Többváltozós adatelemzéssel kombinált gyengített teljes reflexiós infravörös spektroszkópia az ásványos összetétel vizsgálatában

  • Beatrix Udvardi Magyar Bányászati és Földtani Szolgálat, e-mail: udvbeatrix@gmail.com https://orcid.org/0000-0002-6280-2733
  • István János Kovács Magyar Bányászati és Földtani Szolgálat; Kövesligethy Radó Szeizmológiai Obszervatórium,
  • Ferenc Stercel Magyar Bányászati és Földtani Szolgálat
  • Péter Kónya Magyar Bányászati és Földtani Szolgálat
  • Tamás Fancsik Magyar Bányászati és Földtani Szolgálat
  • György Falus Magyar Bányászati és Földtani Szolgálat
Kulcsszavak: ATR FTIR, PCR, PLSR, kemometria, ásványkeverékek

Absztrakt

A gyengített teljes reflexiós Fourier transzformációs infravörös spektroszkópia (ATR FTIR) mennyiségi eredményeinek értelmezése általában nehéz és az adatok mélyebb áttekintéséhez különböző adatfeldolgozási módszereket kell alkalmazni. Ezeknek a módszereknek alkalmasnak kell lenniük a nagyméretű többdimenziós adatkészletek kezelésére és ezzel együtt a teljes spektrális információ feltárására. E többváltozós adatelemzési módszerek hatékony végrehajtása azonban megköveteli az adatok előkezelését is. A nyers adatok előfeldolgozása segít a zaj kiküszöbölésében és a megkülönböztető jellemzők kiemelésében. Ez a tanulmány olyan két általánosan használt többváltozós elemzésre — a főkomponens regresszióra (PCR) és a parciális legkisebb négyzetek regresszióra (PLSR) — összpontosít, amelyekkel az infravörös spektrumokból származó ásványtani információk kinyerhetők, valamint az ATR FTIR spektroszkópiában széles körben alkalmazott spektrum-előfeldolgozási módszereket tárgyalja. A PCR és PLSR modellek létrehozásához gyakori kőzetalkotó ásványok (kalcit, dolomit, kvarc, földpát, muszkovit, illit, szmektit és kaolinit) természetes sztenderdjeit és azokból készített szintetikus keverékek egy olyan adatkészletét állítottunk elő, amelyek összekapcsolják az ásványos összetételt az infravörös spektrumokkal. A minták spektrumait a 400–4000 cm–1 tartományban vettük fel. Továbbá referenciaként a röntgen-pordiffrakciós adatokból becsültük meg a minták ásványos összetételét. Az eredményül kapott PCR és PLSR modelleket szintetikus keverékekkel is teszteltük. A felállított 24 db modell arra utal, hogy a PCR és a PLSR eljárással hasonló eredményre jutunk. A különböző spektrum-feldolgozások nagyobb hatással vannak a becsült ásványos összetételre, mint a tanulmányozott többváltozós módszerek. Továbbá különböző ásványok mennyisége a modellekben különböző bizonytalansággal becsülhető, amelyet az ásványok eltérő infravörös fényelnyelő képessége, átfedő sávok és egyéb fizikai hatások okozhatnak.

Hivatkozások

ADAMU, M.B. 2010: Fourier Transform Infrared Spectroscopic Determination of Shale Minerals in Reservoir Rocks. — Nigerian Journal of Basic and Applied Science 18, 6–18. https://doi.org/10.4314/njbas.v18i1.56836

BERTAUX, J., FRÖHLICH, F., ILDEFONSE, P. 1998: Multicomponent analysis of FTIR spectra: quantification of amorphous and crystallized mineral phases in synthetic and natural sediments. — Journal of Sedimentary Research 68, 440–447. https://doi.org/10.1306/d42687cf-2b26-11d7-8648000102c1865d

BRUKER OPTIK 2011: IR Reference Manual. — Opus Spectroscopy Software, Ettlingen, Germany, 120 p.

