стадії накопичення, спостерігається і в потенциометрическом інверсійному аналізі, в якому осад окислюється хімічно. Ці заважають фактори можна зменшити, якщо поверхня електрода покрити пористими мембранами, захисним шаром гелю або плівкою полімеру. У адсорбційної інверсійної вольтамперометрії чужорідні поверхнево-активні речовини або конкурують з накопичують, або діють синергетично [2].
2. Методи обробки даних
.1 Метод головних компонент
Представлення даних у вигляді матриць
Метод головних компонент (МГК) - це хемометріческій інструмент, що дозволяє розділити матрицю експериментальних даних на дві частини: змістовну і шум. Виявляючи і моделюючи «приховані закономірності» вольтамперометрических даних, МГК дозволяє перевести багатовимірні дані в нову систему координат - систему головних компонент, початок якої лежить у центрі області даних, а сам напрямок головних компонент визначається прихованими закономірностями, існуючими в області експериментальних даних. Таким чином модель головних компонент - це апроксимація матриці експериментальних даних (модель вольтамперограмм досліджуваних розчинів), яку ми використовуємо замість вихідних вольтамперограмм. Така заміна корисна для інтерпретації вольтамперометрических даних і дозволяє побачити взаємозв'язок, схожість і відмінність між досліджуваними зразками на основі вольтамперограмм, отриманих в системі розділених осередків, так як кожен зразок в системі головних компонент має свої координати (своє розташування), звані рахунками.
Для застосування МГК вихідні дані піддають попередній підготовці - центрування і нормировке. Це необхідно тому, що область експериментальних даних, для якої будується модель головних компонент може містити змінні, значення яких відрізняється на порядок і лежать в широкому діапазоні.
Для перевірки моделі використовується різні методи - перевірка за допомогою контрольного набору і перехресна перевірка.
Матрицю X, що складається з n зразків і p змінних, тобто матрицю розмірності n на p часто називають «матрицею даних», «набором даних» або просто «даними». Як зразки можуть виступати спостереження, експерименти, будь-які об'єкти, а в якості змінних - зазвичай результати якихось «вимірювань» зразків, їх властивості. Дуже важливо те, що набір p змінних характеризує як кожен зразок окремо, так і всі n зразків разом. Точна структура матриці X - інакше кажучи, питання про те, «які змінні для якого набору зразків потрібно використовувати" - повністю залежить від поставленого завдання. Одним з головних достоїнств МГК є те, що для будь матриці X можна використовувати практично необмежену кількість змінних.
МГК поділяє матрицю даних X на дві частини: «змістовну» і «шум». Метою будь-якого багатовимірного аналізу є декомпозиція (розкладання) даних, що дозволяє виявити і промоделювати їх «приховані особливості». При цьому важливу роль відіграє поняття «зміна значень». Основним припущенням, яке використовують при знаходженні таких «прихованих закономірностей», є те, що напрямки, в яких відбуваються найбільші зміни в даних, так чи інакше пов'язані з цими закономірностями. «Зміни» - це розкид даних уздовж центральної осі, яку можна представити деякою «новою змінною», званої першої головної компонентою і обозначаемой РС1 від англ. pr...
