A.M.C.戴维斯
诺里奇近红外咨询公司75年Intwood路,Cringleford,诺维奇NR4 6 aa,英国
介绍
我在最后一列开始修订基本化学计量学。1在本专栏中,我将讨论一些解释的结果由主成分分析(PCA)本修订计划的两个部分。
PCA是一个最好的理解介绍化学计量学的世界我们发明的地方新变量从旧变量的组合旋转数据发现更多有用的视图的结构。PCA的研究可以合理仅仅获得这些见解,但实际上它是最有用的工具之一在最优化工具箱!
看数据结构
我要用一个很好的例子证明PCA,这源于我的朋友Tormod Næs伊萨克松和托马斯。2他们花了三个化工、酪蛋白、葡萄糖和乳酸钙,使所有可能的混合5%的变异,如图1所示。
图1所示。试验设计生产酪蛋白的混合物,葡萄糖和乳酸。每个顶点对应一个样本。
然后他们测量了所有231的NIR光谱混合物。近红外光谱是纠正使用乘法散射散射校正,然后进入主成分分析程序。图2中的分数情节是前两个主成分(pc)。很明显的三角形分布样本的两个情节是相关的。事实上,数据已经翻转和旋转!你可以看到这个,因为标签和你也可以通过了解看看的身份极端样本(每个应该是由于100%的纯成分),但我们还可以检查通过载荷信息。有一些地区分布不太完美。这可能是由于重量非常小的错误或小于最佳混合。它也可能是由于一些成分之间的相互作用。这些领域需要进行进一步实验,看看变化时稳定的重复与额外的样品准备新的称量和混合。 However, this is not our present interest but it is another insight into the information content of scores plots. They really are very useful. Our interest is to understand how PCA has achieved this result and the way we do that is to compare the spectra and the loadings of the PCs.
图2。PCA分数情节scatter-corrected NIR光谱产生的231年的混合物。
图3 - 5是纯的光谱成分。如果我们认为图2上的标签是正确的然后我们看到PC1主要是测量葡萄糖增加所以我们希望PC1载荷将类似于血糖谱。然而,我们需要记住的东西从早些时候列;PCA是第一操作中心(平均定心)的数据。因此而不是观察血糖谱,我们必须看看葡萄糖- 231的平均光谱光谱。这是它下面如图6和图7是PC1的载荷图。这两个情节看上去高兴地相似。
图3。近红外光谱纯葡萄糖。
图4。纯酪蛋白的近红外光谱。
图5。纯乳酸的近红外光谱。
图6。葡萄糖的mean-centred频谱。
图7。PC1载荷图。
如果我们看的载荷图如图8 PC2看起来更复杂的比酪蛋白或乳酸的光谱。答案是想发生了什么当我们移动PC2方向如图2所示。我们正从酪蛋白浓度高乳酸浓度高,这表明PC2方向相关的差异这两个成分的浓度。如果我们比较PC2加载图在图8中乳酸与酪蛋白的区别和光谱图9中我们又发现一个令人惊讶的协议。我觉得很奇怪,所以我希望你做的!
图8。加载PC2情节。
图9。之间的区别的NIR光谱纯酪蛋白和乳酸样本。
结论
这当然是一个近乎完美的,设计实验;与现实生活中的样本可能不太明确,您可能需要测试不同找到最可能的解释。你也已经意识到PCA不仅发现底层光谱纯的化合物,在现实生活中你需要谨慎的解释和不寻常的发生做好准备。鉴于警告之后,我向你保证能完成的这是一种非常有用的技术,确实工作和可以提供关键的化学信息。这是化学计量学的目的!
确认
我很高兴能够感谢Tormod和托马斯的使用他们的数据。我和汤姆讨论了本专栏的轮廓费恩看来但他最近不舒服,现在他恢复但度假。他没有机会查看列我愿意加入他的名字;我可能做了一些可怕的错误,他会指责!相反,我要感谢他给我的所有帮助许多这些列,我从他那里学到的,多年来,我试图传递给你!
引用
- A.M.C.戴维斯半岛综合体育官方APP下载德甲光谱学欧洲bdapp官方下载安卓版16 (6),20 (2004)。
- t .伊萨克松Næs和t .近红外光谱的新闻3 (3),7 (1992)。
请注意
类似的这些数据已经发表在这本书中说:
t . Næs伊萨克松t, t·费恩看来,t·戴维斯,一个用户友好的多元校正和分类指南。近红外光谱出版物,奇切斯特(2002)。https://doi.org/10.1255/978 - 1 - 906715 - 25 - 0
