Системный анализ и адаптивное моделирование сложных химических объектов тема диссертации и автореферата по ВАК РФ 05.13.01, доктор физико-математических наук Туров, Юрий Прокопьевич

• Туров, Юрий Прокопьевич
• доктор физико-математических наук
• 2013

Оглавление диссертации доктор физико-математических наук Туров, Юрий Прокопьевич

Оглавление

Введение

Глава 1. Обработка экспериментальной информации при исследовании сложных объектов как решение задачи системного анализа

1.1. Формирование иерархической модели системы при обработке данных на этапах качественного и количественного анализа

1.2. Детерминированные и адаптивные модели объекта как материальной системы

1.3. Многомерные математические методы обработки данных при анализе смесей

Глава 2. Установление и описание структуры материальной системы по результатам отклика аналитической аппаратуры. Анализ линейности модели и контроль линейности приборного отклика при использовании многоканальных детекторов

2.1. Установление внутренней структуры системы и получение моделей подсистем более низкого уровня при использовании тандемных (комбинированных) аналитических приборов

2.2. Масс-спектрометрический детектор в хроматографии

2.3. Многоканальный спектрофотометрический детектор

Глава 3. Использование модели концентрационного симплекса для установления структуры системы при обработке данных в аналитической

химии

Глава 4. Факторный анализ и другие многомерные методы обработки данных в химии

4.1. Математический аппарат факторного анализа

4.2. Факторный анализ химических данных

4.3. Формирование матрицы результатов наблюдений

4.4. Стандартизация и нормировка данных

4.5. Факторизация данных и решение задачи абстрактного факторного анализа

4.6. Преобразование решения задачи абстрактного факторного анализа

4.7. Формирование, проверка и корректировка моделей при создании и применении аналитических методик

Глава 5. Адаптивное построение динамических моделей материальных систем как основной принцип создания методик анализа нефтяных смесей методами масс-спектрометрии

5.1. Анализ смесей с использованием прямого ввода образца в ионный источник

5.2. Моделирование молекулярно-массовых распределений компонентов в нефти распределением Пуассона

5.3. Модифицированный метод селективного ионного детектирования в хроматомасс-спектрометрии

Глава 6. Реализация адаптивных подходов к формированию модели системы при обработке данных в аналитической химии и при создании методик анализа различных объектов

6.1. Анализ элементного состава смесей

6.2. Абсорбционная спектрофотометрия УФ, видимого и ИК диапазона

6.3. Обнаружение минорных компонентов и разделение перекрывающихся хроматографических пиков в ГХ/МС

6.4. Разделение полностью перекрывающихся хроматографических пиков

с совпадающими временами удерживания аналитов

6.5. Установление источников нефтяного загрязнения подземных вод Ширинского района респ. Хакасия. Перспективы нефтегазоносности территории

6.6. Качественные и количественные изменения массы и углеводородного состава нефти и при ее биодеградации

6.7. Групповой и индивидуальный состав нефтяных компонентов, природных соединений и технологических материалов

6.7.1. Анализ группового состава нефтяных фенолов

6.7.2. Анализ группового состава нефтяных азотистых оснований

6.7.3. Исследование изомерного состава трициклических азотистых

оснований СпН2п-^ в различных нефтях

6.7.4. Анализ состава низкомолекулярных продуктов термоокислительной деструкции атактического полипропилена

6.7.5. Исследование надмолекулярной структуры комплексов трет.бутилтриалкилборатов лития

6.7.6. Идентификационная криминалистическая экспертиза

6.7.7. Анализ состава растительных экстрактов

Заключение

Список литературы

Введение диссертации (часть автореферата) на тему «Системный анализ и адаптивное моделирование сложных химических объектов»

Введение

Актуальность проблемы. Системный анализ как эффективный инструмент решения самых разнообразных междисциплинарных задач находит все большее распространение. Системный анализ позволяет также реализовать непосредственный контакт и стыковку принципов различных конкретных наук, открывая новые возможности решения наддисциплинарных проблем.

Установление состава сложных химических объектов, строения веществ и материалов является примером междисциплинарной задачи, и лежит в основе регулирования технологических процессов, определения цены товаров при коммерческих сделках, идентификации источников загрязнения окружающей среды, криминалистической экспертизы и играет важную роль в других областях человеческой деятельности.

Обеспечить надежность, правильность и низкие погрешности результатов при решении таких задач чрезвычайно важно, поскольку ошибки обходятся дорого и могут вызвать разнообразные тяжелые последствия: утрату позиций на рынке, прямые и косвенные экономические потери, а также социальные и даже политические последствия, что особенно характерно, например, для рынка энергоносителей - нефти и нефтепродуктов.

Решение таких комплексных задач распадается на два этапа: получение набора исходных характеристик объекта (значений аналитических признаков), а затем математическую обработку полученных данных.

Количественная связь исходных характеристик с исследуемыми свойствами объекта по своей сути является его математической моделью, параметры которой чаще всего устанавливаются заранее с использованием обучающих процедур.

Качество конечных результатов, получаемых на основе используемой модели, определяется множеством не всегда поддающихся непосредственному контролю факторов. Кроме конечной точности измерений, наиболее значимым источником погрешностей является неполное соответствие качественного

состава реальных образцов модельным, включенным в обучающую выборку, на основе которой были разработаны и аттестованы методики анализа. Решению этой проблемы путем более полного физического моделирования за счет увеличения числа модельных смесей в обучающей выборке препятствует широкая вариабельность состава природных объектов и ограниченный набор стандартов - трудно физически моделировать материальную систему, компонентный состав которой априори не определен.

Значимый вклад в снижение качества результатов могут вносить погрешности определения аналитических сигналов за счет неконтролируемых вариаций технического состояния и настроек приборов. Кроме того, разработчики новых поколений аппаратуры с микропроцессорным и компьютерным управлением, стремясь защитить свои программные продукты от неквалифицированного доступа, часто ограничивают функции оператора только лишь регистрацией полученных данных, оставляя функции контроля качества работы аппаратуры фирменным сервисным службам. Поэтому не проявляющие себя явно отклонения от штатных режимов работы отдельных узлов автоматизированной аппаратуры могут долгое время служить источником дополнительных погрешностей.

Поэтому значительная часть результатов, получаемых с использованием методик, аттестованных на модельных обучающих выборках, содержит погрешности, которые не могут быть обнаружены обычными приемами внутрилабораторного контроля качества.

Все перечисленные задачи решаются методами аналитической химии с применением в качестве исходной информации результатов использования различных физико-химических методов [1].

Как показывает практика, при решении многих задач определяющую роль могут играть не только или даже не столько метрологические характеристики используемых методов исследования и аналитической аппаратуры, а степень корректности исходной модели исследуемой материальной системы, адекватное построение плана эксперимента и выбор подходящих методик [2,3].

Для обработки данных в химии давно и успешно применяются самые разнообразные математические алгоритмы. Основной тенденцией последних десятилетий является все более широкое использование методов многомерной статистики для планирования и обработки результатов аналитических экспериментов. Это обусловлено открывшейся в эпоху персональных ЭВМ доступностью высокопроизводительных вычислительных средств, а также появлением и широким распространением аналитической аппаратуры с многоканальными детекторами - диодными матрицами в оптической спектроскопии, быстро сканирующими анализаторами в масс-спектрометрии, радиоспектроскопии и т.п.

Число публикаций, посвященных применению математических методов и компьютеров в аналитической химии, стремительно растет с каждым годом. Появилась даже терминологически выделенная область науки, синтетическая дисциплина на стыке химии и математики - хемометрика [4]. И уже внутри этой новой дисциплины выделено множество самостоятельных рубрик, число которых может варьировать от 4 в цитированной статье до 10 в одном из обзоров журнала Analytical Chemistry [5]. Но, несмотря на огромное разнообразие конкретных задач, которые решаются или могут быть решены в симбиозе математики и аналитической химии, с информационных позиций все они неизменно объединены одной общностью - на основе набора многочисленных, но косвенных характеристик исследуемого объекта, мы в итоге должны получить представление или знание об его составе и строении образующих его компонентов.

Многочисленные хемометрические публикации предлагают в основном варианты решения лишь частных задач, предваряя их требованием выполнения обязательных дополнительных условий, практически нереализуемых при проведении реальных аналитических работ. Такими условиями являются наличие свободных от наложения аналитических признаков для каждого компонента, знание аналитической формы эволюционирующих во времени сигналов (профилей элюирования компонентов в хроматографии, изменения

парциальных давлений компонентов в источнике ионов в масс-спектрометрии) и т.п.

Перспективным является поиск решения задачи установления материального состава образца в рамках модели единой динамической системы, включающей аналитический прибор, характеристики режимов его работы, собственно исследуемый образец, и модель его состава, адаптированная к конкретным целям анализа.

Поэтому разработка адаптивной методологии к исследованию сложных химических объектов, не требующей предварительного обучения, основанной на математической обработке и интерпретации многомерных экспериментальных данных, получаемых при исследовании конкретного объекта, а также разработка алгоритмов и программ для решения этих задач, с использованием системных подходов к анализу экспериментальной информации, является актуальной.

Работа посвящена системному анализу данных с применением адаптивных моделей состава, математическим методам обработки многомерной информации и рассмотрению физических процессов, лежащих в основе формирования аналитических сигналов при использовании аппаратуры с многоканальными детекторами в исследовании сложных химических объектов.

Цель работы - создание методологии для формирования новых и совершенствования существующих методик исследования смесевых образцов и повышения достоверности получаемых результатов за счет адаптивного моделирования сложных химических объектов без использования процедур обучения на основе системного анализа экспериментальных данных и физических процессов, лежащих в основе формирования аналитических сигналов при использовании аппаратуры с многоканальными детекторами.

Достижение цели осуществлено путем решения комплекса задач, включающего:

- разработку на основе приемов системного анализа общей методологии для создания методик исследования сложных химических объектов путем

построения моделей состава, адаптируемых к результатам конкретных аналитических экспериментов при использовании аппаратуры с многоканальными детекторами;

- разработку общих принципов адаптации моделей состава на основе фактической информации о характеристиках исследуемого объекта или набора родственных образцов при отсутствии чистых эталонов для обучения;

- разработку алгоритмов и процедур для оценки диапазона линейности аналитического отклика многоканальных детекторов, обнаружения нелинейностей в наборах данных и корректировки сигналов в случае обнаруженной нелинейности;

- создание методик для исследования не полностью разделенных хроматографических пиков, выделения спектров чистых компонент из спектров смесей, восстановления профилей элюирования компонент при перекрывании хроматографических пиков, обнаружения пиков малой интенсивности в хроматографии с многоканальными детекторами;

- исследование группового и индивидуального состава нефтяных фракций, образцов нефтяного и общего органического загрязнения окружающей среды, и изменение состава нефтяных систем под воздействием природных и технологических факторов.

Объекты и методы исследования: Объектами исследования являлись образцы многокомпонентных смесей органических соединений - сырых нефтей и их фракций, товарных нефтепродуктов, продуктов деградации нефтяных систем в природных и модельных условиях, геологических объектов, органических загрязняющих веществ и примесей в компонентах природной среды и других многокомпонентных систем.

Методы исследования: масс-спектрометрия, хроматомасс-спектрометрия, спектрофотометрия инфракрасного, видимого и ультрафиолетового диапазонов спектра, хроматография, элементный анализ. Методы и средства системного анализа использовались при обработке экспериментальной информации и формировании моделей сложных химических объектов.

