2.3. Chemometric methodMCR-ALS is a

2.3. Chemometric method
MCR-ALS is a bilinear method which assumes that the observed
spectra are a linear combination of the spectra from pure components
in the system (Piqueras, Duponchel, Tauler, & De Juan,
2011). In this method, a model can be written as:
D ¼ CST þ E ð1Þ
where D is the UV–Vis data matrix, C is the matrix of the relative
amounts or concentrations, ST is the pure spectra, and E is the
matrix associated with noise or experimental error (De Juan &
Tauler, 2003).
The algorithm steps include determining the number of components
in D by rank analysis methods such as Principal Component
Analysis Loadings (Valderrama et al., 2011). Then, an initial C or ST
matrix containing as many profiles as the number of components
estimated for D was constructed to start the iterative resolution
process. Here, the initial ST was determined using simple to use
interactive self modelling analysis (SIMPLISMA) (Windig, 1988).
The SIMPLISMA is a method based on the choice of the ‘‘purest’’
variables, which allows the determination of the most representative
series of different components in the experimental data set. If
the matrix rank is correctly chosen, the algorithm offers a chance
for qualitatively estimating the spectral profile of the purest components
in the system and also its relative concentrations
(Monakhova, Astakhov, Mushtakova, & Gribov, 2011). Once the
initial estimate was generated, the iterative optimisation step
was started and for each iterative cycle, the C and ST matrices were
calculated under the constraints of two least-squares steps
(Jayaramana, Mas, Tauler, & De Juan, 2012):
C ¼ DSðSTSÞ
1 and ST ¼ ðCTCÞ
1CTD ð2Þ
A reconstructed D⁄ matrix, created from the product of the
calculated CST matrices, was then compared with the original D
matrix, and the iterative optimisation continued until the convergence
criterion is achieved or until a preselected number of cycles
is reached. The convergence criterion was achieved when the
variation of results between consecutive iterations fell below a
preset threshold value or when a certain number of iterations were
exceeded. In this work the convergence criterion used was 0.1%
and 50 iterations as maximum. The constrained iterative optimisation
is carried out until convergence is achieved or until a preselected
number of cycles are reached. The standard is 10 cycles
and if after that no improvement is reached, the value found at
the first iteration cycle will be used to produce the spectra and concentration
profiles, and it would suggest that this is the most feasible
resolution to the problem.
The quality of the final MCR resolution could be assessed by
comparing the reconstructed matrix D⁄ with the raw data D
matrix. Indicators for this purpose were the lack of fit percentage
(%LOF) and percentage of variance (R2) given by the Eqs. (3) and
(4), respectively (Jayaramana et al., 2012):
%LOF ¼ 100 
ffiPffiffiffiffiffiffiffiffiffiffi
e2
ij P
d2
ij
vuut
ð3Þ
R2 ¼ 100  1 
P
e2
ij P
d2
ij
!
ð4Þ
where eij is equal to dij  d
ij (dij is an element of the raw D matrix
and d⁄ is the same element in the reconstructed D⁄ matrix).
Certain constraints must be applied during the optimisation
steps to provide meaningful shapes for the C and ST profiles and
to minimise the rotational or intensity ambiguity phenomena as
much as possible. The constraints were chemical or mathematical
properties that the C and/or ST profiles must fulfil, and calculated
profiles were modified so that they obeyed the constraint condition(
s) (Jayaramana et al., 2012). In MCR-ALS, any type of constraint,
such as non-negativity, closure, unimodality, local rank,
and trilinearity, can be easily applied to the solutions sought,
(Tauler, 1995). The constraints used in this study were non-negativity
for the concentration and spectra while closure was applied
to concentration.

