Обращенные многомерные градуировки как средство раздельного определения однотипных аналитов по спектру смеси с неаддитивным светопоглощением

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Многомерные градуировки применяются в спектрофотометрическом анализе для определения ряда аналитов в многокомпонентных растворах. Такие градуировки связывают обобщенные сигналы, измеренные при нескольких длинах волн, с концентрациями аналитов. Цель данной работы – проверка применимости обращенных многомерных градуировок (ОМГ) для раздельного определения однотипных аналитов при неаддитивности их светопоглощения. Объекты анализа – модельные водные растворы, одновременно содержащие Cu(II), Co(II), Ni(II), Zn(II), Pb(II) и избыток фотометрического реагента 4-(2-пиридилазо) резорцина. В таких растворах наблюдались статистически значимые отклонения от аддитивности светопоглощения, вероятно, вызванные сдвигом равновесия комплексообразования. Исходными данными для построения ОМГ были спектры модельных смесей из обучающей выборки. В ходе эксперимента варьировали число аналитических длин волн (m) и число смесей в обучающей выборке (n). Концентрации металлов в смесях из тест-выборки рассчитывали порознь методом множественной линейной регрессии, используя разные спектральные интервалы и разные ОМГ. Лучшие результаты получены при m = 16 и n = 30. Погрешности определения Со, Ni и Zn в единичных смесях не превышают 25 отн.% (по модулю), а обобщенные погрешности (RMSEP) составили 10–15 отн.%. Погрешности определения меди и свинца отличались значительно более высокими значениями. Эксперимент показал, что с помощью ОМГ можно раздельно определять компоненты смесей с похожими, но не аддитивными спектрами. Однако объем исходных данных при этом должен быть намного больше, чем при оценке суммарного содержания тех же аналитов, точность результатов будет ниже, а возможность правильного определения всех аналитов не гарантируется.

Об авторах

И. В. Власова

Омский государственный университет имени Ф.М. Достоевского

Email: vlaso-iri@yandex.ru
просп. Мира, 55а, Омск, 644077 Россия

А. А. Матусевич

Омский государственный университет имени Ф.М. Достоевского

Email: vlaso-iri@yandex.ru
просп. Мира, 55а, Омск, 644077 Россия

В. И. Вершинин

Омский государственный университет имени Ф.М. Достоевского

Автор, ответственный за переписку.
Email: vlaso-iri@yandex.ru
просп. Мира, 55а, Омск, 644077 Россия

Список литературы

  1. Rambla F.J., Garrigues S., de la Guardia M. PLS-NIR determination of total sugar, glucose, fructose and sucrose in aqueous solutions of fruit juices // Anal. Chim. Acta. 1997. V. 344. P. 41.
  2. Ni Y., Huang C., Kokot S. Application of multivariate calibration and artificial neural networks to simultaneous kinetic-spectrophotometric determination of carbamate pesticides // Chemometr. Intel. Lab. Systems. 2004. V. 28. № 5. P. 177.
  3. Vershinin V.I., Petrov S.V. The estimation of total petroleum hydrocarbons in waste waters by multiwave IR spectrometry with multivariate calibrations // Talanta. 2016. V. 148. P. 163.
  4. Bozdogan A., Acar A.M., Kunt G.K. Simultaneous determination of acetaminophen and caffeine in tablet preparations by partial least-squares multivariate spectrophotometric calibration // Talanta 1992. V. 39. № 8. P. 977.
  5. Перьков И.Г., Дрозд А.В., Арцебашев Г.И. Выбор оптимальных длин волн и прогнозирование погрешностей в многокомпонентном спектрофотометрическом анализе // Журн. аналит. химии. 1987. Т. 42. № 1. С. 68.
  6. Brereton R.G. Introduction to multivariate calibration in analytical chemistry // Analyst. 2000. V. 125. № 11. P. 2125.
  7. Esbensen K.H. Multivariate Data Analysis – in Practice. An Introduction to Multivariate Data Analysis and Experimental Design. 5th Ed. Woodbridge: Camo Process. AS, 2004. 588 p.
  8. Olivieri A.C., Faber N.M., Ferre J., Boque R. Uncertainty estimation and figures of merit for multivariate calibration (IUPAC Technical Report) // Pure Appl. Chem. 2006. V. 78. № 4. P. 633.
  9. Антонова Т.В., Вершинин В.И., Власова И.В. УФ-спектрометрическое определение суммарного содержания аренов в сточных водах // Журн. аналит. химии. 2021. Т. 76. № 7. С. 603.
  10. Вершинин В.И., Баженова Л.С. Применение обращенных многомерных градуировок для определения суммарного содержания фенолов / Заводск. лаборатория. Диагностика материалов. 2023. Т. 89. № 9. С. 5.
  11. Власова И.В., Вершинин В.И. Спектрометрическое определение суммарного содержания однотипных аналитов с помощью обращенных многомерных градуировок // Журн. аналит. химии. 2022. Т. 77. № 11. С. 1032. https://doi.org/10.31857/S0044450222110159
  12. Отто М. Современные методы аналитической химии (в 2-х т.т.). Т. 2. М.: Техносфера, 2004. С. 138.
  13. Берштейн И.Я., Каминский Ю.А. Спектрофотометрический анализ в органической химии. Л.: Химия, 1986. 200 с.
  14. Иванов В.М. Гетероциклические азотсодержащие азосоединения. М.: Наука, 1982. 229 с.
  15. Новый справочник химика и технолога. Аналитическая химия. Часть 3. / Под ред. Калинкина И.П. СПб: НПО “Профессионал”, 2004. 692 с. (табл. 14.4.16).
  16. Булатов М.И. Расчеты равновесий в аналитической химии. Л.: Химия, 1984. 184 с.
  17. Бурюкина П.А., Власова И.В., Спиридонова К.А. Применение хемометрических алгоритмов в спектрофотометрическом анализе смесей с подобными спектрами поглощения // Аналитика и контроль. 2013. Т. 17. № 3. С. 333.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

© Российская академия наук, 2025

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».