Philippe Kikongi, maîtrise en génie chimique, UdeS: La régression par ajustement de courbe, ou comment améliorer la quantification de vos données spectrales

La régression par ajustement de courbe (curve-fitting regression ou CFR) est une nouvelle méthode de modélisation propre aux données spectrales, qui a été développée afin d’améliorer les performances de quantification dans les cas où le ratio signal sur bruit est défavorable. Dans ce séminaire de recherche, la méthode algorithmique de CFR sera présentée et appliquée à des acquisitions effectuées par spectrométrie de fluorescence X par analyse dispersive de longueur d’onde (WD-XRF).

L’analyse WD-XRF est une méthode rapide, nécessitant peu ou pas de préparation d’échantillon tout en permettant une analyse non-destructive. Pour ces raisons, la WD-XRF est une méthode prisée pour le suivi en continu d’un procédé ou encore l’analyse d’échantillons difficiles à dissoudre. Toutefois, la WD-XRF produit un faible ratio signal sur bruit pour l’analyse des éléments légers, car ces derniers ont un faible rendement de fluorescence. Ainsi, la CFR sera démontrée pour l’analyse du bore (numéro atomique = 5).

Les performances de quantification (c.-à-d. R²_cal, RMSEC, R²_val et RMSEP) de la CFR seront alors comparées à celles de méthodes de quantification connues soit : régression des moindres carrés ordinaires (OLS) et régression des moindres carrés partiels (PLS). Cette comparaison permettra ainsi de comparer la CFR à une méthode multivariée (PLS) ainsi qu’à la méthode traditionnellement utilisée en WD-XRF, soit la OLS.