ผลลัพธ์ (ไทย) 1:

2.3. Chemometric วิธีMCR ยังเป็นวิธีการ bilinear ซึ่งสันนิษฐานที่การสังเกตการรวมเชิงเส้นของแรมสเป็คตราจากส่วนประกอบที่บริสุทธิ์มีแรมสเป็คตราในระบบ (Piqueras, Duponchel, Tauler และ Juan De2011) ด้วยวิธีนี้ แบบจำลองสามารถเขียนเป็น:D ¼ CST þ E ð1Þโดยที่ D คือ เมตริกซ์ข้อมูล UV – Vis, C คือ เมตริกซ์ของญาติจำนวนหรือความเข้มข้น เซนต์แรมสเป็คตราบริสุทธิ์ และ E เป็นเมตริกซ์ที่สัมพันธ์กับเสียงหรือข้อผิดพลาดทดลอง (Juan De และTauler, 2003)ขั้นตอนอัลกอริทึมรวมถึงการกำหนดหมายเลขของคอมโพเนนต์โดยวิธีการวิเคราะห์อันดับเช่นส่วนประกอบหลักในวิเคราะห์ Loadings (วาลเดอร์รามา et al., 2011) แล้ว เริ่มต้น C การเซนต์เมตริกซ์ที่ประกอบด้วยค่ามากที่สุดเป็นจำนวนประกอบประเมินสำหรับ D ถูกสร้างขึ้นเพื่อเริ่มต้นการแก้ปัญหาซ้ำกระบวนการ ที่นี่ เซนต์เริ่มกำหนดใช้ง่ายต่อการใช้ตนเองแบบโต้ตอบการสร้างแบบจำลองการวิเคราะห์ (SIMPLISMA) (Windig, 1988)SIMPLISMA เป็นวิธีการตามทางเลือกของการ ''นี่ ''ตัวแปร ซึ่งช่วยให้ความมุ่งมั่นของพนักงานมากที่สุดชุดของส่วนประกอบต่าง ๆ ในชุดข้อมูลทดลอง หากเมตริกซ์ลำดับถูกเลือก อัลกอริทึมมีโอกาสสำหรับการประเมินค่าสเปกตรัมของคอมโพเนนต์ที่นี่ qualitativelyในระบบ และความเข้มข้นของญาติ(Monakhova, Astakhov, Mushtakova, & Gribov, 2011) ครั้งสร้างการประเมิน ขั้นตอนคุณภาพซ้ำเริ่มต้นและสำหรับแต่ละรอบซ้ำ เมทริกซ์ C และเซนต์คำนวณภายใต้ข้อจำกัดของช่องสี่เหลี่ยมอย่างน้อยสองขั้นตอน(Jayaramana มาส Tauler และ Juan De, 2012):C ¼ DSðSTSÞ1 และเซนต์¼ ðCTCÞ1CTD ð2Þสร้างขึ้นใหม่ D⁄ เมตริกซ์ สร้างจากผลิตภัณฑ์ของคำนวณเมทริกซ์ CST ถูกเปรียบเทียบกับเดิมดีแล้วเมทริกซ์ และเพิ่มประสิทธิภาพซ้ำอย่างต่อเนื่องจนถึงการบรรจบกันทำเกณฑ์หรือจน กว่าจำนวนรอบไว้ล่วงหน้าถึง เกณฑ์บรรจบกันสำเร็จเมื่อการรูปแบบของผลลัพธ์ที่ซ้ำติดต่อกันตกด้านล่างเป็นค่าขีดจำกัดที่กำหนดไว้ล่วงหน้าหรือเมื่อมีจำนวนการเกิดซ้ำเกิน ในงานนี้ เกณฑ์บรรจบกันใช้เป็น 0.1%และซ้ำ 50 เป็นสูงสุด เพิ่มประสิทธิภาพซ้ำยังมีข้อจำกัดดำเนินการ จนสำเร็จบรรจบกัน หรือจน กว่าการไว้ล่วงหน้าจำนวนรอบที่แล้ว มาตรฐานเป็น 10 รอบและถ้าหลังจากนั้น ปรับปรุงไม่ครบ ค่าที่พักรอบการเกิดซ้ำครั้งแรกที่จะใช้ในการผลิตแรมสเป็คตราและความเข้มข้นโพรไฟล์ และแนะนำว่า นี่คือเป็นไปได้มากที่สุดวิธีแก้ไขปัญหาคุณภาพของ MCR นอสามารถถูกประเมินโดยการเปรียบเทียบเมทริกซ์ที่สร้างขึ้นใหม่ D⁄ กับข้อมูลดิบ Dเมตริกซ์การ ตัวบ่งชี้นี้ได้ขาดเปอร์เซ็นต์พอดี(% LOF) และเปอร์เซ็นต์ของผลต่าง (R2) โดย Eqs ที่กำหนด (3) และ(4), ตามลำดับ (Jayaramana et al., 2012):LOF ¼ 100%ffiPffiffiffiffiffiffiffiffiffiffie2ij แค Pd2ij แคvuutð3ÞR2 ¼ 100 1Pe2ij แค Pd2ij แค!ð4Þเท่ากับ dij d eijij แค (dij เป็นองค์ประกอบของเมทริกซ์ D ดิบก d⁄ เป็นองค์ประกอบเดียวในเมตริกซ์ D⁄ สร้างขึ้นใหม่)ข้อจำกัดบางอย่างที่ต้องใช้ในระหว่างการเพิ่มประสิทธิภาพขั้นตอนเพื่อให้รูปร่างมีความหมายสำหรับโพรไฟล์ C และเซนต์ และเพื่อลดความเข้มในการหมุนหรือย่อปรากฏการณ์เป็นมากที่สุด ข้อจำกัดการถูกสารเคมี หรือทางคณิตศาสตร์คุณสมบัติ ที่โพรไฟล์ C และ/หรือเซนต์ต้องสนองความต้องการ คำนวณโพรไฟล์ถูกปรับเปลี่ยนเพื่อให้พวกเขาเชื่อฟัง(เงื่อนไขข้อจำกัดs) (Jayaramana et al., 2012) ใน MCR-ยัง ทุกชนิดของข้อจำกัดไม่ negativity ปิด unimodality ท้องถิ่น อันดับและ trilinearity ได้ใช้วิธีการค้นหา(Tauler, 1995) ข้อจำกัดที่ใช้ในการศึกษานี้ได้ไม่ใช่ negativityความเข้มข้นและแรมสเป็คตราขณะปิดใช้เพื่อความเข้มข้น

