S T A P L E 目 标 跟 踪 算 法
计算机视觉中，究竟有哪些好用的目标跟踪算法（下）
在介绍SRDCF之前，先来分析下相关滤波有什么缺点。总体来说，相关滤波类方法对快速变形和快速运动情况的跟踪效果不好。
快速变形主要因为CF是模板类方法。容易跟丢这个比较好理解，前面分析了相关滤波是模板类方法，如果目标快速变形，那基于HOG的梯度模板肯定就跟不上了，如果快速变色，那基于CN的颜色模板肯定也就跟不上了。这个还和模型更新策略与更新速度有关，固定学习率的线性加权更新，如果学习率太大，部分或短暂遮挡和任何检测不准确，模型就会学习到背景信息，积累到一定程度模型跟着背景私奔了，一去不复返。如果学习率太小，目标已经变形了而模板还是那个模板，就会变得不认识目标。(举个例子，多年不见的同学，你很可能就认不出了，而经常见面的同学，即使变化很大你也认识，因为常见的同学在你大脑里面的模型在持续更新，而多年不见就是很久不更新)
快速运动主要是边界效应(Boundary Effets)，而且边界效应产生的错误样本会造成分类器判别力不够强，下面分训练阶段和检测阶段分别讨论。
训练阶段，合成样本降低了判别能力。如果不加余弦窗，那么移位样本是长这样的：
除了那个最原始样本，其他样本都是“合成”的，100*100的图像块，只有1-10000的样本是真实的，这样的样本集根本不能拿来训练。如果加了余弦窗，由于图像边缘像素值都是0，循环移位过程中只要目标保持完
整那这个样本就是合理的，只有目标中心接近边缘时，目标跨越边界的那些样本是错误的，这样虽不真实但合理的样本数量增加到了大约2-3(padding= 1)，即使这样仍然有1-3(3000-10000)的样本是不合理的，这些样本会降低分类器的判别能力。再者，加余弦窗也不是“免费的”，余弦窗将图像块的边缘区域像素全部变成0，大量过滤掉分类器本来非常需要学习的背景信息，原本训练时判别器能看到的背景信息就非常有限，我们还加了个余弦窗挡住了背景，这样进一步降低了分类器的判别力(是不是上帝在我前遮住了帘。不是上帝，是余弦窗)。
检测阶段，相关滤波对快速运动的目标检测比较乏力。相关滤波训练的图像块和检测的图像块大小必须是一样的，这就是说你训练了一个100*100的滤波器，那你也只能检测100*100的区域，如果打算通过加更大的padding来扩展检测区域，那样除了扩展了复杂度，并不会有什么好处。目标运动可能是目标自身移动，或摄像机移动，按照目标在检测区域的位置分四种情况来看：
1、如果目标在中心附近，检测准确且成功。
2、如果目标移动到了边界附近但还没有出边界，加了余弦窗以后，部分目标像素会被过滤掉，这时候就没法保证这里的响应是全局最大的，而且，这时候的检测样本和训练过程中的那些不合理样本很像，所以很可能会失败。
3、如果目标的一部分已经移出了这个区域，而我们还要加余弦窗，很可能就过滤掉了仅存的目标像素，检测失败。
4、如果整个目标已经位移出了这个区域，那肯定就检测失败了。
以上就是边界效应(Boundary Effets)，推荐两个主流的解决边界效应的方法，但速度比较慢，并不推荐用于实时场合。
Danelljan M, Hager G, Shahbaz Khan F, et al. Learning spatially regularized correlation filters for visual tracking [C]-- ICCV. 2015.
SRDCF基于DCF，类SAMF多尺度，采用更大的检测区域(padding = 4)，同时加入空域正则化，惩罚边界区域的滤波器系数，没有闭合解，采用高斯-塞德尔方法迭代优化。
Kiani Galoogahi H, Sim T, Lucey S.?Correlation filters with limited boundaries?[C]-- CVPR, 2015.
Kiani Galoogahi H, Fagg A, Lucey S.?Learning Background-Aware Correlation Filters for Visual Tracking?[C]-- arXiv preprint arXiv:1703.04590, 2017.
其实这两个解决方案挺像的，都是用更大的检测和更新图像块，训练作用域比较小的相关滤波器，不同点是SRDCF的滤波器系数从中心到边缘平滑过渡到0，而CFLM直接用0填充滤波器边缘。
VOT2015相关滤波方面还有排在第二名，结合深度特征的DeepSRDCF，因为深度特征都非常慢，在CPU上别说高速，实时都到不了，虽然性能非常高，但这里就不推荐，先跳过。
This was particularly obvious in case of SiamFC trackers, which runs orders higher than realtime (albeit on GPU), and Staple, which is realtime, but are incorrectly among the non-realtime trackers.
VOT2016竟然发生了乌龙事件，Staple在论文中是80FPS，怎么EFO 在这里只有11？幸好公开代码有Staple和STAPLE+，有兴趣您可以去实测下，虽然我电脑不如Luca Bertinetto大牛，但Staple我也能跑60-70FPS，而更可笑的是，STAPLE+比Staple慢了大约7-8倍，竟然EFO 高出4倍，到底怎么回事呢？
首先看Staple的代码，如果您直接下载Staple并设置params.visualization = 1来跑，Staple调用Computer Vision System Toolbox来显示序列图像，而恰好如果您没有这个工具箱，默认每帧都会用imshow(im)来显示图像所以非常非常慢，而设置params.visualization = 0就跑的飞快，建议您将显示图像部分代码替换成DSST中对应部分代码就可以正常跑和显示了。
再来看STAPLE+的代码，改进包括额外从颜色概率图中提取HOG特征，特征增加到56通道(Staple是28通道)，平移检测额外加入了大位移光流运动估计的响应，所以才会这么慢，而且肯定会这么慢。
所以很大可能是VOT举办方把Staple和STAPLE+的EFO弄反了，VOT2016的实时推荐算法应该是排第5的Staple，相关滤波结合颜色方法，没有深度特征更没有CNN，跑80FPS还能排在第五，这就是接下来主要介绍的，2016年最NIUBILITY的目标跟踪算法之一Staple (让排在后面的一众深度学习算法汗颜，怀疑人生)。
颜色特征，在目标跟踪中颜色是个非常重要的特征，不管多少个人在一起，只要目标穿不同颜色的衣服就非常明显。前面介绍过2014年CVPR 的CN是相关滤波框架下的模板颜色方法，这里隆重介绍统计颜色特征方
法DAT?Learning, Recognition, and Surveillance @ ICG，帧率15FPS：Possegger H, Mauthner T, Bischof H.?In defense of color-based model-free tracking?[C]-- CVPR, 2015.