CHIPERA, S.J. & BISH, D.L. 2001: Baseline studies of The Clay Minerals Society Source Clays: Powder X-ray diffraction analyses. — Clays Clay Miner. 49, 398–409. https://doi.org/10.1346/ccmn.2001.0490507

DE JONG, S. 1993: SIMPLS: An alternative approach to partial least squares regression. Chemom. — Intell. Lab. Syst. 18, 251–263. https://doi.org/10.1016/0169-7439(93)85002-x

DUYCKAERTS, G. 1959: The infrared analysis of solid substances — Analyst 84, 201–214.

EATON, J. W., BATEMAN, D., HAUBERG, S., WEHBRING, R. 2015: GNU Octave version 4.0.0 manual: a high-level interactive language for numerical computations. [http://www.gnu.org/software/octave/doc/interpreter – 2017.06.10.]

GELADI, P. & KOWALSKI, B.R. 1986: Partial least-squares regression: A tutorial. — Analytica Chimica Acta 185, 1–17. https://doi.org/10.1016/0003-2670(86)80028-9

GEMPERLINE, P. 2006: Chapter 4: Principal component analysis. — Practical Guide To Chemometrics, 2nd ed., Boca Raton, CRS Press, Taylor & Francis Group, 552 p. ISBN: 1420018302. https://doi.org/10.1201/9781420018301

GRIFFITHS, P.R. & DE HASETH, J.A. 2007: Chapter 10: Data Processing. — Fourier Transform Infrared Spectrometry, 2nd ed., New York, Wiley-Interscience, 225–250. https://doi.org/10.1002/9780470106310.ch10

HENRY, D.G., WATSON, J.S., JOHN, C.M. 2017: Assessing and calibrating the ATR FTIR approach as a carbonate rock characterization tool. — Sedimentary Geology 347, 36–52. https://doi.org/10.1016/j.sedgeo.2016.07.003

HILLIER, S. 2000: Accurate quantitative analysis of clay and other minerals in sandstones by XRD: comparison of a Rietveld and a reference intensity ratio (RIR) method and the importance of sample preparation. — Clay Miner. 35, 291–302. https://doi.org/10.1180/000985500546666

JORDÁ, J.D., JORDÁN, M.M., IBANCO-CAÑETE, R., MONTERO, M.A., REYES-LABARTA, J.A., SÁNCHEZ, A., CERDÁN, M. 2015: Mineralogical analysis of ceramic tiles by FTIR: a quantitative attempt. — Appl. Clay Sci. 115, 1–8. https://doi.org/10.1016/j.clay.2015.07.005

KLUG, H.P. & ALEXANDER, L.E. 1954: X-ray diffraction procedures. — John Wiley Sons Inc., New York-London-Párizs, 716 p.

KOVÁCS, J & KOVÁCSNÉ SZÉKELY, I. 2006: A minta értelmezési problémái: elmélet és gyakorlat. — Földtani Közlöny 136/1, 139–146.

KOVÁCS I., UDVARDI B., FALUS GY., FÖLDVÁRI M., FANCSIK T., KÓNYA P., BODOR E., MIHÁLY J., NÉMETH CS., CZIRJÁK G., ŐSI A., VARGÁNÉ BARNA ZS., BHATTOA H., SZEKANECZ Z., TURZA S. 2015: Az ATR FTIR spektrometria gyakorlati alkalmazása néhány - elsősorban földtani - esettanulmány bemutatásával. — Földtani Közlöny 145/2, 173–192. http://ojs3.mtak.hu/index.php/foldtanikozlony/article/view/116

MARTENS, H.S. & NAES, T. 1989: Multivariate Calibration. — John Wiley & Sons, New York, 438 p.

MATTESON, A. & HERRON, M.M. 1993: Quantitative mineral analysis by Fourier transform infrared spectroscopy. — SCA Conference Paper 9308, 1–16.