ผลลัพธ์ (ไทย) 2:

2.3 chemometric วิธี
MCR-ALS
เป็นวิธีบิลิแนร์ซึ่งสันนิษฐานว่าสังเกตสเปกตรัมมีการรวมกันเชิงเส้นของสเปกตรัมจากองค์ประกอบบริสุทธิ์ในระบบ
(Piqueras, Duponchel, Tauler และ De ฮวน,
2011) ในวิธีการนี้รูปแบบสามารถเขียนเป็น:
D ¼ CST þ E
ð1Þที่D เป็น UV-Vis
เมทริกซ์ข้อมูลซีเมทริกซ์ของญาติจำนวนหรือความเข้มข้น, ST เป็นสเปกตรัมบริสุทธิ์และ E
เป็นเมทริกซ์ที่เกี่ยวข้องที่มีสัญญาณรบกวนหรือข้อผิดพลาดในการทดลอง (เดอฮวนและ
Tauler, 2003).
ขั้นตอนขั้นตอนวิธีการรวมถึงการกำหนดจำนวนขององค์ประกอบใน D โดยวิธีการวิเคราะห์การจัดอันดับเช่นองค์ประกอบหลักวิเคราะห์แรงกระ(Valderrama et al., 2011) จากนั้นเริ่มต้น C หรือ ST เมทริกซ์ที่มีรูปแบบมากที่สุดเท่าที่จำนวนของส่วนประกอบโดยประมาณสำหรับ D ถูกสร้างขึ้นเพื่อเริ่มต้นความละเอียดซ้ำกระบวนการ ที่นี่เริ่มต้น ST ถูกกำหนดโดยใช้ง่ายต่อการใช้การวิเคราะห์แบบจำลองตัวเองแบบโต้ตอบ(SIMPLISMA) (Windig, 1988). SIMPLISMA เป็นวิธีการขึ้นอยู่กับทางเลือกของ '' บริสุทธิ์ '' ตัวแปรซึ่งจะช่วยให้การตัดสินใจของตัวแทนมากที่สุดชุดขององค์ประกอบที่แตกต่างในชุดการทดลอง หากตำแหน่งเมทริกซ์ได้รับการแต่งตั้งอย่างถูกต้องเป็นอัลกอริทึมมีโอกาสสำหรับการประเมินคุณภาพรายละเอียดสเปกตรัมขององค์ประกอบบริสุทธิ์ในระบบและยังมีความเข้มข้นญาติ(Monakhova, Astakhov, Mushtakova และ Gribov 2011) เมื่อประมาณในเบื้องต้นได้รับการสร้างขึ้นในขั้นตอนการเพิ่มประสิทธิภาพซ้ำเริ่มต้นและแต่ละรอบซ้ำที่ซีและการฝึกอบรมST ถูกคำนวณภายใต้ข้อจำกัด ของทั้งสองอย่างน้อยสี่เหลี่ยมขั้นตอน(Jayaramana, Mas, Tauler และ De ฆ 2012): C ¼DSðSTSÞ 1 และ ST ¼ðCTCÞ? 