На защиту выносятся:

1. Методология создания методик качественного и количественного анализа на основе адаптивных математических моделей состава в аналитической химии смесей органических соединений с многоканальным детектированием аналитических сигналов. Методология предусматривает определение реальной размерности системы, минимизирующей величину остаточной дисперсии в данных, с учетом величины погрешностей, свойств исследуемой материальной системы и влияния на нее аналитической аппаратуры.

2. Алгоритм построения модели материального состава смесей из фиксированного числа компонентов, позволяющий определить ее параметры -размерность (число компонентов), характеристики элементов (спектры компонентов) и соотношения между элементами (содержания компонентов) на основе взаимно однозначной связи концентрационного и признакового симплексов смесевых образцов.

3. Модель гомологического состава отдельных классов нефтяных соединений и состава нефтяной системы в целом, в рамках которой относительные содержания гомологов внутри класса описывается однопараметрическим распределением Пуассона, а состав нефтяной системы в целом - суперпозицией распределений Пуассона гомологов образующих ее классов соединений.

4. Алгоритм и программа для регуляризации неоднозначного решения задачи абстрактного факторного анализа при обработке наборов многомерных данных методами линейного программирования для целенаправленного преобразования с целью получения результатов в физически интерпретируемых терминах, дающих возможность смысловой интерпретации (спектры и содержания компонентов) в аналитической химии.

5. Модели динамических материальных систем в аналитической химии и аналитические методики, созданные на основе системного подхода к обработке экспериментальных данных:

- методика масс-спектрометрического анализа группового состава нефтяных фракций с использованием программированного прямого ввода образца и моделированием гомологического состава суперпозицией нескольких распределений Пуассона;

- методика селективного хроматомасс-спектрального детектирования гомологов и изомеров различных классов соединений в многокомпонентных смесях путем реконструкции хроматограммы по значению функционала, представляющего собой комбинацию интенсивностей ионных пиков с различными значениями отношения массы к заряду m/z, которая учитывает индивидуальные и групповые особенности масс-спектров соответствующих соединений;

- методика разложения перекрывающихся хроматографических пиков на составляющие и обнаружения пиков малой интенсивности минорных компонентов при многоканальном детектировании сигнала;

- методика проверки реального динамического диапазона и линейности отклика аналитического прибора концентрациям аналитов при многоканальном детектировании сигналов;

- способ оценки соответствия характеристик образца математической модели, заложенной в основу расчетной методики.

Научная новизна работы: 1. Впервые в рамках единого недетерминированного методологического подхода сформулирован алгоритм создания адаптивных математических моделей материального состава объектов, не связанный с необходимостью использования чистых эталонов. Алгоритм основан на постадийной оптимизации модели состава образца или серии образцов в процессе обработки экспериментальных данных. Адаптируемыми параметрами являются размерность модели, аналитические характеристики компонентов и величина остаточной дисперсии в системе наблюдений, не участвующая в построении линейной модели и связанная с погрешностями и шумами в обрабатываемых данных (защищаемое положение 1).

2. Впервые предложена формальная модель взаимно однозначной связи концентрационного симплекса состава смесевых образцов из фиксированного числа компонентов и области пространства описаний характеристик этих объектов в аналитической химии - «признакового» симплекса. Признаковый симплекс рассматривается как область многомерного пространства исходных описаний, внутри и на границах которой лежат точки, соответствующие всем теоретически возможным значениям интенсивностей аналитических признаков смесевых образцов (защищаемое положение 2).

3. Впервые доказано, что распределение содержаний гомологов внутри класса для нативных нефтяных соединений на уровне доверительной вероятности 0.99 по критерию Пирсона у! может быть описано однопараметрическим распределением Пуассона. Дискретность распределения Пуассона отвечает физическому смыслу модели, его однопараметричность снижает требования к минимальному объему выборки для построения модели (защищаемое положение 3).

4. Предложен новый метод целенаправленного преобразования решения задачи абстрактного факторного анализа в аналитической химии для получения результатов в физически интерпретируемых терминах - содержания компонентов и их спектры. Метод основан на использовании модели взаимно однозначной связи концентрационного и признакового симплексов и итеративных процедурах линейного программирования (защищаемое положение 4).

5. Впервые на основе применения динамических моделей состава смесевых образцов предложены методики анализа сложных материальных объектов, свободные от каких-либо априорных ограничений и предположений о характеристиках их элементов, а также не требующие их предварительного физического моделирования:

- число и диапазоны молекулярно-массовых распределений при групповом анализе нефтяных фракций определяются непосредственно в процессе и по результатам анализа конкретного образца;

- модифицированный метод селективного ионного детектирования позволяет дифференцировать изомеры и сопоставлять изомерный состав образцов даже без идентификации веществ, снимая часть существующих ограничений на возможность масс-спектрального различения изомеров;

- впервые предложен метод разложения не разделенных хроматографи-ческих пиков на составляющие без постулирования формы профилей элюирования компонентов и без требований наличия в их масс-спектрах свободных от наложения ионных пиков;

- предложенный метод анализа аппаратного отклика прибора позволяет обнаружить его конструктивные ограничения и недостатки без физических процедур поверки функций отдельных узлов и блоков сложной аппаратуры, часто недоступных пользователю (защищаемое положение 5).

6. Впервые предложен способ оценки соответствия характеристик исследуемого образца математической модели, положенной в основу методики расчета состава смеси.

Теоретическая и практическая значимость работы. Сформулирована общая методология установления состава сложных химических объектов, не требующая их предварительного физического моделирования - математическая модель строится исключительно на основе экспериментальных данных, полученных при исследовании конкретного образца. Практические результаты работы выразились в создании на основе системного подхода методик для анализа нефтяных фракций и нефтяной системы как целого; анализа состава органических загрязняющих веществ в компонентах окружающей среды; анализа деградации нефтяной системы под воздействием природно-климатических факторов и в технологических процессах. Принципы системного подхода при создании этих методик позволили получить информацию о материальном составе и свойствах перечисленных классов

образцов без привлечения априорных ограничений при использовании комплекса физико-химических методов для их исследования. Предложен и используется химический маркер и способ скрытого маркирования изделий специального назначения, имеющих в своем составе нефтепродукты. Обоснована необходимость пересмотра оценок перспективности территории респ. Хакасия на нефтегазоносность.

Достоверность защищаемых положений и результатов

Достоверность и обоснованность полученных в диссертационной работе результатов, выводов и рекомендаций основана на значительном объеме экспериментального материала по изучению состава образцов самого различного происхождения, комплексном использовании различных методов исследования, апробированностью предложенных алгоритмов и процедур в форме математического моделирования и вычислительных экспериментов, обеспечивается корректным использованием применяемого математического аппарата, подтверждается имеющимися в литературе данными других исследователей.

Личное участие автора в получении научных результатов заключается в постановке проблемы и задач исследования, получении большей части экспериментальных данных и обработке результатов спектрофотометрических, масс- и хроматомасс-спектрометрических исследований, разработке алгоритмов и подготовке компьютерных программ, обработке и обсуждении результатов, формулировании и обосновании выводов и рекомендаций.

Часть материалов диссертации вошла в отчетные документы плановых НИР Института химии нефти СО РАН, имеющих государственную регистрацию, ФЦП «Интеграция» и программы «СИБИРЬ», соисполнителем которых являлся автор.

Апробация работы. Результаты работы были представлены на более чем 50 Всероссийских и международных конференциях и симпозиумах. Основные результаты изложены более чем в 100 научных публикациях, из них 30 - в журналах из списка ВАК.

Данная работа посвящена критическому обобщению некоторых известных алгоритмов и процедур, связывающих экспериментальные аналитические сигналы и наборы данных в аналитической химии с материальным составом исследуемых образцов, а также разработке новых, позволяющих повысить метрологические характеристики результатов химического анализа. На основе анализа существующего состояния симбиоза вычислительной математики и химии сформулирована и развита методология, в основу которой положен системный подход к генерации модели исследуемой материальной системы, оптимизация расчетных алгоритмов и традиционных аналитических методик путем адаптации математических моделей и аналитических процедур в целом к решению конкретных аналитических задач в соответствии с особенностями поведения и характеристиками конкретных образцов.

Конечной целью и основным практическим результатом предлагаемого подхода является основанная на системной обработке информации формализация процедур генерации, а также оценки адекватности моделей материальных систем и используемых алгоритмов фактическим наборам характеристик исследуемой системы, и, как следствие, существенное повышение метрологических характеристик методик количественного анализа смесевых образцов, разработка аналитических методик при отсутствии чистых эталонных веществ - компонентов смесей, а также возможность решения целого класса аналитических задач, не разрешимых в рамках традиционного детерминированного подхода, требующего физического моделирования смесей, предшествующего собственно анализу исследуемых образцов.

Последовательность изложения материала работы включает рассмотрение всех этапов аналитической работы - получение исходной информации, оценку ее качества, приемы оценки состояния аппаратуры и корректировки данных, анализ применимости имеющихся методик, в случае необходимости их корректировку или разработку новой методики, основанной на адаптивном моделировании сложного химического объекта и его взаимодействия с

аналитическим прибором, и интерпретацию полученных результатов с учетом полученной модели исследуемого объекта.

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Туров, Юрий Прокопьевич

Основные выводы и результаты работы

1. На основе системного анализа и обработки информации, полученной при исследовании сложных химических объектов, предложена новая методология создания и применения аналитических методик с использованием аппаратуры с многоканальным детектированием, в рамках которой аналитический прибор и исследуемый образец рассматриваются как элементы единой системы. Это позволило реализовать адаптивные принципы в формировании моделей сложных химических объектов, оптимизирующие качество получаемых решений с учетом характеристик исходных экспериментальных данных - величины шумов и погрешностей в них и отклонений от аддитивности.

2. Предложена модель взаимно однозначной связи концентрационного и признакового симплексов, связывающая множество физических характеристик объектов (их аналитических признаков, спектров), с их материальным составом. Предложенная адаптивная модель позволила формализовать процесс получения расчетных процедур при разработке методик анализа как преобразование координат, и дала возможность их создания даже в отсутствие чистых индивидуальных эталонных веществ и без использования процедур обучения.

3. Разработаны алгоритмы и программы для получения модели сложной системы с использованием взаимно однозначной связи концентрационного и признакового симплексов при обработке многомерных данных в варианте целенаправленного преобразования решения задачи абстрактного факторного анализа. Структура модели включает только физически интерпретируемые параметры и характеристики - исходные наблюдаемые переменные (спектры) и концентрации компонентов.

4. Практическая реализация сформулированного системного подхода позволила создать ряд методик для анализа группового, индивидуального и изомерного состава смесей органических соединений различного происхождения - нефтей, нефтяных фракций, продуктов деградации нефтяных систем под воздействием природных и технологических факторов.

5. Показано, что концентрационное распределение гомологов нефтяных классов соединений на уровне доверительной вероятности 0.99 по критерию Пирсона %2 может быть моделировано однопараметрическим распределением Пуассона. Однопараметричность распределения Пуассона снижает требования к минимальному объему выборки для построения моделей состава, что существенно облегчает их практическое использование.

6. Предложена иерархическая модель материального состава нефтяной системы, элементы которой представляют суперпозицию нескольких распределений Пуассона с различными параметрами. На ее основе разработан метод количественного анализа нефтяных фракций при непосредственном вводе пробы в источник ионов масс-спектрометра.

