Chemometric techniques such as part

Chemometric techniques such as partial least squares combined with discriminant analysis (PLS–DA) and
artificial neural networks (ANN) analysis were used to enhance the detection, discrimination and quantification
of chemical warfare agents simulants. Triethyl phosphate (TEP) mixed with commercial products
in their original containers was analyzed through the container walls using fiber-optic-coupled
Raman spectroscopy. Experiments were performed by employing a custom built optical fiber probe operating
at 488 nm. Detection was accomplished using mixtures of the contents of the commercial bottles
and water. The bottle materials included green plastic, green glass, clear plastic, clear glass, amber glass
and white plastic. To account for the low scattering-peak intensities of some bottle materials, integration
times were increased. Short integration times provided no information for amber glass and white plastic.
The limits of detection were on the order of 1–5%, depending on bottle materials and contents. Good discrimination
was achieved with PLS–DA when models were generated from a dataset originating from the
same type of bottle material. ANN performed better when large sets of data were used, discriminating
TEP from bottle materials and contents, as well as accurately classifying over 90% of the data.

ผลลัพธ์ (ไทย) 3:

เทคนิคคีโมเมตริกซ์เช่นบางส่วนอย่างน้อยรวมกับการวิเคราะห์จำแนกประเภท ( กรุณา–ดา ) และ
โครงข่ายประสาทเทียม ( ANN ) การวิเคราะห์ใช้เพื่อเพิ่มการตรวจสอบจำแนกชนิดและปริมาณของ simulants
เป็นตัวแทนสงครามเคมี คุกพาทย์ฟอสเฟต ( TEP ) ผสมกับผลิตภัณฑ์เชิงพาณิชย์
ในภาชนะบรรจุเดิมของพวกเขาโดยใช้ภาชนะผนังใช้ไฟเบอร์ออปติกคู่
รามันสเปกโทรสโกปี ทดลองโดยการใช้ Custom สร้างโพรบใยแก้วนำแสงดำเนินการ
ที่ nm 488 . ตรวจจับได้ ใช้ส่วนผสมของเนื้อหาของขวดพาณิชย์
และน้ำ ขวดสีเขียววัสดุ ได้แก่ พลาสติก , แก้ว , พลาสติกสีเขียวใสใสแก้ว
แก้วอำพันและพลาสติกสีขาว บัญชีสำหรับการสูงสุดต่ำความเข้มของวัสดุขวดบาง ครั้งการบูรณาการ
เพิ่มขึ้น ครั้งรวมสั้นให้ข้อมูลสำหรับแก้วอำพันและพลาสติกสีขาว
ขีดจำกัดในอยู่ในลำดับ 1 - 5 % ขึ้นอยู่กับวัสดุขวดและเนื้อหา ดีค่า
คือความมีกรุณา–ดาเมื่อนางแบบถูกสร้างขึ้นจากข้อมูลที่มาจาก
ประเภทเดียวกันของวัสดุขวด แอนแสดงได้ดี เมื่อชุดข้อมูลขนาดใหญ่ที่ใช้แยกแยะ
เทพจากวัสดุขวดและเนื้อหา รวมทั้งได้จัดกว่า 90 % ข้อมูล