<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />大家好，
非常感謝您的精彩討論和提示，這非常有幫助。 由於我的客戶現在正在度假，我必須等待下週中旬進一步討論這個問題。 但我會讓你知道結果。
再次感謝，
馬丁
作者：貝恩德‧海寧
發送：弗萊塔格，11。 2014 年 4 月 17:38
致：克里斯‧基希伯格；比爾·沃利；路易斯·瓦倫特；丹尼爾·瓦倫特；馬丁·德梅爾；東南歐
主題：RE：峰對齊和模式識別
你好，
這真是一次有趣的對話，我學到了很多！ 但由於我是一個不懂化學的簡單人，對我來說這看起來像是一個異常值檢測問題。 我們在 JMP 中沒有開箱即用的解決方案，但很容易編寫腳本。 我會
1. 識別異常值
2.按順序命名
3. 將所有異常值及其名稱、取值時間和樣本 ID 放入一張資料表中
4. 測試每個名稱的次數是否在 ax% 信賴區間內
作為替代方案，人們可以只獲取從儀器中識別出的峰值，按順序重命名它們並運行（名稱的）模式比較和/或應用上面的步驟 3 和 4。
期待我們的化學家的評論。
此致
貝恩德
作者：克里斯‧基希伯格
發送：弗萊塔格，11。 2014 年 4 月 17:29
致：比爾·沃利；路易斯·瓦倫特；丹尼爾·瓦倫特；馬丁·德梅爾；東南歐
主題：RE：峰對齊和模式識別
誰說化學不好玩。 我已經很多年沒有看到這麼多關於 HPLC/GC、數據和峰值的討論了。 它溫暖了我化學的心
克里斯·基希伯格
JMP 技術支援工程師
全球技術支援團隊
作者：比爾‧沃利
寄送時間：2014 年 4 月 11 日星期五 09:14
致：路易斯‧瓦倫特；丹尼爾·瓦倫特；馬丁·德梅爾；東南歐
主題：RE：峰對齊和模式識別
馬丁，
由於化學已融入我的血液中，我們化學家需要團結在一起，因此我將對盧的評論發表意見。 我對您顯示的色譜圖的體驗與 Lou 的體驗相同，並且同意 Lou 的觀點，即儀器軟體應該非常有能力幫助確定感興趣的峰值。 JMP 可用於比較色譜圖，並透過在列中列出每次運行來揭示運行或批次材料之間的差異。
有些差異可能值得分析人員花時間進一步識別，或者如果色譜柱沒有像 HPLC 那樣很好地清洗或「烘烤」用於 GC 分析，則它們可能是先前分析留下的偽影或鬼峰。 其中一些類型的山峰非常小，不值得付出努力。 如果您查看 Pr 16 與 Pr 17，您將在 Pr 16 中看到大約 8 分鐘處的初始峰值，而您看不到 Pr 17。 那個峰太小了，可能不值得費力去追尋它。 之後 9 分鐘左右的 3 個峰值在每次運行中都可以重現，並且值得花時間。 它們要么是反應的副產品，要么是被分析材料中的污染物。
根據對較大峰值的鑑定，這些是一些相當大的化合物，並且混合物中肯定會有很多小的“位”漂浮在混合物中，這些“位”在最終分析中可能意味著也可能沒有任何意義。 抱歉，我的分析化學課很抱歉，但希望它能有所幫助。
問候，
帳單
來自：路易斯·瓦倫特
寄送時間：2014 年 4 月 11 日星期五上午 9:59
致：丹尼爾·瓦倫特；馬丁·德梅爾；東南歐
主題：回覆：峰對齊和模式識別
馬丁，
根據我的經驗，這些具有保留時間峰值識別的 HPLC 或 GLC 色譜圖是使用儀器檢測器上提供的分析化學軟體進行線上分析的。 所有鑑定均在檢測器上完成，如果由於分析方法的變化而導致保留時間存在漂移，則通常透過加標實驗和/或對峰靜脈洗脫的質譜進行鑑定。 儘管能夠使用JMP 進行此類分析似乎是合理的，但這並不是常態，因為像Hitachi、Perkin-Elmer、Shizmadu 等儀器供應商通常會銷售非常昂貴的儀器，並附帶捆綁軟體以自動執行此類操作。時尚。
問候，
大樓
路易斯·瓦倫特
技術支援資深經理 ▪ JMP 部門
電話：+1 (919) 531-3378
louis.valente@jmp.com
JMP：統計發現TM。 來自SAS。
www.jmp.com
來自：Daniel Valente
日期：2014 年 4 月 11 日星期五上午 9:50
致：Martin Demel 、「jmpse@wnt.sas.com」
主題：回覆：峰對齊和模式識別
嗨馬丁——
如果它是聲脈衝響應，我將如何處理它。 IACF（耳間互相關函數）參數查看使用雙耳 IR 技術測量的到達左耳和右耳的反射模式。 然後，它會從直達聲到直達聲之後的前 80 毫秒（正常情況下）進行互相關，並找出雙耳處峰值（反射）的相似程度。 然後，這將成為房間寬敞程度的衡量標準（透過將 IACC 的最大值從 –1 到 1 毫秒取）。 以這種方式分析收集的數據看起來與您在此處提供的數據非常相似。
每次測量是否以相同的採樣率收集數據。 看起來他們的樣本非常稀疏：時間，如果能夠獲取原始數據並查看每毫秒或其他時間的響應，那就太好了。 如果您能做到這一點，您可以使用時間序列平台中的互相關來確定樣本 1 和 2 之間的樣本滯後，然後向領先樣本添加一些延遲以對齊峰值。
這可能不是他們想要的，但這是我透過訊號處理/聲學鏡頭想到的第一個技術。
為那些關心的人提供的數學：
耳間互相關函數定義為
(11)
其中 hL(t) 和 hR(t) 分別是左耳和右耳脈衝響應。 耳間互相關係數取為：
(12)
擔
寄件者：馬丁·德梅爾
日期：2014 年 4 月 11 日星期五上午 5:16
致：「[JMP] SE”
主題：峰對齊和模式識別
你好，
