть основана на высоте отдельных пиков или средней высоте пиков в определенной области. Обычно для каждого компонента используется несколько пиков или областей (по умолчанию производится выбор трех областей). С одной областью можно ассоциировать несколько компонентов.

Вторую область можно использовать в качестве пика-делителя. Это может быть полезно для минимизации различий длины пути стандартов и образцов с неизвестной концентрацией. Чтобы получить более подробную информацию, обратитесь к разделу «Установка пика-делителя или области-делителя для метода SMLR» в главе «Создание количественного метода».

Количество областей, которое можно использовать при анализе, ограничено количеством калибровочных стандартов. Мы рекомендуем использовать не менее 3 стандартов для каждого из компонентов. В идеале, количество стандартов должно быть равно 3n + 1, где n представляет собой количество исследуемых компонентов.

Метод SMLR не дает возможности редактирования областей анализа. Однако, Вы можете установить начальную и конечную точки диапазона частот, который будет использован программой для установки областей. Вы также можете уменьшить или увеличить число областей, используемых для измерения концентрации каждого компонента, определить ширину каждой области и установить минимальный промежуток между областями. Имейте в виду, что многомерные калибровочные модели вроде SMLR при добавлении новых областей могут стать слишком сложными. Это приводит к снижению точности анализа. Например, предположим, что Вы создаете метод анализа витаминной композиции, содержащей витамин С, лактозу и другие вещества. По мере добавления к методу новых областей, калибровочная модель может начать использовать некоторые свойства спектра лактозы для предсказания концентрации витамина С. При изменении содержания лактозы в образцах может повыситься погрешность измерений. Это происходит по той причине, что модель не способна выявить и правильно идентифицировать изменения спектра, не имеющие отношения к изменениям концентраций веществ в образце.

Калибровка для каждого из компонентов производится независимо. Это выгодно отличает метод SMLR от метода CLS и позволяет методу SMLR справиться с неожиданными изменениями в составе образца. Метод SMLR хорошо работает при следующих условиях:

Вы можете идентифицировать не менее одной области анализа для каждого из компонентов.

Пики компонентов слабо перекрываются или не перекрываются вообще.

Поглощение исследуемых компонентов находится в линейной зависимости от концентрации.

Для каждого компонента имеется не менее 3 стандартов и одного дополнительного стандарта (плюс валидационные стандарты, если Вы из используете).

Базовые линии спектра достаточно стабильны (если они нестабильны, Вы можете попробовать использовать среднее центрирование или операцию обработки).

Есть области, которые демонстрируют слабое взаимодействие компонентов или отсутствие взаимодействия компонентов (наличие взаимодействия приводит к сдвигу пиков от образца к образцу). Чтобы приноровиться к небольшим сдвигам пиков, Вы можете начать использовать более широкие области.

Поскольку метод SMLR представляет концентрацию как функцию поглощения при различных частотах, нет необходимости учитывать все компоненты или все интерференции в образце.

Метод SMLR можно использовать для анализа образцов самых разных типов, в особенности для многокомпонентных смесей, состав которых точно известен. Если исследуемые компоненты доминируют, данный метод можно применить даже в тех случаях, когда матрица образца содержит неизвестные примеси. Поскольку пики ближней инфракрасной области очень широкие, они могут перекрываться. Метод SMLR будет работать в ближней инфракрасной области в том случае, если там есть хотя бы одна область, в которой концентрация исследуемого компонента изменяется линейно. Наиболее интенсивно SMLR используют для работы с ближней инфракрасной областью, но этот метод также подходит и для других видов спектроскопии.

Если образец содержит мало известных компонентов или если имеет место взаимодействие компонентов и перекрывание пиков, мы рекомендуем использовать вместо SMLR метод Simple Beer’s Law. Если результаты, полученные с помощью Simple Beer’s Law, Вас не устроят, попробуйте SMLR. Если образец или спектр очень сложен, или если спектр имеет много помех, вместо SMLR следует использовать метод PLS или PCR.

Метод справляется с неожиданными примесями в образце.

Требуется использование меньшего количества образцов, чем для PLS или PCR.

Метод обеспечивает более высокую точность по сравнению с Simple Beer’s Law.

Не работает при наличии сильного перекрывания пиков.

Поглощение компонента должно находиться в линейной зависимости от концентрации.

Наш калибровочный метод Partial Least Squares основан на стандартном алгоритме Partial

Least Squares (PLS1), демонстрирующем статистический подход к количественному анализу.

