对于二次数据的新型数据融合策略:通过度测量方法确定药品的多变量曲线分辨率

科学领域:

• 分析化学 分析化学
• 化学测量 化学测量 化学测量
• 环境科学 环境科学

背景情况:

• 准确确定水中的制药污染物对于环境监测至关重要.
• 二级数据融合为提高分析性能提供了潜力,但需要强大的方法.
• 现有的方法可能会在复杂的矩阵和重叠的分析信号方面扎.

研究的目的:

• 开发和验证一种新的二级数据融合策略,用于分析环境水样.
• 提高制药污染物确定的准确性和精度.
• 克服个人数据集分析的局限性,特别是信号重叠.

主要方法:

• 使用多变量曲线分辨率交替最小平方 (MCR-ALS) 对两个数据集的同时建模.
• 在MCR-ALS框架内应用一个新的"得分比例"约束.
• 激发发射光矩阵的融合在光化学衍生物化之前和之后测量.
• 确定了五种制药污染物:纳普罗,达诺夫洛克萨,奥洛克萨,萨拉弗洛克萨和埃诺克萨.

主要成果:

• 与单个PARAFAC模型相比,拟议的数据融合策略显著提高了预测准确度和精度.
• 在验证样本中,预测的相对误差从13-32%提高到8-15%.
• 在真实样本中,预测的相对误差从25-121%提高到13-20%.
• 即使有显著的信号重叠和未校准的干扰物,也观察到更好的性能.

结论:

• 基于MCR-ALS的新型数据融合策略与"得分的比例性"对于分析复杂的环境样本是有效的.
• 数据融合提供了卓越的预测能力,提高了制药污染物检测的可靠性.
• 这种方法为环境监测和水质评估提供了一个强大的工具.