7. Сформулирован принцип динамического моделирования материального состава и его характеристик на выходе из хроматографической колонки и новый вариант метода селективного ионного детектирования в хроматомасс-спектрометрии. Метод основан на выборе дифференцирующих комбинаций интенсивностей ионных пиков, учитывающих особенности распределения интенсивностей ионных пиков в масс-спектрах.

8. Разработана методика проверки линейности аналитического отклика многоканальных детекторов, оценки фактического диапазона линейности и апостериорной корректировки экспериментальных данных в случае обнаружения некорректностей в них из-за нарушения линейности по отдельным каналам детектирования.

9. Предложен способ оценки соответствия характеристик реального исследуемого объекта модели состава, заложенной в методику, основанный на сопоставлении чисел обусловленности матрицы расчетных коэффициентов методики (коэффициентов регрессии), и расширенной за счет включения в предыдущую матрицу спектра аналитических признаков исследуемого объекта.

10. Разработан способ идентификации модели материального состава объекта, метод скрытой маркировки и химический маркер для изделий, содержащих в своем составе нефтепродукты. Авторские права на химический маркер защищены патентом РФ.

Заключение

Системный подход к решению задач установления состава сложных химических объектов - широкого класса природных и технологических образцов - показал высокую эффективность при решении самых разнообразных задач в различных областях приложений - геохимии, химии окружающей среды, в контроле технологических процессов, криминалистики.

Открывающиеся возможности своевременного обнаружения погрешностей в данных и, при необходимости, их коррекции, а также оптимизации режимов работы аналитической аппаратуры позволяют повысить метрологические характеристики результатов исследования. Адаптивный принцип формирования модели состава позволяет свести к минимуму априорные требования и предположения о свойствах сложного объекта и его поведения в процессах взаимодействия с измерительным прибором.

Последовательность рассмотренных практических применений, в основе которых лежат методы, для которых отклонения от аддитивной схемы модели исключены (элементный анализ) или маловероятны (масс-спектрометрия) позволила продемонстрировать высокую эффективность и мощный потенциал изложенной методологии. Ее возможности позволяют надеяться добиться такой же эффективности при обработке данных и других физических методов.

Установление материального состава сложных химических объектов при отсутствии возможностей их физического моделирования позволяют решать значительно более обширный класс задач, и не исчерпываются приведенными практическими примерами. Рассмотренная методология может быть расширена на методы атомной и молекулярной эмиссионной спектроскопии, комбинационного рассеяния и целой гаммы лазерных спектральных методов, в том числе для дистанционных методов анализа.

Наличие хорошо отработанного математического аппарата для решения этих задач открывает перспективы создания специализированных пакетов прикладных программ для оснащения ими приборов отечественного производства, причем с характеристиками, не уступающими, а иногда и превышающими зарубежные аналоги.

Список литературы диссертационного исследования доктор физико-математических наук Туров, Юрий Прокопьевич, 2013 год

Список литературы

1 Золотов Ю.А. Аналитическая химия и химический анализ//Успехи химии.-2006. - Т. 75. - № 4. - С. 299-301.

2 В. В. Налимов. Применение математической статистики при анализе вещества. - М.: Физматгиз. - 1960. - 430 с.

3 Налимов В. В., Голикова Т. И. Логические основания планирования эксперимента. - М.: «Металлургия». -1980. - 152 с.

4 Родионова O.E. Хемометрика: достижения и перспективы /О.Е.Родионова, А.Л. Померанцев //Успехи химии.- 2006. - Т. 75. - № 4. - С. 302-321.

5 Lavine B.K. Chemometrics //Anal. Chem. - 1998. - V. 70. - No 12. - P. 209 -228.

6 Перегудов Ф.И.. Введение в системный анализ / Ф.И. Перегудов, Ф.П. Тарасенко. - М. : Высшая школа. - 1989. - 367 с.

7 Острейковский В.А. Теория систем. М.: Высшая школа. - 1997. - 240 с.

8 Антонов A.B. Системный анализ. М.: Высшая школа. - 2004. -454 с.

9 Туров Ю.П. Системный анализ информации в аналитической спектроскопии. Всеросс. конф. по аналитич. спектроскопии. - Краснодар, 2012. Материалы конференции. - С. 30.

10 Вершинин В.И., Дерендяев Б.Г., Лебедев К.С. Компьютерная идентификация органических соединений. М.: Наука. - 2002. - 183 с.

11 Бродский Е.С., Лукашенко И.М., Лебедевская В.Г. Масс-спектрометрический метод анализа ароматической части нефтяных фракций//Нефтехимия.-1975.-Т. 15.-№ 1.-С.39-45.

12 Бродский Е.С., Лукашенко И.М., Гольдберг Ю.М., Лебедевская В.Г. О вычислении характеристических сумм при масс-спектрометрическом анализе смесей органических соединений.//Журн.аналит.химии. -1974. - Т. 29. -№ 10. -С. 2026-2031.

13 Бродский Е.С., Стопский B.C., Разумов Н.В., Гусинская Е.В. Уточнение структурно-групповой характеристики азотистых оснований нефтей Сахалина.//Нефтехимия. - 1975. - Т. 15. -№ 3. - С. 464-469.

14 Гольдберг Ю.М., Бродский Е.С. Способ оценки совместимости экспериментальных данных и калибровочных коэффициентов при масс-спектрометрическом анализе сложных смесей//Журн.аналит.химии. - 1976. - Т. 31. -№ 1. - С. 10-15.

15 Milman В. L.; Konopelko, L. A. Identification of Chemical Substances by Testing of Hypotheses -1. General. // Fresenius J. Anal. Chem. - 2000. - V. 367. P. 621-628.

16 Milman B.L., Kovrizhnych M.A. Identification of Chemical Substances by Testing and Screening of Hypotheses - II. Determination of Impurities in n-Hexane and Naphthalene. // Fresenius J. Anal. Chem. - 2000. - V. 367. - P. 629-634.

17 Hartstra J., Franke J.P., Zeeuw R.A. How to Approach Substance Identification in Qualitative Bioanalysis. // J. Chromatogr. B. - 2000. - V. 739. - P. 125-137.

18 Milman B. L. A Procedure for Decreasing Uncertainty in the Identification of Chemical Compounds Based on Their Literature Citation and Cocitation. Two Case Studies. // Anal. Chem. - 2002. - V. 74. - P. 1484-1492.

19 Milman B. L. Literature-Based Generation of Hypotheses on Chemical Composition Using Database Co-occurrence of Chemical Compounds. // J. Chem. Inf. Model. - 2005. - V. 45. - P. 1153-1158.

20 Malinowski E. R., Howery D. G. Factor analysis in chemistry/ E. R. Malinowski, D. G. Howery.- New York: Wiley-Intersci. Publ. - 1980. - 275 p.

21 Елисеев, И.И. Логика прикладного статистического анализа / И.И. Елисеев, В.О. Рукавишников. - М.: Финансы и статистика. - 1982. - 192 с.

22 Maeder М., Zilian A. Evolving factor analysis, a new multivariate technique in chromatography // Chemom. and Intell. Lab. Syst. - 1988. - V. 3. - № 3. - P. 205-213.

23 Schostack K. J., Malinowski E. R. Theory of evolutionary factor analysis for resolution of ternary mixtures. // Chemom. and Intell. Lab. Syst. - 1990. - V. 8. - Iss. 2. -P. 121-141.

24 Snyder A.P., Windig W., J.P. Toth. Interactive self-modeling multivariate analysis of thermolysis mass spectra. // Chemom. and Intell. Laborat. Syst. - 1991. - V. 11.-№2. - P. 149-160.

25 Sungjin Hong. Warped factor analysis. // J. Chemometrics. - 2009. - V. 23. - P. 371-384.

26 Attias, H. Independent factor analysis. // Neural Computation. - 1998. - V. 11. -P. 803-851.

27 Hyvarinen, A.; Oja, E. Independent component analysis: Algorithms and applications. // Neural Networks. - 2000. - V. 13. - P. 411-430.

28 Gustafsson, M. A probabilistic derivation of the PLS algorithm. // J. Chem. Inf. Comput. Sci. - 2001. - V. 41. - P. 288-294.

29 Gustafsson, M. G. Independent Component Analysis Yields Chemically Interpretable Latent Variables in Multivariate Regression. // J. Chem. Inf. Model. -2005.-V. 45.-P. 1244-1255.

30 Westerhuis J. A. , Derks E. P. P. A., Hoefsloot H. C. J., Smilde A. K.. Grey component analysis. // Journal of Chemometrics. - 2007. - V. 21. - P. 474 - 485.

31 Xu Q., Sachs J.R., Wang T.-C., Schaefer W.H.. Quantification and Identification of Components in Solution Mixtures from ID Proton NMR Spectra Using Singular Value Decomposition. // Anal. Chem. - 2006. - V. 78. - P. 7175-7185.

32 Britz D.. Digital Simulation in Electrochemistry. Springer, Berlin-Heidelberg. -2005.

33 Brereton R.G. Introduction to multivariate calibration in analytical Chemistry. // Analyst. - 2000. - V. 125. - P. 2125-2154.

34 Brereton R.G. Chemometrics: Data Analysis for the Laboratory and Chemical Plant. John Wiley & Sons. - 2003. - 489 P.

35 Foo-tim Chau, Yi-zeng Liang, Junbin Gao, and Xue-guang Shao. Chemometrics: From Basics to Wavelet Transform. John Wiley & Sons, Inc. - 2004. - 317 P.

36 Windig W., Guilment J. Interactive Self-Modeling Mixture Analysis // Anal. Chem.-1991.-V. 63.-P. 1425 - 1432.

37 Windig W., Heckler С. E., Agblevor F.A., Evans R. Self-modeling mixture analysis of categorized pyrolysis mass spectral data with SIMPLISMA approach // J. Chemom. Intell. Lab. Syst. - 1992. - V. 14. - P. 195 - 207.

38 Windig W., Stephenson D.A. Self-modeling mixture analysis of second-derivative near-infrared spectral data using the SIMPLISMA approach // Anal. Chem. - 1992. -V. 64.-P. 2735 -2742.

39 Windig W., Antalek В., Lippert J.L., Batonneau Y., Bremard C.. Combined Use of Conventional and Second-Derivative Data in the SIMPLISMA Self-Modeling Mixture Analysis Approach. // Anal. Chem. - 2002. - V. 74. - P. 1371-1379

40 Rauch P.J., Harrington P. В.. Chemometric Resolution of Mixture Components by Cleardown Rates. // Anal. Chem. - 1998. - V. 70. - P, 716-723.

41 Barbieri P., Adami G., Piselli S., Gemiti F., Reisenhofer E.. A three-way principal factor analysis for assessing the time variability of freshwaters related to a municipal water supply. // Chemom. and Intellig. Lab. Syst. - 2002. - V. 62. - P. 89-100.

42 Туров Ю.П., Вылегжанин O.H. Применение методов факторного анализа при исследовании состава сложных смесей//Тез.докл. 4 Всес. конф. по аналит. химии орг. соед. М., Наука, 1979, с. 274-275.

43 Jian-Hui Jianga, Yizeng Liangb, Yukihiro Ozaki. Principles and methodologies in self-modeling curve resolution. //Chemometrics and Intelligent Laboratory Systems. 71,(2004), 1- 12.

44 Lazraq A., Cleroux R., Gauchi J.-P. Selecting both latent and explanatory variables in the PLS1 regression model. // Chemometrics and Intelligent Laboratory Systems. 66, (2003), 117- 126.