Bertinetto L, Valmadre J, Golodetz S, et al.?Staple: Complementary Learners for Real-Time Tracking?[C]-- CVPR, 2016.
前面分析了相关滤波模板类特征(HOG)对快速变形和快速运动效果不好，但对运动模糊光照变化等情况比较好；而颜色统计特征(颜色直方图)对变形不敏感，而且不属于相关滤波框架没有边界效应，快速运动当然也是没问题的，但对光照变化和背景相似颜色不好。综上，这两类方法可以互补，也就是说DSST和DAT可以互补结合：
两个框架的算法高效无缝结合，25FPS的DSST和15FPS的DAT，而结合后速度竟然达到了80FPS。DSST框架把跟踪划分为两个问题，即平移检测和尺度检测，DAT就加在平移检测部分，相关滤波有一个响应图，像素级前景概率也有一个响应图，两个响应图线性加权得到最终响应图，其他部分与DSST类似，平移滤波器、尺度滤波器和颜色概率模型都以固定学习率线性加权更新。
另一种相关滤波结合颜色概率的方法是CSR-DCF，提出了空域可靠性和通道可靠性，13FPS性能直逼C-COT:
Luke?i? A, Vojí? T, ?ehovin L, et al.?Discriminative Correlation Filter with Channel and Spatial Reliability?[C]-- CVPR, 2017.
CSR-DCF中的空域可靠性得到的二值掩膜就类似于CFLM中的掩膜矩阵P，在这里自适应选择更容易跟踪的目标区域且减小边界效应；以往多通
道特征都是直接求和，而CSR-DCF中通道采用加权求和，而通道可靠性就是那个自适应加权系数。采用ADMM迭代优化。
相关滤波还有第一名的C-COT，和DeepSRDCF一样先跳过。
Long-term就是希望tracker能长期正确跟踪，我们分析了前面介绍的方法不适合这种应用场合，必须是short-term tracker + detecter配合才能实现正确的长期跟踪。
用一句话介绍Long-term，就是给普通tracker配一个detecter，在发现跟踪出错的时候调用自带detecter重新检测并矫正tracker。
Ma C, Yang X, Zhang C, et al.?Long-term correlation tracking[C]-- CVPR, 2015.
LCT在DSST一个平移相关滤波Rc和一个尺度相关滤波的基础上，又加入第三个负责检测目标置信度的相关滤波Rt，检测模块Online Detector 是TLD中所用的随机蕨分类器(random fern)，在代码中改为SVM。第三个相关滤波类似MOSSE不加padding，而且特征也不加cosine窗，放在平移检测之后。?
接下来介绍跟踪置信度。跟踪算法需要能反映每一次跟踪结果的可靠程度，这一点非常重要，不然就可能造成跟丢了还不知道的情况。有两种指标可以反映相关滤波类方法的跟踪置信度：前面见过的最大响应值，和没见过的响应模式，或者综合反映这两点的指标。
LMCF(MM Wang的目标跟踪专栏：目标跟踪算法 - 知乎专栏?)提出了多峰检测和高置信度更新：
Wang M, Liu Y, Huang Z.?Large Margin Object Tracking with
Circulant Feature Maps?[C]-- CVPR, 2017.
高置信度更新，只有在跟踪置信度比较高的时候才更新跟踪模型，避免目标模型被污染，同时提升速度。第一个置信度指标是最大响应分数Fmax，就是最大响应值(Staple和LCT中都有提到)。第二个置信度指标是平均峰值相关能量(average peak-to correlation energy, APCE)，反映响应图的波动程度和检测目标的置信水平，这个(可能)是目前最好的指标，推荐：
跟踪置信度指标还有，MOSSE中的峰值旁瓣比(Peak to Sidelobe Ratio, PSR)，由相关滤波峰值，与11*11峰值窗口以外旁瓣的均值与标准差计算得到，推荐：
跟踪置信度指标还有，在CSR-DCF的空域可靠性中，也用了两个类似指标反映通道可靠性，第一个指标也是每个通道的最大响应峰值，就是Fmax，第二个指标是响应图中第二和第一主模式之间的比率，反映每个通道响应中主模式的表现力，但需要先做极大值检测：
以上就是目前相关滤波方法中提到的比较好的跟踪置信度指标。
Danelljan M, Shahbaz Khan F, Felsberg M, et al.?Adaptive color attributes for real-time visual tracking?[C]-- CVPR, 2014.
在CN中提出了非常重要的多通道颜色特征Color Names，用于CSK框架取得非常好的效果，还提出了加速算法CN2，通过类PCA的自适应降维方法，对特征通道数量降维(10 - 2)，平滑项增加跨越不同特征子空间时的代价，也就是PCA中的协方差矩阵线性更新防止降维矩阵变化太大。
Danelljan M, Hager G, Khan F S, et al.?Discriminative Scale Space
Tracking?[J]. IEEE TPAMI, 2017.
