hrvatski

NELINEARNA KALIBRACIJA U IONSKOJ KROMATOGRAFIJI S PULSNOM AMPEROMETRIJSKOM DETEKCIJOM

Kroz povijest glavnina analitičkih metoda temeljila se na linearnim kalibracijskim ovisnostima, tj. ovisnostima kod kojih je odziv analitičkog instrumenta izravno proporcionalan količini mjerene tvari. Razvojem novih analitičkih tehnika separacije i detekcije, analitičari su sve češće nailazili na sustave čije vladanje nisu mogli opisati linearnošću. Takvi sustavi su i smjese kromatografski nerazdvojivih analita. Ovaj rad bavi se problematikom kalibracije jednog takvog sustava, konkretno smjese 29 ugljikohidrata analiziranih na ionskom kromatografu uz pulsnu amperometrijsku detekciju. Zbog sličnog ponašanja dijela analiziranih ugljikohidrata u kromatografskoj koloni (kao posljedica sličnosti molekulskih struktura), ali i brojnosti analiziranih spojeva nerealno je očekivati potpunu razdvojenost svih 29 komponenti. Stoga ovisnost kromatografskog odziva o promjeni koncentracije analita, neovisno o koncentracijskom području, je uglavnom nelinearna funkcija, jer u sebi sadržava združene odzive svih komponenti koje potpuno ili djelomično eluiraju pri nekom vremenu analize. Analize potrebne za nelinearnu kalibraciju provedene su izokratno uz jakost eluensa od 6 mM KOH. Spomenuta optimalna izokratna elucija odabrana je korištenjem izokratnog modela vremena zadržavanja izrađenog u programskom paketu OptIC koristeći svega tri eksperimentalno određena parametra vremena zadržavanja (log k) po komponenti. Snimljeni kromatogrami razdijeljeni su na 8 segmenata i svaki od njih je zasebno kalibriran. Za potrebe nelinearne kalibracije na segmentima su korištene umjetne neuronske mreže (višeslojni perceptron s jednim skrivenim slojem i sigmoidnom aktivacijskom funkcijom) različitih izvedbenih značajki (broj neurona u skrivenom sloju i algoritam za treniranje). Rezultati istraživanja ukazali su na adekvatnost primjene umjetnih neuronskih mreža što je u skladu s opće prihvaćenom percepcijom o umjetnim neuronskim mrežama kao univerzalnim matematičkim aproksimatorima. Uočeno je da kvaliteta rezultata predviđanja ovisi o kompleksnosti promatranog segmenta (preklopljenost pikova i brojnost komponenti), a kompleksnost segmenta ujedno zahtjeva i složenije strukturu neuronske mreže, tj. veći broj neurona u skrivenom sloju.

ionska kromatografija; analiza ugljikohidrata; nelinearna kalibracija

nije evidentirano