45 Vissera E., Lee Те-Won. An information-theoretic methodology for the resolution of pure component spectra without prior information using spectroscopic measurements. // Chemometrics and Intelligent Laboratory Systems. 70, (2004), 147155.

46 Zhong-Liang Zhu, Wen-Zhi Cheng, Yi Zhao. Iterative target transformation factor analysis for the resolution of kinetic-spectral data with an unknown kinetic model. // Chemometrics and Intelligent Laboratory Systems. 64, (2002), 157- 167.

47 Saltelli A., Ratto M., Tarantola S., Campolongo F.. Sensitivity Analysis for Chemical Models. // Chem. Rev. 2005, 105, 2811-2827.

48 Schwudke D., Hannich J.T., Surendranath V., Grimard V., Moehring T., Burton L., Kurzchalia T., Shevchenko A.. Top-Down Lipidomic Screens by Multivariate Analysis of High-Resolution Survey Mass Spectra. // Anal. Chem., 2007, 79, 40834093.

49 Xu Y., Gong F., Dixon S.J., Brereton R.G., Soini H.A., Novotny M.V., Oberzaucher E., Grammer K., Penn D.J.. Application of Dissimilarity Indices, Principal Coordinates Analysis, and Rank Tests to Peak Tables in Metabolomics of the Gas Chromatography/Mass Spectrometry of Human Sweat. // Analyt. Chem. 2007. V. 79. No 15. P. 5633 - 5641.

50 Mariela L. Ochoa and Peter B. Harrington. Chemometric Studies for the Characterization and Differentiation of Microorganisms Using in Situ Derivatization and Thermal Desorption Ion Mobility Spectrometry. // Anal. Chem., 2005, 77, 854863.

51 Dominguez-Vidal A., Saenz-Navajas M.P., Ayora-Canada M.J., Lendl B.. Detection of Albumin Unfolding Preceding Proteolysis Using Fourier Transform Infrared Spectroscopy and Chemometric Data Analysis. // Anal. Chem., 2006, 78, 3257-3264.

52 Balla B., Mocak J., Pivovarnikova H., Balla J.. Comparative study of cardiovascular markers data by various techniques of multivariate analysis. // Chemometrics and Intelligent Laboratory Systems. 2004. V. 72. No 2. P. 259-267.

53 Tondel K.. Prediction of Homology Model Quality with Multivariate Regression. //J. Chem. Inf. Comput. Sci. 2004, 44, 1540-1551.

54 Ruckebusch С., Duponchel L., Sombret В., Huvenne J.P., Saurina J.. Time-Resolved Step-Scan FT-IR Spectroscopy: Focus on Multivariate Curve Resolution. // J. Chem. Inf. Comput. Sci. 2003, 43, 1966-1973.

55 Lundstedt - Enkel K., Johansson A., Tysklind M., Asplund L., Nylund K., Olsson M., Oberg J.. Multivariate Data Analyses of Chlorinated and Brominated Contaminants and Biological Characteristics in Adult Guillemot (Uria aalge) from the Baltic Sea. // Environ. Sci. Technol. 2005, 39, 8630-8637.

56 Hall G.J., Clow K.E., Kenny J.E.. Estuarial Fingerprinting through Multidimensional Fluorescence and Multivariate Analysis. // Environ. Sci. Technol. 2005, 39, 7560-7567.

57 Bruggemann R., Welzl G., Voigt K.. Order Theoretical Tools for the Evaluation of Complex Regional Pollution Patterns. // J. Chem. Inf. Comput. Sci. 2003, 43, 17711779.

58 Barker J.D., Sharp M.J., Turner R.J.. Using synchronous fluorescence spectroscopy and principal components analysis to monitor dissolved organic matter dynamics in a glacier system. // Hydrol. Process. (2009), 23, 1487-1500.

59 Christensen J.H., Hansen A.B., Mortensen J., Andersen O.. Characterization and Matching of Oil Samples Using Fluorescence Spectroscopy and Parallel Factor Analysis. // Anal. Chem. 2005, 77, 2210-2217.

60 Михайлов E.B., Родионова O.E., Померанцев A.JT. Анализ структуры и состояния полигонов и свалок твердых бытовых отходов. Хемометрический подход // Геоэкология. - 2009. - № 2. - С. 143-153.

61 Tusar М., Novic М.. Data exploration on standard asphalt mix Analyses. // J. Chemometrics. 2009. 23. 283-293.

62 Starovoitova I.A., Khozin V.G., Abdrakhmanova L.A., Rodionova O.Ye., Pomerantsev A.L. Application of nonlinear PCR for optimization of hybrid binder used in construction materials // Chemom. Intell. Lab.Syst. - 2009. - V. 97. - P. 4651.

63 Borges C.R.. Concept for Facilitating Analyst-Mediated Interpretation of Qualitative Chromatographic-Mass Spectral Data: An Alternative to Manual Examination of Extracted Ion Chromatograms. // Anal. Chem., 2007, 79, 4805-4813.

64 Naes T., Tomic O., Mevik B.-H., Martens H. Path modelling by sequential PLS regression // J. Chemometrics. 2011. V. 25. P. 28-40.

65 Subramanian A., Harper W.J., Rodriguez-Saona L.E. Rapid Prediction of Composition and Flavor Quality of Cheddar Cheese Using ATR-FTIR Spectroscopy. //J. of Food Sci. 2009. Vol. 74. No. 3. P. C292-C297.

66 Otsuka M., Yamane I. Prediction of Tablet Properties Based on Near Infrared Spectra of Raw Mixed Powders by Chemometrics: Scale-Up Factor of Blending and Tableting Processes. // J. of Pharmaceutical Sci. 2009. Vol. 98. No. 11. P. 4296-4305.

67 Rodionova O.Ye., Sokovikov Ya.V., Pomerantsev A.L. Quality control of packed raw materials in pharmaceutical industry // Anal. Chim. Acta. - 2009. - V. 642. - P. 222-227.

68 Rodionova O.Ye., Pomerantsev A.L. NIR based approach to counterfeit-drug detection // Trends Anal. Chem. - 2010. - V. 29. - P. 795-803.

69 Pomerantsev A.L., Rodionova O.Ye., Melichar M., Wigmore A .J., Bogomolov A. In-line prediction of drug release profiles for pH-sensitive coated pellets // Analyst. -2011.-V. 136.-P. 4830-4838.

70 Moros J., Galipienso N., Vilches R., Garrigues S., Guardia M. Nondestructive Direct Determination of Heroin in Seized Illicit Street Drugs by Diffuse Reflectance Near-Infrared Spectroscopy. //Anal. Chem. 2008. Vol. 80. P. 7257-7265.

71 Lee S.-H., Cho H.-W., Labber N., Jeong M.K. Quick Assessment of the Thermal Decomposition Behavior of Lignocellulosic Biomass by Near Infrared Spectroscopy and Its Statistical Analysis. // J. of Appl. Polymer Sci. 2009. Vol. 114. P. 3229-3234.

72 Bock J.E., Connelly R.K. Innovative Uses Of Near-Infrared Spectroscopy In Food Processing. // J. of Food Sci. 2008. Vol. 73. No. 7. P. R91-R98.

73 Nicolaou N., Goodacre R.. Rapid and quantitative detection of the microbial spoilage in milk using Fourier transform infrared spectroscopy and chemometrics. // Analyst. 2008. V. 133. P. 1424-1431.

74 Reniers F., Silberberg E., Roose N., Vereecken J. Study of the chemical bonding in tungsten carbide and chromium films by application of factor analysis on AES depth profiles. // Appl. Surf. Sci. 1996. V. 99. № 4. P. 379-392.

75 Bubert H., Korte M., Garten R.P.H, Grallath E., Wielunski M. Application of factor analysis in electron spectroscopic depth profiling on copper oxide. // Analyt. Chim. Acta. 1994. V. 297. P. 187-195.

76 Alvarez-Guerra M., Ballabio D., Amigo J.M., Viguri J.R., Bro R. A chemometric approach to the environmental problem of predicting toxicity in contaminated sediments. // J. Chemometrics. 2010. V. 24. P. 379-386.

77 Ruiz M.D., Bustamante I.T., Dago A. et all. A multivariate calibration approach for determination of petroleum hydrocarbons in water by means of IR spectroscopy. // J. Chemometrics. 2010. V. 24. P. 444-447.

78 Tusar M., Novic M.. Data exploration on standard asphalt mix analyses. // J. Chemometrics. 2009. V. 23. P. 283-293.

79 Magrini K.A., Evans R.J., Hoover C.M., Elam C.C., Davis M.F. Use of pyrolysis molecular beam mass spectrometry (py-MBMS) to characterize forest soil carbon: method and preliminary results. // Envir. Poll. 2002. V. 116. Suppl. 1. P. S255-S268.

80 Cheng-Jian Xua, Yi-Zeng Lianga, Foo-Tim Chaub. Identification of essential components of Houttuynia cordata by gas chromatography/mass spectrometry and the integrated chemometric approach. // Talanta. 2005. V. 68. № l.P. 108-115.

81 Niewitetzki O., Tillmann P., Becker H.C., Mollers C.. A New Near-Infrared Reflectance Spectroscopy Method for High-Throughput Analysis of Oleic Acid and Linolenic Acid Content of Single Seeds in Oilseed Rape (Brassica napus L.). // J. Agric. Food Chem. 2010. V. 58. P. 94-100.

82 Родионова О.Е., Померанцев A.JI. Об одном методе решения обратной кинетической задачи по спектральным данным при неизвестных спектрах компонент // Кинетика и катализ. - 2004. - Т. 45. - С. 485-497.

83 Родионова О.Е., Померанцев A.J1. Оценивание параметров в уравнении Аррениуса. // Кинетика и катализ. - 2005. - Т. 46. С. 329-332.

84 Stangret J., Kamienska-Piotrowicz Е., Laskowska К. FT-IR studies of molecular interactions in formamide-methanol mixtures. // Vibrational Spectroscopy. 2007. V. 44. № 2. P 324-330.

85 Wee Chew. Information-theoretic chemometric analyses of Raman data for chemical reaction studies. // J. Raman Spectrosc. 2011. V. 42. P. 36-47.

86 Moutona N., Sliwaa M., Buntinxa G., Ruckebusch C.. Deconvolution of femtosecond time-resolved spectroscopy data in multivariate curve resolution. Application to the characterization of ultrafast photo-induced intramolecular proton transfer. // J. Chemometrics. 2010. V. 24. P. 424^33.

87 Zhichao Liu, Wensheng Cai, Xueguang Shao. High-throughput approach for analysis of multicomponent gas chromatographic-mass spectrometric signals. // J. of Chrom. A. 2009. V. 1216. № 9. P. 1469-1475.

88 Hoggard J.C., Siegler W.C., Synovec R.E. Toward automated peak resolution in complete GC_GC-TOFMS chromatograms by PARAFAC. // J. Chemometrics. 2009. V. 23. P. 421-431.

89 Graya M. J., Dennis G.R., Slonecker P.J., Shalliker R.A. Separation of oligostyrene isomers in a complex mixture using two-dimensional heart-cutting reversed-phased liquid chromatography. // J. of Chrom. A. 2004. V. 1028. No 2. P. 247-257.

90 Engelen S., Frosch S., Jorgensen B.M. A fully robust PARAFAC method for analyzing fluorescence data. // J. Chemometrics. 2009. V. 23. P. 124-131.