DSST是VOT2014的第一名，开创了平移滤波+尺度滤波的方式。在fDSST 中对DSST进行加速，PCA方法将平移滤波HOG特征的通道降维(31 - 18)，QR方法将尺度滤波器~1000*17的特征降维到17*17，最后用三角插值(频域插值)将尺度数量从17插值到33以获得更精确的尺度定位。
SRDCF是VOT2015的第四名，为了减轻边界效应扩大检测区域，优化目标增加了空间约束项，用高斯-塞德尔方法迭代优化，并用牛顿法迭代优化平移检测的子网格精确目标定位。
Danelljan M, Hager G, Shahbaz Khan F, et al.?Adaptive decontamination of the training set: A unified formulation for discriminative visual tracking?[C]-- CVPR, 2016.?
SRDCFdecon在SRDCF的基础上，改进了样本和学习率问题。以前的相关滤波都是固定学习率线性加权更新模型，虽然这样比较简单不用保存以前样本，但在定位不准确、遮挡、背景扰动等情况会污染模型导致漂移。SRDCFdecon选择保存以往样本(图像块包括正，负样本)，在优化目标函数中添加样本权重参数和正则项，采用交替凸搜索，首先固定样本权重，高斯-塞德尔方法迭代优化模型参数，然后固定模型参数，凸二次规划方法优化样本权重。
Danelljan M, Hager G, Shahbaz Khan F, et al.?Convolutional features for correlation filter based visual tracking?[C]-- ICCVW, 2015.
DeepSRDCF是VOT2015的第二名，将SRDCF中的HOG特征替换为CNN
中单层卷积层的深度特征(也就是卷积网络的激活值)，效果有了极大提升。这里用imagenet-vgg-2048 network，VGG网络的迁移能力比较强，而且MatConvNet就是VGG组的，MATLAB调用非常方便。论文还测试了不同卷积层在目标跟踪任务中的表现：
第1层表现最好，第2和第5次之。由于卷积层数越高语义信息越多，但纹理细节越少，从1到4层越来越差的原因之一就是特征图的分辨率越来越低，但第5层反而很高，是因为包括完整的语义信息，判别力比较强(本来就是用来做识别的)。
注意区分这里的深度特征和基于深度学习的方法，深度特征来自ImageNet上预训练的图像分类网络，没有fine-turn这一过程，不存在过拟合的问题。而基于深度学习的方法大多需要在跟踪序列上end-to-end 训练或fine-turn，如果样本数量和多样性有限就很可能过拟合。
Ma C, Huang J B, Yang X, et al.?Hierarchical convolutional features for visual tracking?[C]-- ICCV, 2015.
Danelljan M, Robinson A, Khan F S, et al.?Beyond correlation filters: Learning continuous convolution operators for visual tracking?[C]-- ECCV, 2016.
C-COT是VOT2016的第一名，综合了SRDCF的空域正则化和SRDCFdecon 的自适应样本权重，还将DeepSRDCF的单层卷积的深度特征扩展为多层卷积的深度特征（VGG第1和5层），为了应对不同卷积层分辨率不同的问题，提出了连续空间域插值转换操作，在训练之前通过频域隐式插值将特征图插值到连续空域，方便集成多分辨率特征图，并且保持定位的高精度。目
标函数通过共轭梯度下降方法迭代优化，比高斯-塞德尔方法要快，自适应样本权值直接采用先验权值，没有交替凸优化过程，检测中用牛顿法迭代优化目标位置。
注意以上SRDCF, SRDCFdecon，DeepSRDCF，C-COT都无法实时，这一系列工作虽然效果越来越好，但也越来越复杂，在相关滤波越来越慢失去速度优势的时候，Martin Danelljan在2017CVPR的ECO来了一脚急刹车，大神来告诉我们什么叫又好又快，不忘初心：
Danelljan M, Bhat G, Khan F S, et al. ECO:?Efficient Convolution Operators for Tracking?[C]-- CVPR, 2017.
ECO是C-COT的加速版，从模型大小、样本集大小和更新策略三个方面加速，速度比C-COT提升了20倍，加量还减价，EAO提升了13.3%，最最最厉害的是， hand-crafted features的ECO-HC有60FPS。吹完了，来看看具体做法。
第一减少模型参数，定义了factorized convolution operator(分解卷积操作)，效果类似PCA，用PCA初始化，然后仅在第一帧优化这个降维矩阵，以后帧都直接用，简单来说就是有监督降维，深度特征时模型参数减少了80%。
第二减少样本数量， compact generative model(紧凑的样本集生成模型)，采用Gaussian Mixture Model (GMM)合并相似样本，建立更具代表性和多样性的样本集，需要保存和优化的样本集数量降到C-COT的1-8。
第三改变更新策略，sparser updating scheme(稀疏更新策略)，每隔5帧做一次优化更新模型参数，不但提高了算法速度，而且提高了对突变、
遮挡等情况的稳定性。但样本集是每帧都更新的，稀疏更新并不会错过间隔期的样本变化信息。
ECO的成功当然还有很多细节，而且有些我也看的不是很懂，总之很厉害就是了。ECO实验跑了四个库(VOT2016, UAV123, OTB-2015, and TempleColor)都是第一，而且没有过拟合的问题，仅性能来说ECO是目前最好的相关滤波算法，也有可能是最好的目标跟踪算法。hand-crafted features版本的ECO-HC，降维部分原来HOG+CN的42维特征降到13维，其他部分类似，实验结果虽然没给ECO-HC在VOT2016的结果，但其他三个都很高，而且论文给出速度是60FPS。
Valmadre J, Bertinetto L, Henriques J F, et al.?End-to-end representation learning for Correlation Filter based tracking?[C]-- CVPR, 2017.?