1CTD ð2Þสร้างขึ้นใหม่D/ เมทริกซ์ที่สร้างขึ้นจากผลิตภัณฑ์ของคำนวณเมทริกซ์CST ถูกเมื่อเทียบแล้วกับ D เดิมเมทริกซ์และการเพิ่มประสิทธิภาพซ้ำอย่างต่อเนื่องจนบรรจบเกณฑ์ที่จะประสบความสำเร็จหรือจนกว่าจะมีการจำนวนรอบของการไว้ล่วงหน้าถึง เกณฑ์การบรรจบกันก็ประสบความสำเร็จเมื่อรูปแบบของผลระหว่างการทำซ้ำติดต่อกันด้านล่างลดลงค่าเกณฑ์ที่กำหนดไว้ล่วงหน้าหรือเมื่อจำนวนหนึ่งของการทำซ้ำถูกเกิน ในงานนี้เกณฑ์คอนเวอร์เจนซ์ที่ใช้เป็น 0.1% และ 50 ซ้ำเป็นสูงสุด การเพิ่มประสิทธิภาพซ้ำ จำกัดจะดำเนินการจนบรรจบจะประสบความสำเร็จหรือจนกว่าจะมีการไว้ล่วงหน้าจำนวนรอบของการจะมาถึง มาตรฐานคือ 10 รอบและถ้าหลังจากนั้นไม่มีการปรับปรุงถึงค่าที่พบในวงจรซ้ำครั้งแรกจะใช้ในการผลิตสเปกตรัมและความเข้มข้นโปรไฟล์และมันจะแสดงให้เห็นว่านี้เป็นไปได้มากที่สุดความละเอียดในการแก้ไขปัญหา. ที่มีคุณภาพ ความละเอียด MCR สุดท้ายจะได้รับการประเมินโดยเปรียบเทียบD/ เมทริกซ์สร้างขึ้นใหม่ที่มีข้อมูลดิบ D เมทริกซ์ ตัวชี้วัดเพื่อการนี้มีการขาดความเหมาะสมร้อยละ(% LOF) และร้อยละของความแปรปรวน (R2) ที่กำหนดโดย EQS (3) และ(4) ตามลำดับ (Jayaramana et al, 2012.)?% LOF ¼ 100 ffiPffiffiffiffiffiffiffiffiffiffi e2 เจพีd2 เจvuut ð3Þ R2 ¼ 100? 1 P e2 เจพีd2 เจ! ð4Þที่ EIJ เท่ากับ dij? d? เจ (dij เป็นองค์ประกอบของเมทริกซ์ D ดิบและd/ เป็นองค์ประกอบเดียวกันในเมทริกซ์ D/ ใหม่). ข้อ จำกัด บางอย่างที่จะต้องนำมาใช้ในระหว่างการเพิ่มประสิทธิภาพขั้นตอนที่จะให้รูปทรงที่มีความหมายสำหรับโปรไฟล์ซีและเซนต์และเพื่อลดหมุนหรือความเข้มของปรากฏการณ์ความคลุมเครือเป็นมากที่สุดเท่าที่เป็นไปได้ ข้อ จำกัด ที่มีสารเคมีหรือทางคณิตศาสตร์คุณสมบัติที่C และ / หรือโปรไฟล์ ST ต้องปฏิบัติตามและคำนวณโปรไฟล์มีการแก้ไขเพื่อให้พวกเขาทำตามเงื่อนไขข้อจำกัด (s) (Jayaramana et al., 2012) ใน MCR-ALS, ประเภทใด ๆ ของข้อ จำกัดเช่นการที่ไม่ได้ปฏิเสธการปิด unimodality ยศท้องถิ่นและtrilinearity สามารถนำมาใช้แก้ปัญหาได้อย่างง่ายดายเพื่อขอ, (Tauler, 1995) ข้อ จำกัด ที่ใช้ในการศึกษาครั้งนี้มีที่ไม่ได้ปฏิเสธความเข้มข้นและสเปกตรัมในขณะที่ปิดถูกนำมาใช้กับความเข้มข้น

