多元曲线分辨-交替最小二乘方法在联用数据分辨中的应用  

Application of Multivariate Curve Resolution-Alternating Least Square on Analysis of Hyphenated-Instrument Data

作　　者：张方[1] 李华[1] 

机构地区：[1]西北大学分析科学研究所/中药现代化研究中心,西安710069

出　　处：《分析化学》2007年第4期520-524,共5页Chinese Journal of Analytical Chemistry

基　　金：国家自然科学基金资助项目(No.20675063)

摘　　要：通过对模拟数据和高效毛细管电泳实验数据的分析,讨论了多元曲线分辨-交替最小二乘方法(MCR-ALS)在毛细管电泳-二极管阵列检测(CE-DAD)联用数据分辨中的应用。讨论了几种因素对MCR-ALS单个数据矩阵分辨结果的影响,包括待分析物光谱间的相似程度、浓度曲线的重叠程度以及由渐进因子分析(EFA)所得到的浓度初始值等。MCR-ALS还可用于多个数据矩阵的同时分析,即二阶MCR-ALS。结果表明,与一阶MCR-ALS相比,二阶MCR-ALS方法能够更好地解决各种分辨问题,得到合理和满意的分辨结果。Study is concerned with application of multivariate curve resolution with alternating least squares （MCR-ALS） methods to both simulated and experimental data. The experimental data are from capillary electrophoresis with diode array detector （CE-DAD）. Factors that affect resolution when MCR-ALS is applied to single matrix are discussed, including spectra similarities of components, type of overlapping peaks and initials from evolving factor analysis （EFA）. MCR-ALS is also used when several matrices are analyzed simultaneously and in this case, the problem such rank-deficiency can be overcome.

关 键 词：多元曲线分辨-交替最小二乘 渐进因子分析 扩展矩阵 毛细管电泳-二极管阵列检测 

分 类 号：O658.9[理学—分析化学]