Оптимизация без распознавания компоненто

Оптимизация с ограниченным распознаванием компонентов. При оптимизации градиента в рамках подхода Снайдера характеристики индивидуальных компонентов в основном не учитываются. Оптимальная форма градиента определяется фазовой системой, а оптимальный наклон обычно оценивается при помощи простых правил из характеристик удерживания разделяемых веществ (например, допуская 5 = 7 для малых молекул, как это было сделано ранее). К особенностям образца адаптируются только начальные и конечные условия. [c.344]

Чтобы достичь этой цели, разработчикам необходимо исходить из противного, т. е. они должны быть обеспечены гибким, совершенным оборудованием, включая разнообразные детекторы, инжекторы, устройства для программируемого изменения температуры и состава растворителей и т. д. Очень полезны многоканальные детекторы. Они могут оказать помощь в распознавании различных компонентов образца, когда отвечающие им пики в процессе оптимизации селективности меняют свое положение на хроматограмме (разд. 5.6). [c.28]

Проблема распознавания на хроматограмме индивид аль-ных компонентов по ходу процесса оптимизации осложняется тем, что возможно значительное перекрывание пиков на хроматограммах. Если бы такое перекрывание не наблюдалось, то в процедурах оптимизации не было бы нужды. Иными словами, оптимизационные процедуры наиболее полезны для наиболее сложных задач распознавания индивидуальных пиков. В данном разделе будут обсуждаться различные пути получения необходимых данных. [c.292]

Вполне понятно, что основной информацией, необходимой для надежного распознавания всех пиков в процессе оптимизации разделения, являются спектры чистых компонентов и индивидуальные пики компонентов (профили элюирования). Метод, применяемый для получения как спектральных, так и хроматографических данных, включает применение математического метода, называемого анализ основного компонента (АОК) [92]. Этот метод основан на законе Бэра и положении об аддитивности спектров поглощения. Поглощение (Л) в момент времени 1 при длине волны Я описывается уравнением [c.302]

Из табл. 5.7г следует, что параллельные интерпретативные методы являются весьма многообещающими применительно к оптимизации селективности, однако они могут быть серьезно усовершенствованы, если направить усилия на 1) формулирование моделей, базирующихся на основательной хроматографической теории 2) улучшение компьютерных методов локализации глобального оптимума в многомерном параметрическом пространстве 3) автоматизацию процедур распознавания индивидуальных компонентов на каждой хроматограмме. [c.307]

Систематическая оптимизация программных параметров. Оптимизация без распознавания хроматографируемых компонентов. Разработанная Снайдером концепция линейного градиента силы элюента (см. также разд. 5.4.2 и 6.2.2) включает оптимизацию как формы, так и наклона градиентов. Форма такого градиента определяется [c.342]

Заключение. Характеристики различных методов оптимизации градиента суммированы в табл. 6.5. В табл. 6.5, а сравниваются различные методы оптимизации программных параметров. Учитывая сделанное в разд. 6.3.2.4 заключение о нежелательности больших усилий по оптимизации программируемого анализа, мы можем заключить, что симплекс-метод непригоден именно по этой причине, а полная математическая оптимизация малопривлекательна из-за необходимости выполнения большого объема вычислительных работ. Метод, предложенный Яндерой и Чурасеком, требует несколько больших усилий, чем метод Снайдера. Он предусматривает выполнение ряда расчетов, распознавание на каждой из хроматограмм трех выбранных компонентов и знание зависимости удерживания от состава подвижной фазы для этих компонентов. Такого рода зависимости могут быть получены либо в ходе оптимизации, либо из независимых (изократических) эксперимеитов. [c.359]

Справочник химика 21

Химия и химическая технология