Advertisement

Chemometrik pp 156-175 | Cite as

Planung und Optimierung chemischer Experimente und Messungen

Chapter
  • 255 Downloads

Zusammenfassung

Untersuchungen und Experimente zur Gewinnung von analytischen Daten müssen im Hinblick auf die spätere Auswertung systematisch geplant werden, damit Ergebnisse erhalten werden können, die für die Problemstellung relevant sind. Ein Ziel der statistischen Versuchsplanung (SVP) ist die Einflussgrößenermittlung, vor allem in Verbindung mit der Varianzanalyse. Hierbei wird untersucht, welche Variable bzw. Variablenkombinationen einen Einfluss auf das Ergebnis der Untersuchung haben und wie dieser Einfluss quantifiziert werden kann. Weiterhin werden Methoden der SVP bei Optimierungen (Abschn. 5.2) und zur Auswahl repräsentativer Datensätze für multivariate Modelle, z. B. für Kalibration oder Klassifikation, bei einer möglichst geringen Anzahl von Proben, herangezogen. Eine Einführung in die SVP findet sich bei Bandemer und Bellman Deming und Morgan sowie Bayne und Rubin behandeln die Versuchsplanung unter Berücksichtigung chemischer Fragestellungen.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. 1.
    Bandemer H, Bellmann A (1994) Statistische Versuchsplanung. 4. Aufl. Teubner, StuttgartGoogle Scholar
  2. 2.
    Deming SN, Morgan SL (1993) Experimental design: A chemometric approach, 2nd ed. Elsevier Science Publishers BV, AmsterdamGoogle Scholar
  3. 3.
    Bayne CK, Rubin IB (1986) Practical experimental designs and optimization methods for chemists. VCH, Deerfield Beach, FLGoogle Scholar
  4. 4.
    Milliken GA, Johnson DE (1984) Analysis of messy data, vol I Designed Experiments. Van Nostrand Reinhold, New York, NYGoogle Scholar
  5. 5.
    Liebich V, Ehrlich G, Herrmann U, Siegert L, Kluge W (1992) Fresenius J Anal Chem 343: 251CrossRefGoogle Scholar
  6. 6.
    Danzer K, Doerffel K, Ehrhardt H, Geißler M, Ehrlich G, Gadow P (1979) Anal Chim Acta 105:1CrossRefGoogle Scholar
  7. 7.
    Einax JW, Zwanziger HW, Geiß S (1997) Chemometrics in Environmental Analysis, Wiley/VCH, WeinheimCrossRefGoogle Scholar
  8. 8.
    Nelder JA, Mead A (1965) A Simplex Method for Function Minimization. Comput J 7: 308–313CrossRefGoogle Scholar
  9. 9.
    Heistermann J (1994) Genetische Algorithmen. Teubner, StuttgartCrossRefGoogle Scholar
  10. 10.
    Goldberg, DE (1989) Genetic Algorithms in Search, Optimization and Machine Learning. Addison-Wesley, NewYorkGoogle Scholar
  11. 11.
    Schönburg E, Heinzmann F, Feddersen S (1994) Genetische Algorithmen und Evolutionsstrategien. Addison-Wesley, BonnGoogle Scholar
  12. 12.
    Khuri S, Back T, Heitkötter J (1994) An evolutionary approach to combinatorial optimization problems. Proceedings of CSC ’94, Phoenix AZGoogle Scholar
  13. 13.
    Forrest S (1993) Genetic algorithms: principles of natural selection applied to computation. Science 261: 872CrossRefGoogle Scholar
  14. 14.
    Back T, Hoftmeister F, Schwefel HP (1992) Applications of Evolutionary Algorithms. System Analysis Research Group University of Dortmund Technical Report No. SYS-2/92, DortmundGoogle Scholar
  15. 15.
    Come D, Fang HL, Mellish C (1993) Solving the module exam scheduling problem with genetic algorithms. In: Chung PWH, Lovegrove G, Ali M (eds) Proceedings of the sixth International Conference on Industrial and Engineering Applications of Artificial Intelligence and Expert Systems, Gordon and Breach, pp 370Google Scholar
  16. 16.
    Wienke D, Lucasius C, Kateman G (1992) Multicriteria target vector optimization of analytical procedures using a genetic algorithm. 1. Theory, numerical simulations and application to atomic emission spectroscopy. Anal Chim Acta 265: 211Google Scholar
  17. 17.
    Lucasius CB, Blommers MJJ, Buydens LMC, Kateman G (1991) A genetic algorithm for conformational analysis of DNA. In: Davis L (Ed) Handbook of genetic algorithms, Van Nostrand, New York NY, pp 251 ffGoogle Scholar
  18. 18.
    Mestres J, Scusena GE (1995) Genetic algorithm: a robust scheme for geometry optimizations and global minimum structure problems, J Comp Chem 16: 729CrossRefGoogle Scholar
  19. 19.
    Hwang JD, Winefordner JD (1988) Regression Methods in Analytical Chemistry. Prog Analyt Spectrosc 11: 209Google Scholar
  20. 20.
    Sedgewick R (1992) Algorithmen in C. Addison-Wesley, Bonn, S. 717–725Google Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 2001

Authors and Affiliations

  1. 1.Institut für Anorganische und Analytische ChemieFriedrich-Schiller-Universität JenaJena
  2. 2.Analytik Jena AGJena
  3. 3.Institut für Physikalische ChemieFriedrich-Schiller-Universität JenaJena
  4. 4.Brooks Automation GmbHJena

Personalised recommendations