Abstract
A gyengített teljes reflexiós Fourier transzformációs infravörös spektroszkópia (ATR FTIR) mennyiségi eredményeinek értelmezése általában nehéz és az adatok mélyebb áttekintéséhez különböző adatfeldolgozási módszereket kell alkalmazni. Ezeknek a módszereknek alkalmasnak kell lenniük a nagyméretű többdimenziós adatkészletek kezelésére és ezzel együtt a teljes spektrális információ feltárására. E többváltozós adatelemzési módszerek hatékony végrehajtása azonban megköveteli az adatok előkezelését is. A nyers adatok előfeldolgozása segít a zaj kiküszöbölésében és a megkülönböztető jellemzők kiemelésében. Ez a tanulmány olyan két általánosan használt többváltozós elemzésre — a főkomponens regresszióra (PCR) és a parciális legkisebb négyzetek regresszióra (PLSR) — összpontosít, amelyekkel az infravörös spektrumokból származó ásványtani információk kinyerhetők, valamint az ATR FTIR spektroszkópiában széles körben alkalmazott spektrum-előfeldolgozási módszereket tárgyalja. A PCR és PLSR modellek létrehozásához gyakori kőzetalkotó ásványok (kalcit, dolomit, kvarc, földpát, muszkovit, illit, szmektit és kaolinit) természetes sztenderdjeit és azokból készített szintetikus keverékek egy olyan adatkészletét állítottunk elő, amelyek összekapcsolják az ásványos összetételt az infravörös spektrumokkal. A minták spektrumait a 400–4000 cm–1 tartományban vettük fel. Továbbá referenciaként a röntgen-pordiffrakciós adatokból becsültük meg a minták ásványos összetételét. Az eredményül kapott PCR és PLSR modelleket szintetikus keverékekkel is teszteltük. A felállított 24 db modell arra utal, hogy a PCR és a PLSR eljárással hasonló eredményre jutunk. A különböző spektrum-feldolgozások nagyobb hatással vannak a becsült ásványos összetételre, mint a tanulmányozott többváltozós módszerek. Továbbá különböző ásványok mennyisége a modellekben különböző bizonytalansággal becsülhető, amelyet az ásványok eltérő infravörös fényelnyelő képessége, átfedő sávok és egyéb fizikai hatások okozhatnak.
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Disclaimer: All third-party content on this website/platform is and will remain the property of their respective owners and is provided on "as is" basis without any warranties, express or implied. Use of third-party content does not indicate any affiliation, sponsorship with or endorsement by them. Any references to third-party content is to identify the corresponding services and shall be considered fair use under The CopyrightLaw.