微信扫一扫
点击次数:2178 发布时间:2018/7/24 17:38:53
气相色谱仪重叠峰分解问题的高维性和高度非线性,使计算需要很长时间,一般只适用于事后处理。高维问题不仅使得算法速度很低,而且对算法的收敛性也有很大的影响。这是由于目标函数中常常存在局部极小点,参数优化过程往往陷于局部极小点内不能自拔,不能收敛到全局最小点。气相色谱仪子峰个数越多,模型参数越多,则目标函数中局部较小点的个数越多。梯度下降算法每次都是向改进解的方向搜索,这种“贪心”算法往往导致只能找到一个局部最优解,而不是全局最优解。具有优化功能的人工神经网络可以解决局部极小点的问题。
由于各种因素导致气相色谱仪色谱图中往往存在谱峰重叠的现象。显然,谱峰的重叠对组分的定性和定量分析有直接的负面影响,所以对物理上无法分开的重叠峰进行数学上的分解是色谱数据处理中不可回避的问题。理论及实验均证明,在线性范围并且操作条件相同时,组分单独存在时的气相色谱仪谱峰与混合物中该组分的谱峰相同,这样就为数学上分解物理上未实现分离的重叠峰提供了理论依据。研究气相色谱仪重叠峰分解问题的目的就是利用数学手段把通过仪器未能完全分离的谱峰给以分解。
浙公网安备 33010602009534号
技术支持 : 阿仪网