在SiamFC的基础上，将相关滤波也作为CNN中的一层，最重要的是cf 层的前向传播和反向传播公式推导，两层卷积层的CFNet在GPU上是75FPS，综合表现并没有很惊艳，可能是难以处理CF层的边界效应吧，持观望态度。
目前相关滤波方向贡献最多的是以下两个组(有创新有代码)：
牛津大学：Joao F. Henriques和Luca Bertinetto，代表：CSK, KCF-DCF, Staple, CFNet (其他SiamFC, Learnet)
林雪平大学：Martin Danelljan，代表：CN, DSST, SRDCF, DeepSRDCF, SRDCFdecon, C-COT, ECO
Visual Tracker Benchmark，OTB50包括50个序列，都经过人工标注：
首先，使用更大的训练和检测图像块，同时给循环移位样本左乘一个0-1组成的掩膜矩阵P，以使真实训练样本的比例增加，优化目标函数：判别类方法，OTB50里面的大部分方法都是这一类，CV中的经典套路图像特征+机器学习，当前帧以目标区域为正样本，背景区域为负样本，机器学习方法训练分类器，下一帧用训练好的分类器找最优区域(马超在VALSE的slides)：
压缩感知（Compressive Sensing）学习之（一）
（3）【希尔伯特空间：针对所有的空间域】计算样本x的卷积算子（置信度函数）
[VOT16_paper_ECCV]The Visual Object Tracking VOT2016 challenge results
CF+CA:?Matthias Mueller, Neil Smith, Bernard Ghanem. "Context-Aware Correlation Filter Tracking." CVPR (2017). [paper] 虽然SAMF和DSST都可以跟上普通的目标尺度变化，但SAMF只有7个尺度比较粗，而DSST有33个尺度比较精细准确；
Matlab Toolbox中SSE2优化的fHOG，FFT直接调用OpenCV中的DFT(其实没有MATLAB中的fft2快)，除了SSE没有其他加速手段，如没有汇编优化，没有多核多线程，更没有GPU，而且为了速度我放弃了颜色特征；
这篇文章第一次从模型更新方面入手对KCF算法进行改进，这是这篇文章最大的创新点：
归一化法、外标法、内标法的区别
色谱定量方法 一、归一化法 由于组分的量与其峰面积成正比，如果样品中所有组分都能产生信号，得到相应的色谱峰，那么可以用如下归一化公式计算各组分的含量。 (7.34) 若样品中各组分的校正因子相近，可将校正因子消去，直接用峰面积归一化进行计算。中国药典用不加校正因子的面积归一化法测定药物中各杂质及杂质的总量限度。 (7.35) 归一化法的优点是：简便、准确、定量结果与进样量重复性无关(在色谱柱不超载的范围内)、操作条件略有变化时对结果影响较小。 缺点是：必须所有组分在一个分析周期内都流出色谱柱，而且检测器对它们都产生信号。不适于微量杂质的含量测定。 二、外标法 用待测组分的纯品作对照物质，以对照物质和样品中待测组分的响应信号相比较进行定量的方法称为外标法。此法可分为工作曲线法及外标一点法等。工作曲线法是用对照物
质配制一系列浓度的对照品溶液确定工作曲线，求出斜率、截距。在完全相同的条件下，准确进样与对照品溶液相同体积的样品溶液，根据待测组分的信号，从标准曲线上查出其浓度，或用回归方程计算，工作曲线法也可以用外标二点法代替。通常截距应为零，若不等于零说明存在系统误差。工作曲线的截距为零时，可用外标一点法(直接比较法)定量。 外标一点法是用一种浓度的对照品溶液对比测定样品溶液中i组分的含量。将对照品溶液与样品溶液在相同条件下多次进样，测得峰面积的平均值，用下式计算样品中i组分的量： W＝A(W)／(A)(7.36) 式中W与A分别代表在样品溶液进样体积中所含i 组分的重量及相应的峰面积。(W)及(A)分别代表在对照品溶液进样体积中含纯品i组分的重量及相应峰面积。 外标法方法简便，不需用校正因子，不论样品中其他组分是否出峰，均可对待测组分定量。但此法的准确性受进样重复性和实验条件稳定性的影响。此外，为了降低外标一点法的实验误差，应尽量使配制的对照品溶液的浓度与样品中组分的浓度相近。 三、内标法 选择样品中不含有的纯物质作为对照物质加入待测样品溶液中，以待测组分和对照物质的响应信号对比，测定待
内标法的计算.doc
内标法给人的印象总是让人头疼，何时选用内标法，如何选择内标物质，结果怎么计算，公式该如何理解，都是问题。 被问到过内标法的定量依据是什么，也就是在内标法里内标和待测物之间是什么关系。当时有点晕，说待测物和内标的比是一定的。到底是什么的比一定呢？你清楚吗？ 在此，撇开大家谈论过很多的内标法如何应用的问题，来谈谈内标法的计算。 先来分清两个概念，绝对校正因子和相对校正因子。以色谱分析为例，绝对校正因子是单位峰面积所相当的物质量，fi’=mi/Ai。而相对校正因子是某一组分与标准物质的绝对校正因子之比，f= fi′/ fs′=As?mi/Ai?ms。在内标法中，绝对校正因子主要由仪器的灵敏度决定，并且不易准确测量，也无法将内标物和待测物联系起来；而相对校正因子才是定量的基础，也是前文中提及的问题的答案，相对校正因子是那个一定的量，所谓待测物与内标的比一定也就是说待测物的质量与峰面积之比（即绝对校正因子fi’）和内标物的质量和峰面积之比(fs’)的比值一定（话比较绕，结合公式就一目了然啦）。