Алгоритм PLS1 осматривает заданную область или несколько заданных областей калибровочного спектра, чтобы определить, какие участки меняются статистически как функция концентрации исследуемого компонента. Калибровочная модель PLS одновременно использует спектральные характеристики и концентрации стандартов.

Для того, чтобы при использовании метода PLS можно было получить точные результаты, должны выполняться следующие условия:

Для каждого компонента имеется не менее 3 стандартов и одного дополнительного стандарта, плюс валидационные стандарты, если Вы из используете. (Количество стандартов должно составлять 10n + 1), где n равно количеству компонентов.)

Стандарты должны представлять собой смеси, содержащие все компоненты, которые предполагается обнаружить в образце.

Концентрации компонентов в стандартах варьируют независимо. (При изготовлении стандартов следует избегать последовательного разбавления одного стандарта.)

Изменение спектров стандартов должно точно отражать ожидаемое изменение спектров образцов.

Метод PLS следует использовать для решения аналитических задач, для которых верно одно из следующих утверждений:

Присутствует большое количество компонентов.

Имеется сильное перекрывание пиков или областей.

Взаимодействие между компонентами образца приводит к сдвигу или расширению пиков.

Состав матрицы образца неизвестен не до конца (возможно наличие примесей). Метод PLS можно использовать при анализе водных растворов детергентов, а также бора и фосфора в стекле. Этот метод также хорошо работает при определении прочих характеристик образца помимо концентрации. Например, Вы можете применить данный метод для исследования физических свойств образца – цвета, твердости или вязкости (в том случае, если эти характеристики дают спектральный ответ).

Возможность калибровки при наличии перекрывания пиков и областей.

Метод более надежен, чем Simple Beer’s Law, поскольку используются все точки сбора данных.

Пользователю не нужно обозначать отдельные области для каждого из компонентов.

Программное обеспечение позволяет оптимизировать количество факторов для каждого из исследуемых компонентов.

Программное обеспечение предлагает полный набор диагностических инструментов для оценки эффективности метода.

Математические основы метода сложны для понимания.

Регрессия основной компоненты (PCR) представляет собой еще один статистический метод количественного анализа. Как и в случае метода частичных наименьших квадратов (PLS), алгоритм PCR осматривает заданную область или несколько заданных областей калибровочного спектра, чтобы определить, какие участки меняются статистически как функция концентрации исследуемого компонента.

Но, в отличие от метода PLS, где для создания калибровочной модели требуется одна операция, калибровка по методу PCR представляет собой двухступенчатый процесс. Сначала спектральная информация используется для вычисления спектра основной компоненты. Затем полученный спектр основной компоненты и концентрации компонентов используют для создания калибровочной модели. Расчет концентрации всех компонентов производится одновременно.

Для того, чтобы можно было успешно применить метод PCR, должны выполняться те же условия, что и в случае использования метода PLS. Например, для того, чтобы можно было получить точные результаты, требуется следующее:

Для каждого компонента имеется не менее 3 стандартов и одного дополнительного стандарта, плюс валидационные стандарты, если Вы их используете. (Количество стандартов должно составлять 10n + 1), где n равно количеству компонентов.)

Концентрации компонентов в стандартах варьируют независимо. (При изготовлении стандартов следует избегать последовательного разбавления одного стандарта.) В общем, прежде чем использовать метод PCR, следует попробовать воспользоваться PLS, поскольку эти методы имеют очень много общего. Однако, создание калибровочной модели методом PLS представляет собой одноступенчатый процесс, а методом PCR – двухступенчатый. Первый этап предполагает использование спектральных данных для определения изменения спектра, на втором этапе производится определение корреляции изменений спектра с изменениями концентрации. Поскольку регрессионный шаг имеет место после выбора основных компонентов, основные компоненты не взвешиваются относительно концентрации. По этой причине результаты PLS могут быть значительно точнее результатов PCR.

С другой стороны, метод PCR является хорошо известным и повсеместно используемым статистическим методом. Мы включили данный метод в программу главным образом для того, чтобы пользователь мог воспроизвести PCR метод, созданный другим приложением.

Возможность калибровки при наличии перекрывания пиков и областей.

Метод более надежен, чем Simple Beer’s Law, поскольку используются все точки сбора данных.

Пользователю не нужно обозначать отдельные области для каждого из компонентов.

Математические основы метода сложны для понимания.

Поскольку регрессионный шаг имеет место после выбора основных компонентов, основные компоненты не взвешиваются относительно концентрации. По этой причине результаты PLS могут быть значительно точнее результатов PCR.

Программное обеспечение TQ Analyst не содержит диагностических инструментов для данного метода.