91 P. Zinn. Adaptive Multicomponent Analysis by Genetic Algorithms. // J. Chem. Inf. Model. 2005, 45, 880-887.

92Andersson M. A comparison of nine PLS1 algorithms. 11 J. Chemometrics. 2009. V. 23. P. 518-529.

93 Culp M., Michailidis G. A co-training algorithm for multi-view data with applications in data fusion. // J. Chemometrics. 2009. V. 23. P. 294-303.

94 Munck L., Jespersen B.M., Rinnan A., Seefeldt H.F., Engelsen M.M., Norgaard L., Engelsen S.B.. A physiochemical theory on the applicability of soft mathematical models - experimentally interpreted. // J. Chemometrics. 2010. V. 24.P. 481-495.

95 D. Lia, G.R. Lloyda, J.C Duncanb, R.G. Brereton. Disjoint hard models for classification. // J. Chemometrics. 2010. V. 24. P. 273-287.

96 O.M. Kvalheim. Interpretation of partial least squares regression models by means of target projection and selectivity ratio plots. // J. Chemometrics. 2010. V. 24. P. 496-504.

97 Andries E., Kalivas J.H.. Multivariate calibration leverages and spectral F-ratios via the filter factor representation. // J. Chemometrics. 2010. V. 24, P. 249-260.

98 Neymeyr K., Sawall M., Hess D.. Pure component spectral recovery and constrained matrix factorizations: concepts and applications. // J. Chemometrics. 2010. V. 24. P. 67-74.

99 Wee Chew, P. Sharratt. Trends in process analytical technology. // Anal. Methods. 2010. V. 2. P. 1412-1438.

100 Andersen C.M., Bro R.. Quantification and handling of sampling errors in instrumental measurements: a case study // Chemom. Intell. Laborat. Syst. 72 (2004) 43-50.

101 Andersen C.M., Bro R.. Variable selection in regression—a tutorial. // J. Chemometrics. 2010. V. 24. P. 728-737.

102 Wentzell P.D., Andrews D.T., Hamilton D.C., Faber K., Kowalski B.R. Maximum likelihood principal component analysis // J. Chemom. - 1997. - V. 11. - P. 339-366.

103 Vega-Montoto L., Wentzell P.D. Maximum likelihood parallel factor analysis (MLPARAFAC) // J. Chemom. - 2003. -V. 17. - P. 237-253.

104 A. Pomerantsev. Acceptance areas for multivariate classification derived by projection methods // Chemometrics. - 2008. - V. 22. - P. 601-609.

105 A. de Juan, R. Tauler. Chemometrics applied to unravel multicomponent processes and mixtures. Revisiting latest trends in multivariate resolution // Analytica Chimica Acta 500 (2003) 195-210.

106 P.D. Wentzell, S. Hou. Exploratory data analysis with noisy measurements //J. Chemometrics 2012; 26: 264-281.

107 M. Sawalla, A. Börner, C. Kubis, D. Selent, R. Ludwig, K. Neymeyr. Model-free multivariate curve resolution combined with model-based kinetics: algorithm and applications // J. Chemometrics. 2012, 26: 538-548.

108 Gad H.A., El-Ahmady S.H., Abou-Shoer M.I., Al-Azizi M.M.. Application of Chemometrics in Authentication of Herbal Medicines: A Review // Phytochem. Anal. 2013,24, 1-24.

109 Kjeldahl K., Bro R. Some common misunderstandings in chemometrics. // J. Chemometrics. 2010. V. 24. P. 558-564.

110 Pomerantsev A.L., Rodionova O.Ye. Process analytical technology: a critical view of the chemometricians // J. Chemometrics. - 2012. - V. 26. - P. 299-310.

111 N. Uzunbajakava, P. de Peinder, G.W. Hooft, A.T.M. van Gogh. Low-Cost Spectroscopy with a Variable Multivariate Optical Element. // Anal. Chem. 2006. V. 78. P. 7302-7308.

112 Chaomei Chen. Information visualization //In Wiley Interdisciplinary Reviews: Computational Statistics. Volume 2, July/August 2010. - P. 387-403.

113 Unscrambler. Programmer's Reference. CAMO Software AS. Oslo, Norway. 2010.

114 MATLAB Reference Guide.//The Math Works Inc. - Natick MA. - 1992.

115 Adami G., Aleffi F., Barbieri P., Favretto A., Predonzani S., Reisenhofer E. Bivalves and heavy metals in polluted sediments: a chemometric approach. // Water Air Soil Pollut. 1997. V. 99. P. 615-622.

116 Chase M.E, Jones S.H, Hennigar P, Sowles J, Harding G.C., Freeman K, Wells

P.G, Krahforst С, Coombs К, Crawford R, Pederson J, Taylor D. Gulfwatch: Monitoring spatial and temporal patterns of trace metal and organic contaminants in the Gulf of Maine (1991-1997) with the blue mussel (Mytilus edulis L). // Mar. Pollut. Bull. 2001. V. 42. P. 491-505.

117 Krambeck HJ. Application and abuse of statistical methods in mathematical modelling in limnology. // Ecol. Modelling. 1995. V. 78. P. 7-15.

118 Zitko, V. Data evaluation in environmental research. http://preprint.chemweb.com/envchem/ 0205001.

119 Duponchel L., Elmi-Rayaleh W., Ruckebusch C., Huvenne J. P.. Multivariate Curve Resolution Methods in Imaging Spectroscopy: Influence of Extraction Methods and Instrumental Perturbations. // J. Chem. Inf. Comput. Sci., 2003, 43 (6), 2057 -2067.

120 B.H. Спицнадель. Основы системного анализа. - СПб.: «Бизнесс-пресса», 2000.-326 с.

121 Герасимов Б.И., Попова Г.Л., Злобина Н.В. Основы теории системного анализа: качество и выбор. - Тамбов, 2011. 80 с.

122 Туров Ю.П., Гузняева М.Ю. Метрологический контроль линейности приборного отклика при использовании многоканальных детекторов //3 Всеросс. конф. «Аналитические приборы». Тезисы докладов. - СПб.: 22-26 июня 2008г.-С. 177-178.

123 Turov Yu.P., Guznyaeva M.Yu. Adaptive composition models in analytical chemistry // Intern. Congress on Analytical Sciences ICAS-2006: Book of Abstracts. - Moscow, 2006. - V. 1. - P. 149.

124 Turov Yu.P., Belitskaja E. Adaptive mathematical models of composition in analytical chemistry and earth sciences // Modern Methods of Data Analysis (Third Winter School on Chemomet-rics). Russia, Pushkins-kiye Gory, February 16-20, 2004. Abstracts of Reports, p. 30-31.

125 Туров Ю.П., Гузняева М.Ю. Применение адаптивных математических моделей для обработки экспериментальных данных при анализе состава смесей

// Всеросс. конференция «Химический анализ». Тезисы докладов. - М.: ИОНХ, 2008. С. 34-35.

126 Туров Ю.П., Гузняева М.Ю. Модель концентрационного симплекса при обработке данных в аналитической химии смесей // В кн.:Материалы 8 научной конф. «Аналитика Сибири и Дальнего Востока». - Томск.: 13-15 окт. 2008 г. С. 245-246.

127 Стренг, Г. Линейная алгебра и ее применения / Г. Стренг. - М.: Мир, 1980. -374 с.

128 Банников, В.А. Аппроксимация матриц и ее применение в факторном анализе / В.А. Банников // Алгоритмическое и программное обеспечение прикладного статистического анализа. - М.: Наука, 1980. - С. 208-232.

129 Липовецкий, С.С. Двойственная задача главных компонент / С.С. Липовецкий // Алгоритмическое и программное обеспечение прикладного статистического анализа. - М.: Наука, 1980. - С. 259-271.

130 Беллман, Р. Введение в теорию матриц / Р. Беллман. - М.: Наука, 1976. -351 с.

131 Окунь, Я. Факторный анализ / Я. Окунь. - М.: Статистика, 1974. - 197 с.

132 Лоули, Д. Факторный анализ как статистический метод / Д. Лоули, А. Максвелл. - М.: Мир, 1967. - 247 с.

133 Harman, H.H. Modern factor analysis / H.H. Harman. - Chicago: Univ. Chicago Press, 1960.-381 p.

134 Фу, К. Последовательные методы в распознавании образов / К. Фу. - М.: Наука, 1971.-255 с.

135 Дэвис, Дж. Статистика и анализ геологических данных / Дж. Дэвис. - М.: Мир, 1977.-356 с.

136 Бугаец, А.Н. Математические методы при прогнозировании месторождений полезных ископаемых / А.Н. Бугаец, Л.Н. Дуденко. - Л.: Недра, 1976. - 270 с.

137 Йёреског, К.Г. Геологический факторный анализ / К.Г. Йёреског, Д.И. Клован, P.A. Реймент. - Л.: Недра, 1980. - 223 с.

138 Дуда, Р. Распознавание образов и анализ сцен / Р. Дуда, П. Харт. - М.: Мир, 1976.-511 с.

139 Ту, Дж. Принципы распознавания образов / Дж. Ту, Р. Гонсалес. - М.: Мир, 1978.-411 с.

140 Howery, D.J. Factor analyzing the multifactor data of chemistry / D.J. Howery // Intern. Labor. - 1976. - March/April. - P. 11-21.

141 Bulmer, J.T. Factor analysis as a complement to band resolution techniques. The method and its application to self-association of acetic acid / J.T. Bulmer, H.F. Shurvell // J. Phys. Chem, 1973. - V. 77, No 2. P. 256-262.

142 Hugus, Z.Z. The determination of the number of species present in a system: a new matrix rank treatment of spectrophotometric data / Z.Z. Hugus, Jr., A.A. El-Awady // J. Phys. Chem., 1971. - V. 75, No 19. P. 2954-2957.

143 Kankare, J.J. Computation of equilibrium constants for multicomponent systems from spectrophotometric data / J.J.Kankare // Anal. Chem., 1970. - V. 42, No 12. P. 1322-1326.

144 Ritter, G.L. Factor analysis of the mass spectra of mixtures // G.L. Ritter, S.R. Lowry, T.L. Isenhour, C.L. Wilkins // Anal. Chem., 1976. - V. 48, No 3. P. 591-595.

145 Wallase, R.M. A method for the determination of rank in the analysis of absorption spectra of multicomponent systems / R.M. Wallase, S.M. Katz // J. Phys. Chem., 1964. - V. 68, No 12. P. 3890-3892.

146 Duewer, D.L. Improving the reliability of factor analysis of chemical data by utilizing the measured analytical uncertainty / D.L. Duewer, B.R. Kowalski, J.L. Fasching // Anal. Chem., 1976. - V. 48, No 13. P. 2002-2010.

147 Malinowski, E.R. Determination number of factors and the experimental error in a data matrix /E.R. Malinowski// Anal.Chem., 1977. - V. 49, No 4. P. 612-617.

148 Malinowski, E.R. Theory of error in factor analysis / E.R. Malinowski // Anal. Chem., 1977. - V. 49, No 4. P. 606-612.

149 Malinowski, E.R. Theory of error applied to factor loadings resulting from combination target factor analysis / E.R. Malinowski // Anal. Chim. Acta, 1980. - V. 122, No 3. P. 327-330.

150 Malinowski, E.R. Theory of error applied to pure test vectors in target factor analysis / E.R. Malinowski // Anal. Chim. Acta, 1981. - V. 133, No 1. P. 99-101.