文献上，标准上看到的校正因子也都是相对校正因子。相对校正因子也可以通过已知量的标准和内标混合后经实验测定获得。 对相对校正因子的公式进行简单变形，就能够得到待测物质量mi=Aifi’/Asfs’*ms=，进而通过C=mi/m得到待测物的浓度。 因此，再见到各类内标计算公式，我们就能够分辨其中的f到底是相对校正因子还是绝对校正因子了。比如 里，fi、fs就是指绝对校正因子。 而为了避免测定校正因子，常采用内标标准曲线法。它以mi= ms*fi*Ai /(fsAs) 为基础，但有一个前提是加入恒定量的内标物，且进样量相同（ms同），这样待测组分的含量就与Ai/As成正比了。mi=Ai/As*常数。 绘制内标标准曲线，先将待测组分的纯物质配成不同浓度的标准溶液，分别取一定量的标准溶液，加入相同量的内标物，混合后进样分析，测出Ai和As，以Ai/As为纵坐标，以标准溶液的浓度为横坐标作图。分析待测试样，取与标准溶液相同量的待测试样和内标物，测出峰面积比，由标准曲线即可查出待测组分的含量。 利用内标标准曲线法定量，可以免去测定校正因子的麻烦，也可以减少与查阅到的校正因子仪器条件等不同造成的差异，适用于液体试样的常规分析。 总结起来有2点。一是在内标法中只有相对校正因子，也就是待测物与内标物的绝对校正因子的比值是一定的。二是内标标准曲线法能够避免测定校正因子，但使用上有一些限制。
色谱分析中归一化法、外标法、内标法的区别
色谱分析中面积归一化法、外标法、内标法适用范围及优缺点简介 在色谱分析中，即我们常用的高效液相色谱分析（HPLC）和气相色谱分析（GC）分析中，进行分析时，通常采用三种方法：面积归一化法、外标法、内标法。这三种方法的适用范围及各自的优缺点是什么呢？在这里简单做一介绍。 1、归一化法。即在一定分析条件下，样品经过直接溶解，过滤等操作以后,直接进分析仪器检测，得到色谱图。通常用于粗略检查样品中的各出峰成分含量，用于定性和粗略的定量。 优点：与进样量准确度无关、与仪器和分析条件有关。 缺点：a.在此条件之下，所有有效组分必须出峰，且所有组分必须在一个分析周期内流出色谱峰； b.定量计算必须先知道各成分的校正因子，校正因子的求出较麻烦。 2、易挥发性的油脂类化合物和混合性气体、液体，可用GC归一化法进行定量检测。例如食用油里面各成分的含量测定。 2、外标法。用待测组分的纯品作为对照物质，以对照物质和样品中待测组分的响应信号（即峰面积大小）相比较进行定量的方法。优点：简便；只关注待测成分出峰，不需要所有成分出峰。 缺点：a.必须有被测组分的纯品作为标准对照物； b.此方法准确性受进样重复性和实验条件稳定性的影响。 3、内标法。选择样品中不含有的纯物质作为内标物加入待测样
品中，以待测组分和内标物的响应信号（即峰面积大小）对比，对待测组分定量的方法。 优点：a.是一种比较准确的定量方法； b.定量结果与进样量重复性无关（在色谱柱不超载范围内）； c.只需要内标物与被测物出峰，达到一定的分离度即可； d.常用于样品的GC定量检测以及微量成分含量检测； 缺点：配置较麻烦；内标物需要跟待测组分在同样条件下出峰，且分离度较好，所以选择合适的内标物比较困难。
通用统计计算表(工资计算实例)操作手册
通用统计计算表（工资计算实例） 操作手册 中煤建安集团公司信息部郭林设计联系QQ：378550290 程序设计思路：在总结以往设计的经验后，为适应灵活计算和随意字段排列导出为原则，以基本信息表列标题（列标题以下称为字段）为参考，其他表在该表中取得适宜字段后，可以进行加减乘除四则运算，每个表可以在基本信息表基础上自由定义字段，当月计算表字段和全年计算表字段保持相同。 一、使用说明： 文件有两种扩展名： 通用统计计算表（工资计算实例）.xls，这个文件可以在excel 2003 或excel 2007完整安装状态下工作。 通用统计计算表（工资计算实例）.xlsm，这个文件只能在excel 2007完整安装状态下工作。其它更高版本的excel未做测试，可自行测试。 本工资计算程序采用office excel 2007 编写，请安装完整版并在excel选项--信任中心--信任中心设置--宏设置--启用所有宏，才能进行计算。
提示：请将压缩包中的通用统计计算表（工资计算实例）.xls或通用统计计算表（工资计算实例）.xls和gz.png一起放在同一目录下，否则会报错。 注意：如果在计算时提示下标越界，请关闭其他运行的工作簿，仅保留目前工作的工作簿。如果提示对象错误，可能是相关表中的列
标题丢失，请从其他对应表中复制相关列标题过去，再试着计算。计算完成后，及时保存数据。每月计算完数据后，做好备份。如果遇到不明的其他系统性错误，请不要保存，提示是否保存，点击“否”，由系统去自动恢复。对相关参数列设置以后，保存工作簿并关闭。再重新启动后才能进行正确计算。 1、可根据基本信息表设置自定义当月计算表、部门打印表、汇总表打印的列，再进行计算参数设置，以保证"基本信息表"和"当月计算表"参数对应内容保持一致，否则不能正常提取数据，并补充完整“参数设置”表内相关内容，相关表会引用该内容。 2、"基本信息表"中的数据确保录入正确，不能有误。 3、当月计算表只需要将姓名（唯一性，遇同姓名时需要加.或其他以区别）列录入即可，计算时提取基本信息表内对应列到当月计算表。 4、在启用宏的状态下，可以在“参数设置”中按对应计算或打印按钮进行操作。 5、所有数据表格行中的参考列标题那一列必须连续，不能有空行，否则后边的数据不能自动提取，不在计算之内。 6、涉及各计算表中的如应发工资、所得税款、实发工资可以调用参数设置窗体进行设置并保存，统计计算时调用为自动计算项。其它列将提取基本信息表对应数值参与计算。如果修改了“基本信息表”表中的列后，需要对各表和计算参数重新进行设置。 7、部门采用自动提取人员及数值进行打印，汇总表在计算完成