ผลลัพธ์ (ไทย) 3:

2.3 คีโมเมตริกซ์วิธี
mcr-als เป็นเลเยอร์ ซึ่งสันนิษฐานว่า วิธีสังเกตคือการรวมกันของสเปกตรัมเส้น

ในสเปกตรัมจากส่วนประกอบที่บริสุทธิ์ระบบ ( piqueras duponchel tauler , , ,
& de Juan , 2011 ) ในวิธีการนี้ เป็นโมเดลที่สามารถเขียนใหม่ได้เป็น :
d ¼ CST þ E ð 1 Þ
ที่ D คือ– UV VIS Data Matrix , C เป็นเมทริกซ์ของญาติ
ปริมาณหรือความเข้มข้น St นี้บริสุทธิ์และ E เป็น
Matrix ที่เกี่ยวข้องกับเสียงหรือข้อผิดพลาดทดลอง ( de Juan &
tauler , 2003 ) .
ขั้นตอนวิธีการขั้นตอน รวมถึงการกำหนดจำนวนขององค์ประกอบ
D โดยวิธีวิเคราะห์องค์ประกอบหลักอันดับ เช่น
การวิเคราะห์ภาระ ( Valderrama et al . , 2011 ) แล้วเริ่มต้น C หรือเซนต์
เมทริกซ์ที่มีหลาย รูปแบบ เป็นหมายเลขของคอมโพเนนต์
ประมาณการสำหรับ D คือเริ่มขั้นตอนละเอียด
ซ้ำ ที่นี่ เริ่มต้นและเริ่มต้นการพิจารณาใช้ง่าย
การวิเคราะห์แบบตนเองแบบโต้ตอบ ( simplisma ) ( windig , 1988 )
simplisma เป็นวิธีการขึ้นอยู่กับทางเลือกของ ' ' ' 'purest
ตัวแปร ซึ่งจะช่วยให้ปริมาณของชุดตัวแทน
ส่วนใหญ่ขององค์ประกอบที่แตกต่างกันในข้อมูลชุด ถ้า
เมทริกซ์ตำแหน่งถูกต้องเลือกอัลกอริทึมที่เสนอโอกาส
สำหรับคุณภาพประมาณโปรไฟล์ของสเปกตรัมของบริสุทธิ์ส่วนประกอบในระบบ และยัง