151 Cochran, R.N. Statistically weighted principal component analysis of rapid scanning wavelength kinetics experiments / R.N. Cochran, F.H. Home // Anal. Chem., 1977. - V. 49, No 6. P. 846-853.

152 An American National Standard ASTM D 6122-99. Standard Practice for Validation of Multivariate Process Infrared Spectrophotometers. © ASTM, United State, 1999. 25 p.

153 An American National Standard ASTM D 62299-00. Standard Practice for Applying Statistical Quality Assurance Techniques to Evaluate Analytical Measurement System Performance. © ASTM, United State, 2000. 20 p.

154 Rasmussen, G.T. Principal component analysis of the infrared spectra of mixtures / G.T Rasmussen, T.L. Isenhour, S.R. Lowry, G.L. Ritter // Anal. Chim. Acta, 1978.-V. 103, No 3. P. 213-221.

155 Morgan, M.G. Effect of random experimental error / M.G. Morgan, B.R. Kowalski // Anal. Chem., 1984. - V. 56, No 3. P. 562-569.

156 McCue, M. Target factor analysis of infrared spectra of multicomponent mixtures / M. McCue, E.R. Malinowski // Anal. Chim. Acta, 1981. - V. 133, No 2. P. 125-136.

157 Ohta, N. Estimating absorption band of component dyes by means of principal component analysis / N. Ohta // Anal. Chem., 1973. - V. 45, No 3. P. 553-557.

158 Weiner, P.H. Factor analysis of solvent shifts in proton magnetic resonance / P.H. Weiner, E.R. Malinowski, A.R. Levinstone // J. Phys. Chem., 1970. - V. 74, No 26. P. 4537-4542.

159 Kovalski, B.R. Chemometrics / B.R. Kovalski //Anal. Chem., 1980. - V. 54, No 5. P. 112R-122R.

160 Беклемишев Д.В. Дополнительные главы линейной алгебры. М., Наука, 1983. 335 с.

161 Еремин И.И., Мазуров В.Д., Астафьев H.H. Несобственные задачи линейного и выпуклого программирования. - М., Наука, 1983. - 336 с.

162 Туров Ю.П., Вылегжанин О.Н. Применение методов факторного анализа при исследовании состава сложных смесей органических соединений. Тез. Докл. 1У Всес. Конф. по аналитич. химии орг. соединений. М., Наука, 1979. С. 274-275.

163 Туров Ю.П. Лабораторная диалоговая система обработки данных на базе ЭВМ СМ-4. - В кн.: Инструментальные методы химического анализа. -Новосибирск, 1987. -С. 70-75.

164 Туров Ю.П., Вылегжанин О.Н. Применение метода главных компонент при масс-спектрометрическом исследовании смесей органических соединений. Тез. Докл. У Всес. конф. по использованию ЭВМ в спектроскопии и химических исследованиях. Новосибирск, Наука, 1980. С. 184-185.

165 Туров Ю.П. Метод обработки результатов масс-спектрометрического исследования смесей органических соединений. //Совершенствование методов анализа нефтей. Труды ИХН СО РАН. - Томск: ТФ СО АН СССР, 1983. - С. 135-147.

166 Туров Ю.П. Факторный анализ и его применение при исследовании смесей органических соединений. //Инструментальные методы исследования нефти. Под ред. Иванова Г.В.- Новосибирск: Наука, 1987. - С. 67-82.

167 Туров Ю.П. Факторный анализ в аналитической химии смесей органических соединений. - Томск, 1986. - 49 с. (Препринт № 39 ТФ СО АН СССР).

168 Туров Ю.П. Лабораторная система обработки данных, ориентированная на исследование смесей соединений. //Тез. Докл. У Всесоюзной конф. по аналитической химии органич. соединений. -М.: Наука, 1984. - С. 8.

169 Дворкин В.И. Метрология и обеспечение качества количественного химического анализа. — М.: Химия, 2001. — 263 с.

170 Ануфриев И. Е., Смирнов А. Б., Смирнова Е. Н. MATLAB 7. - СПб.: БХВ-Петербург, 2005. - 1104 с.

171 Гантмахер Ф.Р. Теория матриц. - М.: ФИЗМАТЛИТ, 2004. - 560 с.

172 Химия нефти и газа: Учеб. пособие для вузов/А. И. Богомолов, А. А. Гайле, В. В. Громова и др. Под ред. В. А. Проскурякова, А. Е. Драбкина.— СПб: Химия, 1995.—448 с.

173 Туров Ю.П., Сагаченко Т.А., Унгер Ф.Г. Возможности количественного масс-спектрометрического анализа многокомпонентных смесей при прямом вводе образца в камеру ионизации // Журн. аналит. химии, 1988, т. 44, № 8, с. 1406-1410.

174 Туров Ю.П., Вылегжанин О.Н. Молекулярно-массовое распределение некоторых нативных компонентов нефтей // Нефтехимия, 1978, т. 18, № 3, с. 454-457.

175 Туров Ю.П., Вылегжанин О.Н. Характер распределения гомологических рядов некоторых компонентов нефти // В сб.: Молекулярная структура углеводородов, гетероатомных соединений нефти и седиментитов. Изд. МГУ, М., 1978, с. 28-29.

176 Бродский Е. С. Анализ углеводородов и гетероатомных соединений в нефтяных фракциях и продуктах переработки нефти с помощью масс-спектрометрии. М.: ВНИИНП, 1978, с. 28. Рукопись деп. в ЦНИИТЭНефтехим., № 11-501. Деп.

177 Кадычагов П.Б., Туров Ю.П. Методика структурно-группового анализа соединений нефти с применением математической обработки кривых молекулярно-массового распределения // Нефтехимия, 1985, т. 25, № 5, с. 584588.

178 Воронова О.С., Туров Ю.П., Бейко O.A., Большаков Г.Ф. Природа азотистых оснований нефтей Западной Сибири // Нефтехимия, 1985, т. 25, № 3, с. 349-359.

179 Матис Е.Я., Кураколова Е.А., Туров Ю.П., Буркова В.Н. Каротиноидные пигменты в осадочных породах Восточной Сибири // Геохимия, 1989, № 1, с. 143-147.

180 Туров Ю.П, Кадычагов П.Б. Особенности инструментального анализа высокомолекулярных нефтяных соединений и их смесей. В кн. Инструментальные методы исследования нефти. Сб. статей. Новосибирск, Наука, 1987.-С. 4-12.

181 Туров Ю.П., Кадычагов П.Б. Особенности масс-спектрометрического анализа высококипящих фракций нефти при ионизации электронным ударом//Журнал аналитической химии, 1992, т. 47, № 4, с. 666-672.

182 Turov Y.P., Gooznjaeva M. Polycyclic Aromatic Compounds in West Siberia Environment/VT of Polycyclic Aromatic Compounds. (2000), V.18, p. 155-168.

183 Серебренникова O.B., Казаков A.M., Филиппова Т.Ю., Туров Ю.П. Углеводороды и металлопорфирины в вулканогенно-осадочных толщах триаса Сибири //ДАН, 2001, т. 379, вып. 5, с. 659-661.

184 Гаевая JI.H., Туров Ю.П, Нехорошев В.П., Нехорошев C.B., Афанасьев И.П. Идентификация моторных топлив, маркированных смесью углеводородов. // Зав. лаборат. - 2011. - Т. 77. - № 6. - С. 68-72.

185 Нехорошев В.П., Госсен Л.П., Балахонов Е.Г., Туров Ю.П., Слижов Ю.Г. Анализ продуктов термической и термоокислительной деструкции А1Ш // Пластические массы, 1994, № 2, с. 71-75.

186 Гаевая Л.Н., Туров Ю.П, Нехорошев В.П. Исследование состава низкомолекулярных продуктов термоокислительной деструкции атактического полипропилена методом газовой хроматографии/масс-спектрометрии. // Масс-спектрометрия. - 2011. - Т. 8. - № 3. - С.161-168.

187 Дренин А.А , Ботиров Э.Х. , Туров Ю.П. Новый гликозид изофлавона из Trifolium Pratense L. // Химия растит, сырья. - 2010. - № 2. - С. 53-56.

188 Туров Ю.П. Анализ растительных материалов с использованием многоканальных детекторов. Межд. конф. Актуальные проблемы химии природных соединений. - Ташкент, 2010. Тез. докл. - С. 46.

189 Gaevaya L. N., Turov Yu. P., Nekhoroshev V. P. and Nekhoroshev S. V. Structural-group composition of low-molecular-weight products of thermal oxidative degradation of atactic polypropylene. // Russian Journal of Applied Chemistry, 2011. V. 84. No 3. P. 461-467.

190 Коржов Ю.В., Головко A.K., Туров Ю.П. Изучение состава нефтяных алкилбензолов методом хроматомасс-спектрометрии // Изв. Сиб. Отдел. АН СССР. Серия химич. наук, 1989, вып. 4, с. 19-24.

191 Кадычагов П.Б., Туров Ю.П., Лагно И. А. Исследование состава каменноугольного масла для пропитки древесины методом хромато-масс-спектрометрии // Кокс и химия, 1996, № 9, с. 23-25.

192 Туров Ю.П. Недетерминированные модели состава смесей при обработке данных химического анализа компонентов окружающей среды//В.кн. "Системы экоинформатики: проблемы, решения, перспективы". Сб.науч.тр. Томск, ТФ СО АН СССР. 1990, с. 54-70.

193 Туров Ю.П., Солиенко О.В. Разделение сложного спектрального контура на индивидуальные составляющие// В кн.: Совершенствование методов анализа нефтей. Изд.ТФ СО АН СССР. Томск, 1983, с. 124-129.

194 Lyutikova M. N. , Turov Yu. P. Chemical constituents from wild Oxycoccus palustris fruit from north Tyumen oblast // Chemistry of Natural Compounds. 2010. V. 46. No 6. P. 848-851.

195 Лютикова M.H., Туров Ю.П. Исследование компонентного состава ягод дикорастущей брусники (Vaccinium Vitis-Idaea L.) // Химия растительного сырья. 2011. № 1.С. 145-149.

196 Ma L., Slattery О., Tang X. Experimental study of high sensitivity infrared

spectrometer with waveguide-based upconversion detector. // Optics Express. 2009. Vol. 17. No. 16. P. 14395-14404.

197 Самохин А.С., Ревельский И.А. Применение метода главных компонент для выделения «чистых» масс-спектров в ГХ/МС анализе // Масс-спектрометрия. 2010.Т. 7. №2. С. 132-138.

198 Руководство по газовой хроматографии. Под. Ред. Лейбница Э., Штруппе Х.Г. М:., Мир, 1988. 480 с.

199 Брандт 3. Статистические методы анализа наблюдений. М., Мир, 1975. -312 с.

200 Belitskaja Е., Turov Yu.P. Multivariate methods for data processing in organic geochemistry // Modern Methods of Data Analysis (Third Winter School on Chemomet-rics). Russia, Pushkins-kiye Gory, February 16-20, 2004. Abstracts of Reports, p. 28.

201 Серебренникова O.B., Васильев Б.Д., Туров Ю.П., Филиппова Т.Ю., Белицкая Е.А., Ананьев Ю.С., Шалдыбин М.В. Нефтепроявление «Сохочул» в Северной Хакасии // Известия Томского политехнического университета (Геология и Разработка нефтяных и газовых месторождений). - 2002. - Т. 305. -Вып. 8, С. 78-83.