33个通用表格(浙江省)
浙建监A1-1 工程开工报审表 工程名称：工程编码：编号： 致：（监理单位） 我方承担的工程，已完成了以下各项工作，具备了开工条件，特此申请施工，请核查并签发开工指令。 1.施工许可证已办理； 2.现场管理人员已到位，专职管理人员和特种作业人员已取得资格证、上岗证； 3.施工现场质量管理检查记录已经检查确认； 4.进场道路及水、电、通讯等已满足开工要求； 5.质量、安全、技术管理制度已建立、组织机构已落实。 附件：1、开工报告： 2、相关证明材料。 承包单位（章）： 项目经理： 日期： 审查意见： 项目监理机构（章）： 总监理工程师： 日期： 本表一式五份，经项目监理机构审核后，建设单位、监理单位、承包单位各存一份。备案验收二份 浙建监A1-2 复工报审表
工程名称：工程编码：编号： 致：（监理单位） 鉴于工程按第号工程暂停令已进行整改，经检查后具备复工条件，请核查并签发复工指令。 附件：具备复工条件的情况说明 承包单位（章）： 项目经理： 日期： 审查意见： □具备复工条件，同意工程于年月日时复工。 □不具备复工条件，暂不同意复工。 项目监理机构（章）： 总监理工程师： 日期： 本表一式五份，经项目监理机构审核后，建设单位、监理单位、承包单位各存一份，备案验收二份
浙建监A2 施工组织设计（专项施工方案）报审表 工程名称：工程编码：编号： 致：（监理单位）我方已根据施工合同的有关规定完成了工程施工组织设计（专项施工方案）的编制，并经我单位上级技术负责人审查批准，请予以审查。 附件：施工组织设计（专项施工方案） 承包单位（章）： 项目经理： 日期： 专业监理工程师审查意见： 专业监理工程师： 日期： 总监理工程师审核意见： 项目监理机构（章）： 总监理工程师： 日期： 本表一式四份，经项目监理机构审核后，建设单位、监理单位、承包单位各存一份。备案验收一份
仪器分析作业题外标法内标法
一、外标一点法 【含量测定】芍药苷 照高效液相色谱法（附录Ⅵ D)测定。 色谱条件与系统适用性试验 以十八烷基硅烷键合硅胶为填充剂；以甲醇／L 磷酸二氢钾溶液(40：65)为流动相；检测波长为230nm 。理论板数按芍药苷峰计算应不低于3000。 对照品溶液的制备 取经五氧化二磷减压干燥器中干燥36小时的芍药苷对照品适量，精密称定，加甲醇制成每1ml 含的溶液，即得。 供试品溶液的制备 取本品粗粉约，精密称定，置具塞锥形瓶中，精密加入甲醇25ml ，称定重量，浸泡4小时，超声处理20分钟，放冷，再称定重量，用甲醇补足减失的重量，摇匀，滤过，取续滤液，即得。 测定法 分别精密吸取对照品溶液与供试品溶液各10μl，注入液相色谱仪，测定，即得。 本品含芍药苷(C 23H 28O 11)不得少于％。 解：设测得对照品溶液和供试品溶液峰面积为A 对=550000 A 样=7800 已知对照品溶液浓度C 对=ml ml /mg 0071.0ml /mg 5.0550000 7800)(===）（对对样样C A A C m g 5.177l 101000 m l 25l 10m l /m g 0071.0V C m =?? ?==μμ样样样 供试品中芍药苷的含量 X%= %5.35%1001000 g 5.0m g 5.177=?? 药典规定药材含芍药苷(C 23H 28O 11)不得少于％，供试品中芍药苷的含量为%，故供试品药材合格。
二、外标两点法 【含量测定】 黄芪甲苷 照高效液相色谱法（附录Ⅵ D）测定。 色谱条件与系统适用性试验 以十八烷基硅烷键合硅胶为填充剂；以乙腈-水(32：68)为流动相；蒸发光散射检测器检测。理论板数按黄芪甲苷峰计算应不低于4000。 对照品溶液的制备 取黄芪甲苷对照品适量，精密称定，加甲醇制成每1ml 含的溶液，即得。 供试品溶液的制备 取本品中粉约4g ，精密称定，置索氏提取器中，加甲醇40ml ，冷浸过夜，再加甲醇适量，加热回流4小时，提取液回收溶剂并浓缩至干，残渣加水10ml ，微热使溶解，用水饱和的正丁醇振摇提取4次，每次40ml ，合并正丁醇液，用氨试液充分洗涤2次，每次40ml ，弃去氨液，正丁醇液蒸干，残渣加水5ml 使溶解，放冷，通过D101型大孔吸附树脂柱(内径为，柱高为12cm)，以水50ml 洗脱，弃去水液，再用40％乙醇30ml 洗脱，弃去洗脱液，继用70％乙醇80ml 洗脱，收集洗脱液，蒸干，残渣加甲醇溶解，转移至5ml 量瓶中，加甲醇至刻度，摇匀，即得。 测定法 分别精密吸取对照品溶液10μl、20μl，供试品溶液20μl，注入液相色谱仪，测定，用外标两点法对数方程计算，即得。 本品按干燥品计算，含黄芪甲苷(C 41H 68O 14)不得少于％。 解：设测得对照品溶液色谱峰面积分别为A 1=259457 A 2=523039，测得供试品溶液色谱峰面积A 3=2983。 已知对照品浓度C 对=ml ，对照品进样量 g 5mg 005.0l 10ml /mg 5.0m 1μμ==?= g 10mg 01.0l 20ml /mg 5.0m 2μμ==?= 根据对照品峰面积和进样量可得如下图所示方程即y=+5x-4125，得a=，b=5
