Principal Component Analysis Approach for Modeling Sulfur K‐XANES Spectra of Humic Acids
Notice bibliographique
Résumé
Quantitative application of x‐ray absorption near edge structure (XANES) spectroscopy to soils and other geochemical systems requires a determination of the proportions of multiple chemical species that contribute to the measured spectrum. Two common approaches to fitting XANES spectra are spectral deconvolution and least‐squares linear combination fitting (LCF). The objective of this research was to evaluate principal component analysis (PCA) coupled with target transformation to model S K‐XANES spectra of humic acid samples, and to compare the results with least‐squares LCF. Principal component analysis provided a statistical basis for choosing the number of standard species to include in the fitting model. Target transformation identified which standards were statistically more likely to explain the spectra of the humic acid samples. The selected standards and the scaling coefficients obtained by the PCA approach deviated by ≤6 mol% from results obtained by performing LCF using a large number of binary, ternary, and quaternary combinations of seven S standards. Because no energy shift is allowed in the PCA approach, fitting may be refined, when appropriate, by using afterwards a least‐squares method that includes energy offset parameters. Statistical ranking of the most likely standard spectra contributing to the unknown spectra enhanced LCF by reducing the analysis to a smaller set of standard spectra. The PCA approach is a valuable complement to other spectral fitting techniques as it provides statistical criteria that improve insight to the data, and lead to a more objective approach to fitting.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».