ความเข้มข้นของญาติ ( monakhova astakhov mushtakova & gribov , , , , 2011 ) เมื่อ
ประมาณการครั้งแรกที่ถูกสร้างขึ้น , เพิ่มประสิทธิภาพของขั้นตอน
เริ่มต้นและแต่ละซ้ำรอบ , C )
เซนต์เมทริกซ์คำนวณภายใต้ข้อจำกัดของวิธีสองขั้นตอน
( jayaramana , Mas , tauler &เดอ , ฮวน , 2012 ) :
b ¼ DS ð STS Þ
 1 และเซนต์¼ð CTC Þ
 1ctd ð 2 Þ
ทำขึ้นใหม่ D ⁄เมทริกซ์ที่สร้างขึ้นจากสินค้าของ CST
คำนวณเมทริกซ์ คือ แล้วเทียบกับต้นฉบับ D
Matrix , และเพิ่มประสิทธิภาพซ้ำอย่างต่อเนื่องจนบรรจบ
เกณฑ์ได้ หรือจนกว่าจำนวนของรอบ
ไว้ล่วงหน้าถึง การลู่เข้าเกณฑ์สําเร็จเมื่อ
ความผันแปรระหว่างผลการทำซ้ำติดต่อกัน ลดลงต่ำกว่าเกณฑ์ที่ตั้งไว้เป็นค่า
หรือเมื่อจํานวนซ้ำอยู่
เกิน ในงานนี้บรรจบเกณฑ์ใช้ 0.1 %
5 รอบเป็นสูงสุด การบังคับของ Optimisation
จะดําเนินการจนบรรจบกันได้ หรือจนกว่าตัวเลขไว้ล่วงหน้า
รอบของจะถึง มาตรฐานเป็น 10 รอบ
และถ้าหลังจากนั้นไม่มีการปรับปรุงถึงค่าที่พบใน
วงจรซ้ำก่อนจะถูกใช้ในการผลิตแสงและความเข้มข้น
โปรไฟล์ และมันจะแสดงให้เห็นว่านี้คือ ความละเอียดที่เป็นไปได้

ส่วนใหญ่ปัญหาคุณภาพความละเอียดตำแหน่งรองสุดท้าย อาจจะประเมินโดยเปรียบเทียบข้อมูลเมทริกซ์ D
D
⁄กับข้อมูลดิบ เมทริกซ์ ตัวชี้วัดสำหรับวัตถุประสงค์นี้คือ ขาดพอดี ร้อยละ
% ลอฟ ) และค่าร้อยละของความแปรปรวน ( R2 ) ที่ได้รับจาก EQS . ( 3 ) และ ( 4 ) ตามลำดับ (
jayaramana et al . , 2012 ) :
% ลอฟ¼ 100 

E2
p
ffipffiffiffiffiffiffiffiffiffiffi IJ IJ D2

3

vuut ðÞ R2 ¼ 100  1 
p
E2
p
D2
IJแอลเจ
!

ð 4 Þที่ eij เท่ากับ dij  D 
ij ( dij เป็นองค์ประกอบของวัตถุดิบ D และ D เมทริกซ์
⁄เป็นองค์ประกอบเดียวกันในระด⁄ matrix )
บางข้อจำกัดต้องใช้ในระหว่างขั้นตอนการเพิ่มประสิทธิภาพ
ให้รูปร่างอย่างมีความหมายสำหรับ C และโปรไฟล์และเซนต์
เพื่อลดการหมุนหรือความเข้มระดับปรากฏการณ์เป็น
มากเท่าที่จะเป็นไปได้ ปัญหาคือ เคมี และคณิตศาสตร์
คุณสมบัติที่ C และ / หรือโปรไฟล์เซนต์จะต้องปฏิบัติตาม และโพรไฟล์คำนวณ
ดัดแปลงเพื่อให้พวกเขาทำตามเงื่อนไขบังคับ (
) ( jayaramana et al . , 2012 ) ใน mcr-als , ชนิดของข้อจำกัดใด
ไม่เช่นการปฏิเสธ , การปิด , unimodality ระดับท้องถิ่น และ trilinearity
สามารถได้ง่ายใช้กับโซลูชั่นขอ
( tauler , 1995 ) ปัญหาที่ใช้ในการศึกษา คือ ไม่ปฏิเสธ
สำหรับความเข้มข้นและสามารถใช้ในขณะที่การปิด
เพื่อความเข้มข้น