气相色谱的内标法定量分析
实验一 气相色谱内标法定量分析 一、目的与要求 1.熟悉相对校正因子定义以及求取方法 2.掌握内标法定量公式及其应用 3.熟悉氢火焰监测器的特点和使用方法 二、实验原理 气相色谱法是以气体(此气体称为载气)为流动相的柱色谱分离技术。其原理是利用被分离分析的物质(组分)在色谱柱中的气相(载气)和固定(液)相之间分配系数的差异，在两相作相对运动时，在两相间作反复多次(103～106次)的分配，使得原来的微小差别变大，从而使各组分达到分离的目的。 根据色谱图进行组分的定量时，所用定量方法主要有归一化法，内标法和外 标法三种。当试样组分不能全部从色谱柱流出，或有些组分在检则器上没有信号时，就不能使用归一化法，这时可用内标法。 内标法是气相色谱所常用的一种比较准确的定量方法。当样品中的所有组分 因各种原因不能全部流出色谱柱，或监测器不能对各组分都有响应，或只需测定样品中某几个组分时，可采用内标法定量。内标法的基本过程是:准确称取质量为W m 的样品，加入质量为W s 的内标物，用溶剂配成一定浓度的溶液，进行气相色谱分析，然后根据被测物和内标物的质量及其在色谱图上的峰面积比，求出被测组分的含量，计算公式如下： 100%i i s i s s m A f W P A f W =? 式中Pi 为组分i 的百分含量；Ai, As 分别是被测组分和内标物的峰面积； f i 、fs 分别是被测组分和内标物的重量校正因子二者之比（fi / fs ）可由标准样品按照上述方法进行测试并计算得。 内标法必须由合适的内标物，基本条件是：它在样品中不存在、无化学反 应、稳定、性质尽量与被测组分接近，能与样品要互溶、色谱峰能完全分离并比较接近被测组分的色谱峰。内标物的量也应与被测组分的量相当，以提高定量分析的准确度。 (1)
内标法与外标法
内标法与外标法 一、内标法 什么叫内标法?怎样选择内标物? 内标法是一种间接或相对的校准方法。在分析测定样品中某组分含量时，加入一种内标物质以校谁和消除出于操作条件的波动而对分析结果产生的影响，以提高分析结果的准确度。内标法在气相色谱定量分析中是一种重要的技术。使用内标法时，在样品中加入一定量的标准物质，它可被色谱拄所分离，又不受试样中其它组分峰的干扰，只要测定内标物和待测组分的峰面积与相对响应值，即可求出待测组分在样品中的百分含量。采用内标法定量时，内标物的选择是一项十分重要的工作。理想地说，内标物应当是一个能得到纯样的己知化合物，这样它能以准确、已知的量加到样品中去，它应当和被分析的样品组分有基本相同或尽可能一致的物理化学性质(如化学结构、极性、挥发度及在溶剂中的溶解度等)、色谱行为和响应特征，最好是被分析物质的一个同系物。当然，在色谱分析条什下，内标物必须能与样品中各组分充分分离。需要指出的是，在少数情况下，分析人员可能比较关心化台物在一个复杂过程中所得到的回收率，此时，他可以使用一种在这种过程中很容易被完全回收的化台物作内标，来测定感兴趣化合物的百分回收率，而不必遵循以上所说的选择原则。 在使用内标法定量时，有哪些因素会影响内标和被测组分的峰高或峰面积的比值? 影响内标和被测组分峰高或峰面积比值的因素主要有化学方面的、色谱方面的和仪器方面的三类。 由化学方面的原因产生的面积比的变化常常在分析重复样品时出现。 化学方面的因素包括： 1、内标物在样品里混合不好； 2、内标物和样品组分之间发生反应， 3、内标物纯度可变等。 对于一个比较成熟的方法来说，色谱方面的问题发生的可能性更大一些，色谱上常见的一些问题(如渗漏)对绝对面积的影响比较大，对面积比的影响则要小一些，但如果绝对面积的变化已大到足以使面积比发生显著变化的程度，那么一定有某个重要的色谱问题存在，比如进样量改变太大，样品组分浓度和内标浓度之间有很大的差别，检测器非线性等。进样量应足够小并保持不变，这样才不致于造成检测器和积分装置饱和。如果认为方法比较可靠，而色谱固看来也是正常的话，应着重检查积分装置和设置、斜率和峰宽定位。对积分装置发生怀疑的最有力的证据是：面积比可变，而峰高比保持相对恒定， 在制作内标标准曲线时应注意什么? 在用内标法做色话定量分析时，先配制一定重量比的被测组分和内标样品的混合物做色谱分析，测量峰面积，做重量比和面积比的关系曲线，此曲线即为标准曲线。在实际样品分析时所采用的色谱条件应尽可能与制作标准曲线时所用的条件一致，因此，在制作标准曲线时，不仅要注明色谱条件(如固定相、柱温、载气流速等)，还应注明进样体积和内标物浓度。在制作内标标准曲线时，各点并不完全落在直线上，此时应求出面积比和重量比的比值与其平均位的标准偏差，在使用过程中应定期进行单点校正，若所得值与平均值的偏差小于2，曲线仍可使用，若大于2，则应重作曲线，如果曲线在铰短时期内即产生变动，则不宜使用内标法定量。 二、外标法
内标法