202 Серебренникова О.В., Васильев Б.Д., Туров Ю.П., Филиппова Т.Ю. Нафтиды в базальтах нижнего девона Северо-Минусинской впадины // Доклады Академии наук. - 2003. - Т. 390. № 4, с. 525 -527.

203 Belitskaya Е.А., Serebrennikova O.V. , Turov Yu.P. Compositional features of polyarenes in Jurassic-Lower Cretaceous setting of West Siberia, Russia // Book of Abstracts of the 21st Inter, meeting on organic geochemistry, September 8-12, 2003. - Krakow, Poland. - 2003. - Part II, p. 197-198.

204 Serebrennikova O., Turov Yu., Vasiliyev B. Oil and hard bitumens in Lower Devonian basalts of Siberia, Russia // Book of Abstracts of the 21st Inter, meeting on organic geochemistry, September 8-12, 2003. - Krakow, Poland. - 2003. - Part II, p. 233-234.

205 Белицкая Е.А., Серебренникова О.В., Туров Ю.П. Полиарены в рассеянном органическом веществе и нефти юга Западной Сибири // Материалы 5-ой межд. конф. «Химия нефти и газа», 22-26 сентября 2003 г. - Томск, Россия. - 2003, с. 100-104.

206 Серебренникова О.В., Туров Ю.П., Филиппова Т.Ю. Состав нафтидов Северо-Минусинской впадины // Материалы 5-ой межд. конф. «Химия нефти и газа», 22-26 сентября 2003 г. - Томск, Россия. - 2003, с. 131-135.

207 Васильев Б.Д., Серебренникова О.В., Туров Ю.П., Ананьев Ю.С. Нефтепроявление «Сохочул» в Северной Хакасии // Перспективы нефтега-зоносности Байкала и Западного Забайкалья: Мат-лы научно-практич. совещания, Улан-Удэ, 14-16 октября 2003 г. - Улан-Удэ: Изд-во БНЦ СО РАН, 2003, с. 11 -14.

208 Yongge Sun, Shiping Xu, Hong Lu, Pingxia Cuai. Source facies of the Paleozoic petroleum systems in the Tabei uplift, Tarim Basin, NW China: implications from aryl isoprenoids in crude oils // Organic Geochemistry. 2003. V. 34. P. 629-634.

209 Унгер Ф.Г., Андреева JI. H. Фундаментальные аспекты химии нефти. Природа смол и асфальтенов. - Новосибирск: Наука, 1995. - 192 с.

210 Turov Yu. P., Gooznjaeva M. Yu. Changes of oil fluid composition in natural transformation processes //2nd Black Sea Basin Conference on Analytical Chemistry, Istanbul - TURKEY, September, 14-17, 2003. Abstracts, p. 178.

211 Turov Yu. P., Gooznjaeva M. Yu. Analytical approach to petroleum degradation process elucidation //2nd Black Sea Basin Conference on Analytical Chemistry, Istanbul - TURKEY, September, 14-17, 2003. Abstracts, p. 179.

212 Туров Ю.П., Гузняева М.Ю. Моделирование процессов биодеградации нефти//Нефтехимия, т. 44, № 5, 2004, с. 393-400.

213 Сваровская Л.И., Алтунина Л.К., Туров Ю.П., Гузняева М.Ю. Микробная деструкция углеводородов нефти // В Сб. «Теоретические и практические основы физико-химического регулирования свойств нефтяных дисперсных систем». Томск, 1999, с. 16 - 22.

214 Gooznjaeva M., Russkikh I., Turov Yu. Changes of oil composition under natural and model biodégradation // The 5 th Korea-Russia International Symposiumon «Science and Technology» June 26 -July 3, 2001, Tomsk Polytechnic University, Russia (KORUS-2001). Proceedings, Vol. 2, p. 84-87.

215 Гузняева М.Ю., Туров Ю.П. Моделирование процессов биодеградации нефти. // Нефтехимия. - 2004. - Т. 44. - № 5. - С. 393-400.

216 Гузняева М.Ю., Туров Ю.П.Исследование деградации нефтяной системы спектральными методами. Всеросс. конф. по аналитич. спектроскопии. -Краснодар, 2012. Материалы конференции. - С. 343.

217 Turov Yu. P., Gooznjaeva M.Yu., Kadychagov P.B. Geochemical Processes of Oil Spill Dissipation in the Environment // MinChem'98. The Sixth Symposium on Mining Chemistry. Hungary, Siofok, 27-30 Sept., 1998. Proceedings, p. 325-330.

218 Turov Yu.P., Gooznjaeva M.Yu., Golovko A.K. Distribution and Degradation of Oil Pollution under Climatological Factors//III Yugoslav Symposium Chemistry and the Environment", 1998. Yugoslavia. Proceedings. 1998, p. 17-21.

219 Turov Yu. P., Gooznjaeva M. Yu., Belitskaja H.A., Kadychagov P.B. Persistent Organic Pollutants and Dispersed Particles in the Water Environment - Detection, Spreading and Fate // В кн.: Advances In Incremental Petroleum Production (the 5 th volume of the Progress in Mining and Oilfield Chemistry), Akademiai Kiado Rt., Budapest, 2003, p. 357-366.

220 Туров Ю.П., Пирогова И.Д., Кадычагов П.Б. Исследование экстрагируемых органических загрязняющих веществ в водах Верхней Волги // Оптика атмосферы и океана, 1994, т. 7, № 4, с. 512-520.

221 Туров Ю.П., Пирогова И.Д., Гузняева М.Ю., Ермашова Н.А. Органические примеси в природных водах в районе г. Стрежевого // Водные ресурсы, 1998, т.25, №4, с. 455-461.

222 Туров Ю.П., Кадычагов П.Б., Гузняева М.Ю., Алыпанский A.M. Полициклические ароматические углеводороды в подземных водах и почвах

Обь-Томского междуречья // Химия в интересах устойчивого развития, 1999, т. 7, №3, с. 291-299.

223 Конторович А.Э., Шварцев СЛ., Зуев В.А., Туров Ю.П., Рассказов Н.М. Органические микропримеси в пресных природных водах бассейнов Томи и Верхней Оби // Геохимия, 2000, № 5, с. 533-544.

224 Гузняева М.Ю., Кадычагов П.Б., Туров Ю.П. Оценка нефтяного загрязнения окружающей среды с использованием компьютерных баз данных // Нефтехимия, 1999, т.39, № 2, с.153-159.

225 Гончаров И.В., Кулаченко В.И., Алексеев А.П., Туров Ю.П., Вылегжанин О.Н. Исследование группового состава нефтяных фенолов // В сб.:Проблемы нефти и газа Тюмени. Труды Зап-СибНИГНИ, вып. 48. Тюмень, 1980, с. 18-20.

226 Шаботкин И.Г., Бурмистрова Н.В., Туров Ю.П. Групповой состав фенолов нефтей Малоичского и Самотлорского месторождений // В кн.:Изучение состава и свойств компонентов нефти. Изд. ТФ СО АН СССР. Томск, 1983, с. 57-63.

227 Туров Ю.П., Шаботкин И.Г. Высокомолекулярные компоненты нефтяных фенолов // Нефтехимия, 1993, т. 33, № 6, с. 505-509.

228 Гончаров И.В., Туров Ю.П., Кулаченко В.И. и др. Азотистые основания фракции 140-240°С западно-сибирских нефтей//Нефтехимия, 1977, т. 17, №5, с. 796-801.

229 Раппопорт B.JL, Разумов Н.В., Туров Ю.П. Строение бензхинолинов фракции дизельного топлива Сахалинской нефти // Нефтехимия, 1980, т. 20, № 5, с. 756-761.

230 Туров Ю.П., Гончаров И.В. Азотистые основания фракции 180-360°С Западно-сибирских нефтей // Нефтехимия, 1985, т. 25, № 1, с. 122-126.

231 Воронова О.С., Туров Ю.П., Бейко O.A., Большаков Г.Ф. Природа азотистых оснований нефтей Западной Сибири // Нефтехимия, 1985, т. 25, № 3, с. 349-359.

232 Туров Ю.П., Шаботкин И.Г., Солиенко О.В. Хромато-масс-спектральное исследование азотистых оснований среднедистиллятных фракций // В кн.: Состав и свойства гетероатомных соединений нефти Западной Сибири. Сб.научн. трудов. ТФ СО АН СССР. Томск, 1987, с. 72-79.

233 Герасимова H.H., Сагаченко Т.А., Туров Ю.П., Бейко O.A. Групповой состав низкомолекулярных азотистых оснований Самотлорской нефти // Нефтехимия, 1987, т. 27, № 1, с. 39-41.

234 Воронова О.С., Туров Ю.П., Бейко O.A., Большаков Г.Ф. Природа азотистых оснований нефтей Западной Сибири // В кн.:Химич. состав нефтей и нефтепродуктов. Тез.докл. Всес. конф. Тбилиси. М., Наука,1984, с. 52-53.

235 Воронова О.С., Туров Ю.П., Бейко O.A., Большаков Г.Ф. Природа азотистых оснований нефтей Западной Сибири // Нефтехимия, 1985, т. 25, № 3, с. 349-359.

236 Гусейнова Б.А., Валиев М.А., Самедова Ф.И., Туров Ю.П. Азотистые основания нефти месторождения Банка Дарвина // В кн.:Всес. конф. по химии нефти. Тез.докл. Томск, 1988, с. 129-130.

237 Туров Ю.П., Гусейнова Б.А., Самедова Ф.И. Структурно-групповой состав высокомолекулярных азотистых оснований нефти морского месторождения "Банка Дарвина" // Тез.докл. Межд.конф. по химии нефти. Томск, 1-4 окт. 1991 г., с. 171-172.

238 Пат. 2181733 Рос. Федерация. Битумно-полимерное вяжущее / В.П. Нехорошев, Е.А. Попов, A.B. Нехорошева; Томский гос. ун-т: № 2000108065/04; заявл. 03.04.00; опубл. 27.04.02, Бюлл. №12. 14 с.

239 Пат. 2309969 Рос. Федерация. Термопластичный герметизирующий материал и способ его получения / В.П. Нехорошев, Г.М. Лапутина, С.И. Коновалов, A.B. Колесов, О.П. Зинина, A.B. Нехорошева, К.Н. Гаевой; Сургутский гос. ун-т, ЗАО «Гермаст»: № 2006103711/04; заявл. 08.02.06 ; опубл. 10.11.07, Бюлл. № 31. 8 с.

240 Нехорошев В. П., Нехорошева А. В. и др. Окисленный атактический полипропилен: Получение, свойства, и применение // Журн. прикл. химии. 2000. Т. 73, №6. С. 996-999.

241 Richters P. Initiation Process in the Oxidation of Polypropylene // Macromolecules. 1970. Vol. 3, N 2. P. 262 - 264.

242 Barabas K., Iring M., Laszlo-Hedvig S., Kelen Т., Tiido F. Study of the thermal oxidation of polyolefines—VIII : Volatile products of polypropylene thermal oxidation // European Polym. J. 1978. Vol. 14, N 6. P. 405 - 407.

243 Hoff A., Jacobsson S. Thermal oxidation of polypropylene close to industrial processing conditions // J. Appl. Polym. Sci. 1982. Vol. 27, N 7. P. 2539 - 2551.

