NEU-2001

Современные спектральные приборы, управляемые компьютерами и использующие для многоканальной регистрации излучения ПЗС-, ПЗИ- и фотодиодные линейки и матрицы (ТТД), достигли достаточного совершенства, чтобы автоматизировать рутинные методики многоэлементного прямого АЭА твердых образцов, использующие фотографическую регистрацию и визуальную интерпретацию спектров. К особенностям визуальной интерпретации следует отнести: обработку огромных массивов данных, учет аппаратного дрейфа, спектральных и неспектральных помех за счет применения избыточной информации и накопленного опыта.

Чтобы использовать преимущества многоканальной регистрации спектров, необходимо унифицировать приемы и автоматизировать процессы обработки спектральной информации. Однако, для прямого АЭА отсутствуют теоретически обоснованные и хорошо согласующиеся с экспериментальными данными вычислительные модели. Построение алгоритмов для решения задачи прогноза содержаний элементов в пробах неизвестного состава упирается в сложность учета всех возможных сочетаний факторов, влияющих на результат. С другой стороны, обширный запас экспериментальных данных можно достаточно быстро накопить с помощью современных спектральных приборов.

При решении вычислительных задач автоматизация обработки спектров в многоэлементном АЭА состоит из двух этапов: 1) расчет по зарегистрированным интенсивностям спектральных линий зависимых признаков (оптимизированных аналитических параметров – АП), максимально учитывающих особенности спектральной аппаратуры и изменения валового химического состава исследуемых образцов; 2) поиск градуировочной зависимости (функции отклика) по выбранным оптимальным АП, рассчитанным и внесенным в таблицу экспериментальных данных.

На основе теории информации была разработана модель аналитического параметра спектральной линии, описывающая статистические свойства сигнала как случайной величины и учитывающая особенности спектрального прибора и химического состав исследуемых образцов путем отбора непересекающихся подмножеств классификационных признаков. В рамках непараметрической статистики сформулирована и решена многокритериальная задача по выбору оптимального АП из любого количества задаваемых вариантов.

Из-за отсутствия компьютерного аналога визуальной интерпретации, были испытаны различные одно- и многомерные модели градуирования, включая регрессию на главных компонентах и нейросеть. Для сравнения качества их прогнозов в обучающей и тестирующей выборках был предложен ранговый критерий.

Выполненное сопоставление показало приоритет многомерных моделей градуирования. Нейросеть, осуществляющая нелинейную многомерную регрессию с регулируемой гладкостью и использующая для интерполяции один из вариантов многомерных представлений в виде интегралов Фурье, оказалась наиболее перспективной моделью для автоматизации процесса градуирования АЭА, вероятно, благодаря тому, что обучение по представительной выборке образцов является единственно эффективным способом подготовки спектроскопистов при овладении визуальной интерпретацией атомно-эмиссионных спектров.