Chemometrie

 

Aufgabenstellung der Chemometrie ist die Bestimmung der Eigenschaften von Substanzen und Systemen, welche nur schlecht direkt messbar sind. Ziel ist hierbei die Modellierung von linearen und nichtlinearen Zusammenhängen, die Klassifikation von Objekten, die Identifikation von signifikanten Merkmalen und die Visualisierung von komplexen Daten.

Methoden

  • Modellierung mit statistischen Methoden (PCA, MLR, PCR, PLS, QPLS)
  • Modellierung und Klassifikation mit Neuronalen Netzen
  • Klassifikation durch SOM, LVQ, SIMCA, LDA
  • Variablenselektion mit Genetik-, Pruning- und Greedy-Algorithmen
  • Optimierung mit Hilfe experimenteller Versuchsplanung

Anwendungsbeispiele

  • Quantifizierung von Multianalytgemischen mit Hilfe von zeitaufgelöste Sensormessungen in der Gasphase
  • Auswertung von Biosensordaten mit Neuronalen Netzen
  • Identifizierung von Trends aus hochvariablen Datensätzen (Projekt Aquaterra)
Literatur:
  • Different approaches to multivariate calibration of nonlinear sensor data, F. Dieterle, S. Busche, G. Gauglitz, Analytical and Bioanalytical Chemistry (2004), 380(3), 383-396
  • Growing neural networks for a multivariate calibration and variable selection of time-resolved measurements, F. Dieterle, S. Busche, G. Gauglitz, Analytica Chimica Acta (2003), 490(1-2), 71-83
  • Genetic algorithms and neural networks for the quantitative analysis of ternary mixtures using surface plasmon resonance F. Dieterle, B. Kieser, G. Gauglitz, Chemometr Intell Lab 65, 67-81 (2003)
  • Multi-analyte assay for triazines using cross-reactive antibodies and neural net-works, S. Reder, F. Dieterle, H. Jansen, S. Alcock, G. Gauglitz, Biosens Bioelectron 19, 447-455 (2003)
  • Urinary Nucleosides as Potential Tumor Markers Evaluated by Learning Vecto Quantization, F. Dieterle, S. Müller-Hagedorn, H. Liebich, G. Gauglitz, Artif Intell Med 28, 265-279 (2003)