Методы качественного (классификационного) анализа

Программное обеспечение TQ Analyst предлагает целый набор методов сравнения и

идентификации неизвестных образцов на основании имеющихся спектров различных веществ. Такие методы являются качественными, так как они позволяют определить состав образца или классифицировать его, но не позволяют определить концентрации веществ, входящих в его состав. Качественный метод может также показать, насколько исследуемый образец соответствует группе известных веществ. Это позволяет отличить «плохие» образцы от «хороших». TQ Analyst предлагает следующий набор классификационных методов:

Все классификационные методы основаны на сравнении спектра неизвестного образца со спектрами одной или нескольких групп (классов) известных соединений (стандартов). Если Вы хотите использовать для сравнения один класс стандартов, Вам следует выбрать метод Similarity Match или Distance Match. В случае необходимости использования нескольких классов стандартов следует использовать метод Distance Match, Discriminant Analysis или QC Compare. Если Вы хотите сравнить спектр исследуемого образца со спектрами многих веществ, выберите метод Search Standards.

В методе Search Standards для определения класса используется только один стандарт (программное обеспечение TQ Analyst рассматривает каждый стандарт как отдельный класс). Метод Similarity Match требует использования не менее одного стандарта для каждого класса, но допускает использование нескольких стандартов на класс. Методы Distance Match, Discriminant Analysis и QC Compare представляют собой статистические алгоритмы для определения сходства. Для определения каждого класса требуется не менее двух стандартов.

Классификационные методы также различаются по тому, какую информацию они могут дать о неизвестном образце. Например, метод Similarity Match сравнивает неизвестный образец с одним классом стандартов и определяет значение соответствия, являющееся мерой сходства. Метод Discriminant Analysis позволяет сравнить неизвестный образец с несколькими классами стандартов и получить значение «distance from class» для каждого класса.

Классификационные методы обычно используют для контроля качества и для отбора образцов в количественных экспериментов. Например, после того, как образец классифицирован, его можно включить в количественный эксперимент, оптимизированный для образцов такого типа.

Классы могут отличаться сильно или не сильно. Например, Вы можете установить классификационный метод, в котором каждый класс демонстрирует вещество, отличное от других классов. Результаты исследований могут помочь отсортировать или идентифицировать неизвестное вещество. В другом методе классы могут отличаться только концентрацией одного из компонентов. Результаты исследований в этом случае можно использовать для сортировки веществ по дозировке.

Калибровочные модели для классификационных методов

В отличие от количественых методов, классификационные методы не создают калибровочную модель. Однако, для того, чтобы получить возможность перейти к анализу, необходимо провести калибровку классификационного метода. Окно Calibration Results выводится на экран только при использовании методов Discriminant Analysis и Distance Match. Результаты калибровки показывают, насколько выбранный метод подходит для классифицирования стандартов. Эта информация позволяет выявить стандарты, которые были отнесены не к тому классу, или стандарты, которые слишком сильно отличаются от прочих стандартов внутри класса. Чтобы получить более подробную информацию о калибровке методов Discriminant Analysis и Distance Match, обратитесь к разделу «Calibration Results for Classification Methods» интерактивной подсказки TQ Analyst Help Topics.

Метод Similarity Match также производит некоторые вычисления во время калибровки.

Методы Search Standards и QC Compare не требуют калибровки в обычном понимании, однако даже в случае использования этих методов программное обеспечение производит их проверку. Чтобы проверить, все ли в порядке с установленным Вами методом, нажмите клавишу Calibrate на панели инструментов.

Чтобы получить более подробную информацию о калибровке классификационных методов, обратитесь к разделу «Калибровка метода» в разделе «Создание классификационного метода».

При выборе классификационного метода для образцов, которые предполагается проанализировать на абсорбционном спектрометре, следует учесть несколько факторов.

Прежде всего, необходимо определить, сколько разных веществ должен распознать алгоритм, сколько стандартов можно использовать для определения каждого из веществ, а также какая спектральная информация может быть получена для стандартов и неизвестных образцов.

Что делает отдел по эксплуатации и сопровождению ИС? Отвечает за сохранность данных (расписания копирования, копирование и пр.)...

Система охраняемых территорий в США Изучение особо охраняемых природных территорий(ООПТ) США представляет особый интерес по многим причинам...

ЧТО ТАКОЕ УВЕРЕННОЕ ПОВЕДЕНИЕ В МЕЖЛИЧНОСТНЫХ ОТНОШЕНИЯХ? Исторически существует три основных модели различий, существующих между...

Что способствует осуществлению желаний? Стопроцентная, непоколебимая уверенность в своем...

Не нашли то, что искали? Воспользуйтесь поиском гугл на сайте: