Abstract: Mit modernen instrumentell-analytischen Methoden, oft mit Multikomponenten- bzw. Multielementcharakter, werden in kurzer Zeit in meist vielen Proben zahlreiche interessierende Merkmale analysiert. Dabei entstehen große, unübersichtliche Datenmengen, die häufig durch ihren mehrdimensionalen Charakter bestimmt sind. Methoden der Chemometrik helfen effizient, optimale Experimente und Messungen zu planen und aus den erhaltenen analytischen Ergebnissen ein Maximum an relevanter Information zu extrahieren. Sie sollten folglich zum alltäglichen Instrumentarium in der Analytik gehören.
Das breite Methodenfeld der Chemometrik wird an Hand von aussagekräftigen Fallstudien vorgestellt. Der Schwerpunkt der Ausführungen liegt in der Darstellung des Nutzens der angewendeten chemometrischen Methoden. Grundlagen werden nur insoweit behandelt, als sie zum Verständnis der jeweiligen Methode unumgänglich sind.
Nach einer kurzen Einführung zur Entstehung und den Arbeitsfeldern der Chemometrik sowie einem Überblick über deren Methoden und den daraus resultierenden Zielstellungen wird auf die Anwendung chemometrischer Methoden, speziell der Varianzanalyse, am Beginn des analytischen Prozesses zur Quantifizierung der Unsicherheit der Probennahme eingegangen. Anschließend werden chemometrische Methoden während der Analyse zur Signalbehandlung am Beispiel der Verbesserung des Signal-Rausch-Verhältnisses durch Anwendung der Wavelet-Transformation und zur multivariaten Kalibration mittels Partial-least-squares-(PLS)-Regression am Beispiel der NIR-spektroskopischen Analyse genutzt.
Methoden der multivariaten Datenanalyse werden zur Aus- und Bewertung sowie Interpretation von komplexen Daten am Beispiel von Umweltuntersuchungen vorgestellt und diskutiert. Mit Methoden des Aunsupervised learning@, typischerweise in den Techniken der Clusteranalyse realisiert, werden erste Strukturen in hochdimensionalen Datensätzen aufgedeckt. Beim Vorliegen von A-priori-Informationen kann die Existenz derartiger Strukturen, Cluster bzw. Klassen durch Anwendung von Klassifikationsverfahren statistisch gesichert bestätigt werden.
Statistische Methoden zur Hypothesenbildung, wie Faktoren- bzw. Hauptkomponentenanalyse, sind nützliche Werkzeuge, um Zusammenhänge zwischen gemessenen Merkmalen aufzudecken. Die Dimensionalität von Datensätzen kann dabei oft erheblich reduziert werden. Kausal interpretierbare Hintergrundgrößen werden extrahiert. Die PLS-Regression wird als effizientes Mittel zur statistischen Modellbildung bei der Beschreibung komplexer Zusammenhänge zwischen verschiedenen Datensätzen eingesetzt.
Abschließend wird ein kurzer Überblick über neue Methoden der Chemometrik sowie deren weitere Entwicklung gegeben.
Information on participating / attending:
Einladende: Prof. Dr. Fritz Scholz und
PD Dr. Heike Kahlert, Vorsitzende des Ortsverbandes der GDCh
hkahlert@uni-greifswald.de
Date:
06/04/2015 17:15 - 06/04/2015 18:15
Event venue:
Institut für Biochemie, Großer Hörsaal
Felix-Hausdorff-Straße 4
17489 Greifswald
Mecklenburg-Vorpommern
Germany
Target group:
Scientists and scholars, Students
Relevance:
transregional, national
Subject areas:
Chemistry
Types of events:
Presentation / colloquium / lecture
Entry:
05/12/2015
Sender/author:
Sabine Köditz
Department:
Presse- und Informationsstelle
Event is free:
no
Language of the text:
German
URL of this event: http://idw-online.de/en/event50899
You can combine search terms with and, or and/or not, e.g. Philo not logy.
You can use brackets to separate combinations from each other, e.g. (Philo not logy) or (Psycho and logy).
Coherent groups of words will be located as complete phrases if you put them into quotation marks, e.g. “Federal Republic of Germany”.
You can also use the advanced search without entering search terms. It will then follow the criteria you have selected (e.g. country or subject area).
If you have not selected any criteria in a given category, the entire category will be searched (e.g. all subject areas or all countries).