244 Frostling H., Hoff A. & al. Analytical, occupational and toxicologic aspects of the degradation products of polypropylene plastics //Scand. J. Work Environ. Health. 1984. Vol. 10, N2. P. 163- 169.

245 Billingham N.C., Calvert P.D. Application of UV microscopy to studies of oxidation and stabilization in polymers // Pure Appl. Chem. - 1985. - Vol. 57. - N 11. -P. 1727- 1736.

246 George G. A., Celina M., Lerf C., Cash G., Weddell D. A spreading model for the oxidation of polypropylene // Macromol. Symp. - 1997. - Vol. 115. - N 1. - P.69 -92.

247 Lacey D. J., Dudler V. Chemiluminescence from polypropylene: Imaging thermal oxidation of unstabilised film // Polym. Degrad. and Stab. - 1996. - Vol. 51. -N2. - P. 101 - 108.

248 Olivares N., Tiemblo P., Gomez-Elvira J.M. Physicochemical processes along the early stages of the thermal degradation of isotactic polypropylene I. Evolution of the у relaxation under oxidative conditions // Polym. Degrad. and Stab. - 1999. - Vol. 65. - N 2. - P.297 - 302.

249 Tiemblo P., Gomez-Elvira J.M. A representation of the autoacceleration stage of polypropylene thermooxidation //Polym. Degrad. and Stab. - 2000. - Vol. 67. - N 1. -P. 49-56.

250 Blakey I., George G.A. Raman spectral mapping of photo-oxidised polypropylene //Polym. Deg. Stab. - 2000. - Vol. 70. - N 2. - P. 269 - 275.

251 Blakey I., George G.A., Billingham N.C. Energy Transfer and Activated Chemiluminescence during Thermal Oxidation of Polypropylene: Evidence for Chemically Induced Electron Exchange Luminescence // Macromolecules. - 2001. -Vol. 34.-N26.-P. 9130-9138.

252 Scott G., Wiles D.M. Programmed-Life Plastics from Polyolefins: A New Look at Sustainability // Biomacromolecules. - 2001. - Vol. 2. - N 3. - P. 615 - 622.

253 Willoughby B.G., Golby A., Davies J., Cain R. Volatile component analysis as a routine characterisation tool: an approach to fingerprinting polyolefm type and process history using ATD-GC/MS // Polym. Test. - 2003. - Vol. 22. - N 5. - P. 553 -570.

254 Potyrailo R.A., Wroczynski R.J., Morris W.G., Bradtke G.R. Determination of oxidative stability of polypropylene using chemical sensors // Polym. Degrad. Stab. -2004. - Vol. 83. - N 3. - P. 375 - 381.

255 Hakkarainen M., Albertsson A.-C. Indicator Products: A New Tool for Lifetime Prediction of Polymeric Materials // Biomacromolecules. - 2005. - Vol. 6. - N 2. - P. 775 - 779.

256 Bortoluzzi J. H., Pinheiro E. A., Carasek E., Soldi V. Solid phase microextraction to concentrate volatile products from thermal degradation of polymers // Polym. Degr. and Stab. - 2005. - Vol. 89. - N 1. - P. 33 - 37.

257 Manabe N., Yokota Y. & al. Local thermal degradation behavior of heterophasic polypropylene copolymers // J. Appl. Polym. Sci. - 2006. - Vol. 100. - N 3. - P. 1831 - 1835.

258 Sarrabi S., Colin X., Tcharkhtchi A., Heninger M., Leprovost J., Mestdagh H. Real time analysis of volatile organic compounds from polypropylene thermal oxidation using chemical ionization Fourier transform ion cyclotron resonance mass spectrometry // Anal. Chem. - 2009. - Vol. 81. - N 15. - P. 6013 - 6020.

259 Weidner S.M., Trimpin S. Mass Spectrometry of Synthetic Polymers //Anal. Chem. - 2010. - Vol. 82. - N 12. - P. 4811 - 4829.

260 Bernstein R., Thornberg S.M., Assink R.A., Irwin A.N., Hochrein J.M., Brown J.R., Derzon D.K., Klamo S.B., Clough R.L. The origins of volatile oxidation products in the thermal degradation of polypropylene, identified by selective isotopic labeling // Polym. Degrad. and Stab. - 2007. - Vol. 92. - N 11. - P. 2076 - 2094.

261 Bernstein R., Thornberg S.M., Irwin A.N., Hochrein J.M., Brown J.R., Derzon D.K., Klamo S.B., Clough R.L. Radiation-oxidation mechanisms: Volatile organic degradation products from polypropylene having selective C-13 labeling studied by GC/MS // Polym. Degrad. and Stab. - 2008. - Vol. 93. - N 4. - P. 854 - 870.

262 Bernstein R., Thornberg S.M., Assink R.A., Mowery D.M., Alam M.K., Irwin A.N., Hochrein J.M., Derzon D.K., Klamo S.B., Clough R.L. Insights into oxidation mechanisms in gamma-irradiated polypropylene, utilizing selective isotopic labeling with analysis by GC/MS, NMR and FTIR // Nuclear Instruments and Methods in Physics Research Section B: Beam Interactions with Materials and Atoms. - 2007. -Vol. 265.-Nl.-P. 8-17.

263 Garton A., Carlsson D.J., Wiles D.M. Polypropylene Oxidation: The Apparent Rate Constant for Peroxy Radical Termination and the Photoinitiation Efficiency // Macromolecules. - 1979. - Vol. 12. - N 6. - P. 1071 - 1073.

264 Туров Ю.П., Гаевая JI.H., Нехорошев В.П. Фрагментарная периодичность в масс-спектрах продуктов окисления атактического полипропилена // 3 Всеросс. конф. с междунар. участием «Масс-спектрометрия и ее прикладные проблемы». Тез. докл. - М.: 18-22 мая 2009г. - С. 158.

265 Нехорошев В.П., Туров Ю.П., Нехорошева А.В., Огородников В.Д., Гаевой К.Н. Исследование строения продуктов термоокислительной деструкции атактического полипропилена // Журн. прикл. химии. - 2006. - Т. 79. - № 3. - С. 493-496.

266 Лебедев А.Т. Масс-спектрометрия в органической химии. М.: БИНОМ, 2003. 493 с.

267 Нехорошев В.П., Туров Ю.П., Нехорошева A.B., Огородников В.Д., Гаевой К.Н. Состав и строение низкомолекулярных продуктов термоокислительной деструкции атактического полипропилена // Журн. прикл. химии. - 2006. - Т. 79. - № 5. - С. 845 - 852.

268 Нехорошева A.B., Нехорошев В.П., Меркулов В.Г., Госсен Л.П., Туров Ю.П. Исследование экстракционной способности непредельных кетонов // Журн. прикл. химии. - 1999. - Т. 72. - № 10. - С. 1637-1641.

269 Нехорошев В.П., Госсен Л.П., Туров Ю.П., Меркулов В.Г. Смесь кетонов, включающая непредельные кетоны, в качестве экстрагента технеция // Патент РФ № 2088568 на изобретение. Опубл. 27.08.1997 г., БИ № 24.

270 Нехорошева A.B., Нехорошев В.П., Туров Ю.П. Состав и строение низкомолекулярных соединений, полученных при термоокислительной деструкции АПП // Сб. научн. трудов Нижневартовского гос. гуманитарного ун-та. - Нижневартовск, 2005. - Вып. 2. - С. 216-228.

271 Гаевая Л.Н., Туров Ю.П., Нехорошев В.П., Нехорошев C.B. Структурно-групповой состав низкомолекулярных продуктов термоокислительной деструкции атактического полипропилена // Журн. прикл. химии. - 2011. - Т. 84.-Вып. 3,-С. 470-477.

272 Дмитриева З.Т., Большаков Г.Ф., Левус Ю.И. // Докл. АН СССР, 1985, т. 281, №4, с. 883.

273 Дмитриева З.Т., Межибор Н.Г., Кадычагов П.Б., Туров Ю.П. Исследование макроструктуры комплексов трет.бутил-триалкилборатов лития методом масс-спектрометрии // Координационная химия, 1986, т. 12, № 7, с. 878-881.

274 Дмитриева З.Т., Родионова Н.М., Сазонова E.H., Кадычагов П.Б., Туров Ю.П. Комплексы трет.бутил-триалкилборатов лития // Координационная химия, 1987, т. 13, № 3, с. 297-303.

275 Рыжикова И.Г., Вавилкин A.C., Туров Ю.П., Дмитриева З.Т. Свойства триалкоксидов бора в газовой фазе и в растворе // В кн.:Физико-химич. св-ва

дисперсных систем и их применение. Изд. ТФ СО АН СССР. Томск, 1988, с. 15-25.

276 Нехорошев C.B., Туров Ю.П. Использование н-алканов в качестве химических маркеров // Получение и свойства веществ и полифункциональных материалов, диагностика, технологический менеджмент: Мат-лы Росс. Молодежи, научно-практич. конф. Томск, 21-22 мая 2003 г. - Томск: Изд-во ТГУ, 2003, с. 131 - 134.

277 Нехорошев C.B., Рубаник С.И., Головко А.К., Туров Ю.П. Новый химический маркер и возможности его использования в деятельности правоохранительных органов // Экспертная практика. 2003, № 55, с. 119-126.

278 Нехорошев В.П., Нехорошев C.B., Туров Ю.П., Головко А.К. Химическая маркировка веществ, материалов и изделий с использованием н-алканов // Менделеевские чтения: Сб. трудов Всеросс. конф. / Тюмен. гос. ун-т. - Тюмень, 2005.-С. 296-297.

279 Нехорошев В.П., Нехорошев C.B., Туров Ю.П., Головко А.К. Скрытая маркировка веществ, материалов, изделий и ее практическое использование // Высокие технологии, фундаментальные и прикладные исследования, образование. Т. 4: Сб. трудов междунар. конф./СПб. полит, ун-т. - СПб., 2006. С. 307-309.

280 Нехорошев C.B., Туров Ю.П., Нехорошев В.П., Головко А.К. Идентификация бензинов с углеводородными маркерами // Журнал аналит. химии. - 2009. - Т. 64. - Вып. 10. - С. 1035 - 1039.

281 Нехорошев C.B., Рубаник С.И., Нехорошев В.П., Туров Ю.П. Химический маркер. Патент РФ № 2199574 на изобретение. Зарегистр. 27.02.2003 г.

282 Нехорошев C.B., Туров Ю.П., Нехорошев В.П., Головко А.К. Установление общих источников происхождения изделий промышленно-хозяйственного назначения, содержащих взрывчатые вещества // Журн. прикл. химии. - 2006. -Т. 79. - Вып. 7. - С. 1202-1206.

283 Дренин A.A., Ботиров Э.Х., Туров Ю.П. Новый гликозид изофлавона из Trifolium pratense L. // Химия растит, сырья. - 2010. - № 2. - С. 53-56.

284 Misra L.N, Siddiqi S.A. Dhaincha (Sesbania bispinosa) leaves: A good sourse for antidiabetic (+)-pinitol // Current Science. 2008. V. 87. No 11. P. 1507.

285 Lyutikova M. N. and Turov Yu. P. Chemical constituents from wild Oxycoccus palustris fruit from north Tyumen oblast. // Chemistry of Natural Compounds. 2010. V. 46. No 6. P. 848-851.

286 Лютикова M.H., Туров Ю.П. Исследование компонентного состава ягод дикорастущей брусники (Vaccinium Vitis-Idaea L.). // Химия растительного сырья,-2011.-№ 1.-С. 145-149.