食品和口味領域的一位客戶（感官分析團隊）詢問 JMP 中的峰對齊/模式識別功能。 我們是否有這種能力？如果有，是否有可用的範例。
更具體地說：
數據集如下所示：
KA 142 005 Pr16
不。
保留時間
保留指數
區域
類型
相關區域
數量
峰名稱
分分鐘
帕*分鐘
%
百萬分之一
1
8,620
1657,2
0,026
BMB
0,012
264,60
2
9,220
1706,1
0,031
BMB
0,014
318,50
3
9,368
1717,3
0,065
BMB
0,029
659,78
4
9,850
1752,5
0,041
BMB
0,019
418,87
5
11,317
1852,8
36,548
BMB
16,559
373.816,84
A
6
12,090
1902,0
0,540
BMB
0,245
5.520,64
7
12,413
1920,5
0,011
BMB
0,005
113,79
8
12,927
1948,2
0,744
BMB
0,337
7.611,68
9
13,488
1976年9月
0,056
BMB
0,025
572,75
10
14,230
2013年9月
0,542
BMB
0,245
5.540,39
11
14,898
2047,2
14,705
BMB
6,663
150.406,13
乙
12
15,600
2081,0
0,025
BMB
0,011
256,14
13
16,148
2106,1
55,467
BM
25,132
567.331,13
B_2
14
16,733
2131,0
0,108
中號
0,049
1.105,31
15
17,105
2146,3
6,406
MB
2,902 人
65.520,93
C_1
16
17,918
2178,2
0,029
BMB
0,013
300,34
還有第二組這樣的：
KA 142 005 Pr17
不。
保留時間
保留指數
區域
類型
相關區域
數量
峰名稱
分分鐘
帕*分鐘
%
百萬分之一
1
9,227
1706,6
0,028
BMB
0,019
414,92
娜
2
9,355
1716,3
0,021
BMB
0,014
314,55
娜
3
9,848
1752,4
0,039
BMB
0,026
571,50
娜
4
11,305
1852,0
30,725
BMB
20,081
449.519,59
A
5
12,087
1901,8
0,435
BMB
0,284
6.365,73
6
12,925
1948,1
0,680
BMB
0,444
9.944,70
7
13,442
1974年6月
0,025
BMB
0,016
360,13
8
14,227
2013年7月
0,367
BMB
0,240
5.374,04
9
14,857
2045,2
5,287
BMB
3,456
77.358,63
乙
10
16,113
2104,5
43,257
BM
28,271
632.875,80
B_2
11
16,712
2130,1
0,028
中號
0,018
407,61
12
17,093
2145,8
5,491
MB
3,589
80.334,69
C_1
13
17,922
2178,4
0,013
BMB
0,009
196,67
14
18,590
2203,5
0,031
BM
0,020
450,20
15
18,837
2212,7
8,131
中號
5,314
118.967,53
C_2
16
19,332
2230,9
0,022
中號
0,014
323,37
您可以看到右欄有時有字符，有時沒有。 例如，看一下“A”，您會發現時間大致相同，您知道它與相同的“峰值名稱”相關。 但還有很多他們不認識的人。 目標是讓多個資料集中的其他峰名稱或多或少自動對齊。
下面您可以看到這些訊號的一些形狀以及峰值名稱。
因此，他們需要先找到峰值，然後將其與第二個訊號進行比較，看看峰值是否對齊。 另外的困難在於時間觀察的次數並不總是相同的。 或者換句話說，峰值在一個小的未知範圍內移動。
我知道可以透過訊號處理功能來解決這種比較，例如首先使用小波變換進行降噪，有時進行基線校正和光譜歸一化，然後使用點匹配或其他對齊方法。 但我不知道這是否是我們可以在 JMP 中做的事情。 查看文件並快速搜尋書籍並不是很成功。 使用與「JMP」相關的網路搜尋也是如此。 我剛剛發現了一些關於使用聚類來查找共同峰值並進一步使用這些峰值的中心的想法。 但如果一個峰值的變化處於異常值範圍內，這可能會出現問題。 我也不確定距離矩陣是否有幫助，因為在我沒有線索進一步離開之前我沒有使用這種方法。
因此，如果您知道這是可能的（甚至不可能），以前有客戶這樣做過，或者有一個例子，我很高興下次見到我們時為您提供啤酒
謝謝，
馬丁
PS：如果您有想法但需要數據，請告訴我（我有一些來自客戶的數據）。
馬丁·德梅爾
JMP 系統工程師 ▪ JMP 銷售 ▪ 德國、奧地利、瑞士
電話：+ 49 89 15929 315 ▪ 傳真：+ 49 6221 415 44 6115
手機：+ 49 172 6340 872 ▪ Martin.Demel@jmp.com ▪ www.jmp.com/de
地址：Nördliche Auffahrtsallee 22 ▪ 80638 München
JMP - 來自 SAS 的統計發現
