锤子
裂解气相色谱系列讲座(10) 裂解色谱的数据处理(1) 裂解谱图的数据处理是 PyGC 分析最后一步,也是分析成功的关键性一步, 用 PyGC 数据进行样品鉴定时更是如此。在裂解产物较少的情况下,谱图比较简单,仅凭直观就能判断两张谱图是否相同。但在大多数情况下,裂解谱图相当复杂,色谱峰多达几十甚至上百个,这时靠直观就不能解决问题,而必须用定量的方法来描述两张谱图的相似程度。毛细管色谱中的数据处理方法也适用于 PyGC,但 PyGC分析还需要一些特殊的数据处理方法。特别是化学统计学的应用 ,如模式识别、因子分析、多元曲线和相似指数等方法可以揭示谱图间的微小差异。这些方法往往要借助计算机来实现。这里仅对最基本的PyGC 数据处理方法作一简要介绍,至于高级的数据处理方法可参看有关专著。 1.保留时间标准化 在 PyGC 分析中由于色谱柱效和操作参数会逐渐有所变化,所以同一裂解产物的保留时间不可能在每一次分析中都严格重复。这样在利用计算机进行谱图自动比较时,为保证准确识别相应的色谱峰,就必须设定一个保留时间范围而不是一个特定值。解决这一问题的方法就是保留时间的标准化。所谓保留时间标准化,就是选择一些参照色谱峰对裂解产的保留时间进行校正,这与 GC 保留指数有相似之处。所不同的是采用正构烷烃作参照峰,而 PyGC 保留值标准化选择裂解谱中的色谱峰做参照。在理想情况下,所选择的参照蜂应在比较的谱图上都存在.而且要是完全分离的、峰高值较大的、容易鉴定的。此外,在所比较的谱图上,这些参照峰的相对比率还应大致相同。如果这些条件不能满足,还可以在裂解样品中加入内标物如脂肪酸甲酯或烃类化合物,就参照峰的个数而言,最少需要两个.但是对于分析时间长的复杂的裂解谱图来说,所选的参照峰应分布在整个谱图上,有人曾采用过七个参照峰进行对比。
打开失败或需在电脑查看,请在电脑上的资料中心栏目,点击"我的下载"。建议使用手机自带浏览器。