论文部分内容阅读
复杂样品的分离分析是目前分析化学的热点和难点之一。色谱作为最常用的工具,通常与质谱、红外等仪器组合使用形成不同的分离手段。然而尽管随着仪器的不断发展,可以获得更精确的定量结果,但待分析的组分也越来越复杂,只依赖改善柱效和优化分离条件难以实现完全分离,出现重叠峰的现象几乎是不可避免的,尤其是结构或性质类似的多组分系统,它们的分配平衡过程相似,分配行为导致谱图经常重叠且峰形相似。因此对重叠峰现象从结果上解析和准确定量是色谱研究中的重点和难点之一。传统的垂线法和切线法实现色谱定量存在明显缺陷,这鼓励人们寻找新的重叠峰解析方法。随着化学计量学的发展,越来越多的应用于重叠峰解析的领域。常用的化学计量学方法包括多元校正方法、傅里叶变换、小波变换、人工神经网络等。研究表明,这些算法都可以对重叠峰进行有效的解析,但都存在计算过程复杂、引入过多人为假设、易产生错误等缺点。本文介绍了一种解析与精确定量重叠色谱峰的新方法,即平移修正迭代法。该方法分别经过模拟色谱峰和实验得到的真实农药样品造成的重叠峰的检验,结果在比较宽的范围内的重叠峰均得到很好的解析结果。与其他三种在解析重叠峰中目前常用的模型进行了全面系统的对比,本文提出的方法具有迭代速度快、收敛性好、准确性和可靠性高等特点。本文还在该方法的基础上提出了新的改进方法,即“学习模式”,改进后的方法扩大了重叠峰的适用范围,提高了精确性。该方法具有坚实的理论支撑,从结果分析该方法具有很好的可靠性和准确性,将成为一种很有前景的解析重叠峰的新方法。