Principal Component Analysis Approach for Modeling Sulfur K‐XANES Spectra of Humic Acids
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle