Gå til innhold

EN

Kildefordeling

Med et utvalg kjemiske elementer og forbindelser tilstede i en prøve, kan en rekke multivariable (kjemometriske) statistiske analyser utføres på dataene for å bestemme de mest sannsynlige kildene og sammensetningene.

Disse metodene inkluderer hovedkomponentanalyse (PCA), projeksjon til latente strukturer ved hjelp av partielle minste kvadrater (PLS), positiv matrisefaktorisering (PMF) og polytopisk vektoranalyse (PVA). Ved bruk av sistnevnte er det mulig å bestemme den kjemiske sammensetningen av hver av de potensielle kildene, og i hvilken grad de må ha blitt blandet sammen for at de observerte dataene skal bli resultatet.

Source-apportionment-1

Source-apportionment-2

Moderne statistiske metoder gjør det mulig å utføre omfattende undersøkelser også etter at data er innhentet. Dette kan gi informasjon om kildene og deres bidrag i komplekse prøver. Disse multivariable kjemometriske metodene er i stand til å kvantifisere aspekter som hittil har vært «gjemt» i datasettene.

Et godt eksempel på en slik metode er polytopisk vektoranalyse, som på en og samme tid kan identifisere både den kjemiske sammensetningen av kildene og hvor mye av hver kilde som er i en prøve. Andre blandings- og avblandings-reseptormodeller tilbyr nå en langt større forståelse av de analytiske resultatene.

Disse statistiske modellene kan presenteres på en rekke ulike måter, for å gjøre det enklere å forstå fordelingen og de kontrollerende faktorene. Blant mulighetene er selvorganiserende kart, ulike klassifiserte fremstillinger, konturkart og flerdimensjonale figurer.