MIRABELLA, F.M. 2002: Principles, Theory, and Practice Of Internal Reflection Spectroscopy. — In: MIRABELLA, F.M. (szerk.): Internal Reflection Spectroscopy: Theory and Applications. — Marcel Dekker, New York, 17–52.

MÜLLER, C.M., PEJCIC, B., ESTEBAN, L., PIANE, C.D., RAVEN, M., MIZAIKOFF, B. 2014: Infrared attenuated total reflectance spectroscopy: an innovative strategy for analyzing mineral components in energy relevant systems. — Sci. Rep 4, 6764. https://doi.org/10.1038/srep06764

NAES, T., ISAKSSON, T., FEARN, T., DAVIES, T. 2002: A user-friendly guide to multivariate calibration and classification. — NIR publications, Chichester, 344 p.

PALAYANGODA, S.S., NGUYEN, Q.P. 2012: An ATR FTIR procedure for quantitative analysis of mineral constituents and kerogen in oil shale. — Oil Shale 29, 344–356. https://doi.org/10.3176/oil.2012.4.05

PLANINSEK, O., PLANINSEK, D., ZEGA, A., BREZNIK, M., SRČIČ, S. 2006: Surface analysis of powder binary mixtures with ATR FTIR spectroscopy. — International Journal of Pharmaceutics 319, 13–19. https://doi.org/10.1016/j.ijpharm.2006.03.048

REIG, F.B., ADELANTADO, J.V.G., MOYA MORENO, M.C.M. 2002: FTIR quantitative analysis of calcium carbonate (calcite) and silica (quartz) mixtures using the constant ratio method. Application to geological samples. — Talanta 58, 811–821. https://doi.org/10.1016/s0039-9140(02)00372-7

RITZ, M., VACULÍKOVÁ, L., PLEVOVÁ, E. 2011: Application of infrared spectroscopy and chemometric methods for the identification of selected minerals. — Acta Geodyn Geomater. 8, 47–58.

SAJÓ, I. 1994: Powder diffraction phase analytical system 1.7. — users guide, Aluterv-FKI Kft., Budapest, 1–81.

SAVITZKY, A. & GOLAY, M.J.E. 1964: Smoothing and differentiation of data by simplified least squares procedures. — Anal Chem. 36, 1627–39. https://doi.org/10.1021/ac60214a047

UDVARDI, B., KOVÁCS, I. J., FANCSIK, T., KÓNYA, P., BÁTHORI, M., STERCEL, F., FALUS, GY., SZALAI, Z. 2016: Effects of Particle Size on the Attenuated Total Reflection Spectrum of Minerals. — Appl. Spectrosc. 61, 283–292. https://doi.org/10.1177/0003702816670914

WASHBURN, K.E. & BIRDWELL, J.E. 2013: Multivariate analysis of ATR FTIR spectra for assessment of oil shale organic geochemical properties. — Org. Geochem 63, 1–7. https://doi.org/10.1016/j.orggeochem.2013.07.007

WENTZELL, P.D. & MONTONO, L.V. 2003: Comparison of principal components regression and partial least squares regression through generic simulations of complex mixtures. — Chemom. Intell. Lab. Syst. 65, 257–279. https://doi.org/10.1016/s0169-7439(02)00138-7

WOLD, S., SJOSTROM, M., ERIKSSON, L. 2001: PLS-regression: a basic tool of chemometrics. — Chemom. Intell. Lab. Syst. 58, 109–130. https://doi.org/10.1016/s0169-7439(01)00155-1

WOODS, B., LENNARD, C., KIRKBRIDGE, K.P., ROBERTSON, J. 2015: Soil examination for a forensic trace evidence laboratory - Part 1: Spectroscopic techniques. — Forensic Science International 245, 187–194. https://doi.org/10.1016/j.forsciint.2014.08.009

Megjelent
2018-06-11
Rovat
Értekezés

Ugyanannak a szerző(k)nek a legtöbbet olvasott cikkei