Generate QR code
Open Access
Subscription Access
Повышение точности количественного хроматографического анализас использованием нейронных сетей
Abstract
A method of increasing the accuracy of chromatographic analysis by separating of overlapping peaks of chromatograms at application of neural networks combined with a regularization method for incorrect problems solution is suggested. The examples of multiple reduction of the analysis error are presented.
About the Authors
Т. Хабурзания
С.-Петербургский государственный политехнический университет
Russian Federation
Russian Federation
А. Мешков
Всероссийский научно-исследовательский институт метрологии им. Д. И. Менделеева
Russian Federation
Russian Federation
References
1. Тихонов А. Н., Арсенин В. Я. Методы решения некорректных задач. М.: Наука, 1986.
2. Василенко Г. И. Теория восстановления сигналов. О редукции к идеальному прибору в физике и технике. М.: Сов. радио, 1979. 3. Русинов Л. А. Автоматизация обработки хроматографической информации. М.: Энергия, 1973.
3. Серегина Н. И., Солопченко Г. Н. Простой регуляризирующий метод компенсации влияния аппаратной функции на результат измерения // Изв. АН СССР. Сер. Техническая кибернетика. 1984. №
4. С. 166-172.
5. Серегина Н. И., Солопченко Г. Н. Коррекция искажений хроматограмм и разделение перекрывающихся хроматографических пиков // Журнал аналитической химии. 1995. Т. 50. № 2. С. 187-189.
6. Miao H., Yu M., Hu S. Artificial neural networks aided deconvolving overlapped peaks in chromatograms. // J. Chromatog. A. 1996. V. 749. N. 1. P. 5-11.
7. Li YB Huang XY, Sha M, Meng XS. Resolution of overlapping chromatographic peaks by radial basis function neural network. // Chinese J. Chromatog. 2001. N. 19 (2). P. 112-115.
8. Sentellas S., Saurina J., Hernández-Cassou S., M.T. Galceran and Puignou L. Quantitation in multianalyte overlapping peaks from capillary electrophoresis runs using artificial neural networks. // J. Chromatog. Sci. 2003. N. 41. P. 145-150.
9. Медянцев Д. В., Пустовалов Д. С., Замятин Н. В. Анализ хроматографической информации с использованием нейронных сетей и генетического алгоритма. // Нейроинформатика - 2005: Сб. трудов. VII Всерос. науч.-техн. конф.2005. Т. 1. С. 147-151.
10. Севастьянов А. А., Харинцев С. С., Салахов М. Х. Нейросетевая регуляризация решения обратных некорректных задач прикладной спектроскопии // Электрон. журнал «Исследовано в России». 2003. Т. 6. С. 2254-2266. [Электрон. pесурс] http://zhurnal. ape.relarn.ru/articles/2003/189.pdf
11. Васильев А. Н., Тархов Д. А. Нейросетевое моделирование. Принципы. Алгоритмы. Приложения. СПб.: Изд-во политех. ун-та, 2009.
12. Хабурзания Т. З. Использование нейронных сетей в задачах обработки аналитических сигналов // Нейрокомьютеры: разработка, применение. 2009. № 11. С. 53-61.
13. Фаткудинова Ш. Р., Солопченко Г. Н. Применение цифровых моделей реальных хроматограмм для оценки погрешности результатов химического анализа. // Журнал аналитической химии. 1998. Т. 53, № 11. С. 1158-1165.
Review
For citations:
, . Izmeritel`naya Tekhnika. 2014;(4):51-55. (In Russ.)
Views:
95
Email this article 