在 FDE 中使用小波模型对红外光谱进行多变量分析 (2023-EU-30MP-1261)托普索科学家 Giuseppe De Martino
Christopher Gotwalt，使用 FDE 中的小波模型对红外光谱进行多变量分析，JMP
在催化剂开发中，测量性能的测试可能非常耗时且昂贵。 在这项研究中，我们探索了使用更快、更便宜的表征数据来验证连接生产参数和性能的数学模型的可能性。 具体来说，我们首先使用广义回归将生产参数建模为我们数据集中可用的性能数据，并根据该模型预测了一组最佳生产参数。 然后，我们使用 Functional Data Explorer 中的小波模型分析了红外光谱 (IR) 数据，并将生产参数作为附加参数插入。 由于这一添加，我们终于能够为最佳催化剂生成合成光谱。 科学家可以使用生成的光谱与预测的生产参数相结合来更快地了解驱动性能的潜在机制。 最后，可以使用 IR 分析使用预测参数开发的新催化剂材料，合成光谱可用于验证模型。
爆发数据探索统计和建模
