基于遗传算法优化的约束背景双线性分解算法用于改进高效液相色谱灰色分析体系的校正结果

该文采用约束背景双线性分解算法(CBBL)对以高效液相色谱(HPLC)方法分离分析的灰色分析体系进行了多元校正研究。针对采用包括CBBL在内的矩阵校正方法处理HPLC灰色分析体系的固有缺陷,即在相关组分的色谱保留时间重现性较低的情形下多元校正的结果不理想,对CBBL方法进行了改进,即将待测组分的浓度与组分的色谱保留时间同时作为优化的参量引入CBBL,并采用遗传算法(GA)优化CBBL,对于模拟的组分保留时间飘移严重的HPLC灰色分析体系及保留时间重现性不佳的多种酚类化合物组成的实际HPLC灰色分析体系进行了多元校正分析,成功克服了经典CBBL的固有缺陷,取得了较理想的多元校正结果。另外,该研究所建议的方法的校正结果也显著优于传统的残差双线性分解法(RBL)以及秩消失因子分析法(RAFA)。

酸度分布-光谱法中波谱重叠程度与测定准确度的关系的研究

根据待测物随pH变化的分布分数曲线并结合其吸收光谱构成两维波谱数据矩阵,利用约束背景双线性分解法(CBBL)可从未知干扰背景的灰色体系中对其进行定量分析。通过模拟实验,对待测物各型体间的波谱重叠程度及待测物与干扰物的分布分数曲线之间的波谱重叠程度对测定准确度的影响进行了研究。确定了可对待测物准确地进行定量分析时分析体系中波谱间的波谱重叠程度值。对酪氨酸、色氨酸和苯丙氨酸三种氨基酸的混合样的测定结果验证了预报准确度与波谱重叠程度之间的依赖关系。