内标法 一、内标法 什么叫内标法?怎样选择内标物? 内标法 internal standard method 是色谱分析中一种比较准确的定量方法，尤其在没有标准物对照时，此方法更显其优越性。内标法是将一定重量的纯物质作为内标物加到一定量的被分析样品混合物中，然后对含有内标物的样品进行色谱分析，分别测定内标物和待测组分的峰面积（或峰高）及相对校正因子，按下列公式和方法即可求出被测组分在样品中的百分含量： 按各品种项下的规定，精密称（量）取对照品和内标物，分别配成溶液，精密量取各溶液，配成校正因子测定用的对照溶液。取一定量进样，记录色谱图。用含对照品和内标物的对照溶液所得色谱峰响应值，按下式算出 （f）： f= (As/ms)/(Ar/mr) 其中As和Ar分别为内标物和对照品的峰面积或峰高，ms和mr分别为加入内标物和对照品的量。 再取各品种项下含有内标物的待测组分溶液进样，记录色谱图，再根据含内标物的待测组分溶液色谱峰响应值，计算含量（mi）：mi=f×Ai/(As/ms) 其中 Ai和As分别为供试品和内标物的峰面积或峰高，ms为加入内标物的量。必要时，再根据稀释倍数、取样量和标示量折算成为标示量的百分含量，或根据稀释倍数和取样量折算成百分含量。 内标法是一种间接或相对的校准方法。在分析测定样品中某组分含量时，加入一种内标物质以校谁和消除出于操作条件的波动而对分析结果产生的影响，以提高分析结果的准确度。 内标法在气相色谱定量分析中是一种重要的技术。使用内标法时，在样品中加入一定量的标准物质，它可被色谱拄所分离，又不受试样中其它组分峰的干扰，只要测定内标物和待测组分的峰面积与相对响应值，即可求出待测组分在样品中的百分含量。采用内标法定量时，内标物的选择是一项十分重要的工作。理想地说，内标物应当是一个能得到纯样的己知化合物，这样它能以准确、已知的量加到样品中去，它应当和被分析的样品组分有基本相同或尽可能一致的物理化学性质(如化学结构、极性、挥发度及在溶剂中的溶解度等)、色谱行为和响应特征，最好是被分析物质的一个同系物。当然，在色谱分析条什下，内标物必须能与样
气相色谱中的内标法或外标法(精)
谈谈内标准品（内标物质） 传统上在教科书中都会很模糊的告诉学生内标准的选择方式,例如说要选安定性好;与分析物性质要相近;在分析的基质中不能出现等,现在我对这些个" 选择方式"没有太大的兴趣,因为这个大家都知道,那现在就从另一个角度的来看看内标准品的选择还有哪些需要注意的. 1. 只选一个内标准品? 当然, 如果你的分析目标物就只有一个, 在正常的状况下,内标准"应该"也只会有一个才对! 但是如果你的分析是多成份的,那就必须十分小心地看待在一个分析方法内标准品的选择, 如果分析物的在层析图中是平均分布在各处, 那你就必须看看你的检测方法中是否有规定内标物与分析物之间的滞留时间差范围是多少,依此规定来选择内标,但是如果并没有规定,最好也是选择一个以上的内标来使用,因为即使化学性质不会差太多,但在沸点方面却会有满大的差异, 内标与分析物的沸点差异过大,在GC的注射口中就无法把因为discrimibation（分辨）所造成的误差校正回来. 如果你的分析物是性质相差颇大的 (例如说同时含有醇,酸...,那别怀疑一定是要使用一个以上的内标准品,如果多个物种再加上多成份,那就很复杂了. 最低的限度也要依照分析物的沸点高低来使用多个不同的内标准品. 在美国环保署的检验方法USEPA 8270C,是一个检测半挥发性的污染物的规范,前后列了不下一百种的分析物,就使用了六个不同的内标准品作为校正的依据,来照顾到各个不同沸点的分析物!! 滥用药物分析大概是最严谨的了,即使是结构性质极相近的分析物,例如morphine和codeine,amphetamine和methamphetamine,在分析时为求准确,都是以各自的D同位素取代的标准品作为内标. 2.基质中一定不能存在? 这个问题当然是肯定的, 不然定量结果会很不稳定或者是很凄惨. 但是有些时候你根本不知道哪些东西在分析样品的基质中不会存在! 这时候怎么办? 找以往的文献看看别人是用甚么,这是一个方法, 但要注意的是文献不一定就是对的! 使用分析物的氢同位素(D取代物,是最妥当的,但问
气相色谱中的内标法或外标法
气相色谱中的内标法或外标法 谈谈内标准品(内标物质) 传统上在教科书中都会很模糊的告诉学生内标准的选择方式,例如说要选安定性好;与分析物性质要相近;在分析的基质中不能出现等,现在我对这些个" 选择方式"没有太大的兴趣,因为这个大家都知道,那现在就从另一个角度的来看看内标准品的选择还有哪些需要注意的. 1. 只选一个内标准品? 当然, 如果你的分析目标物就只有一个, 在正常的状况下,内标准"应该"也只会有一个才对! 但是如果你的分析是多成份的,那就必须十分小心地看待在一个分析方法内标准品的选择, 如果分析物的在层析图中是平均分布在各处, 那你就必须看看你的检测方法中是否有规定内标物与分析物之间的滞留时间差范围是多少,依此规定来选择内标,但是如果并没有规定,最好也是选择一个以上的内标来使用,因为即使化学性质不会差太多,但在沸点方面却会有满大的差异, 内标与分析物的沸点差异过大,在GC的注射口中就无法把因为discrimibation(分辨)所造成的误差校正回来. 如果你的分析物是性质相差颇大的 (例如说同时含有醇,酸...),那别怀疑一定是要使用一个以上的内标准品,如果多个物种再加上多成份,那就很复杂了. 最低的限度也要依照分析物的沸点高低来使用多个不同的内标准品. 在美国环保署的检验方法USEPA 8270C,是一个检测半挥发性的污染物的规范,前后列了不下一百种的分析物,就使用了六个不同的内标准品作为校正的依据,来照顾到各个不同沸点的分析物!! 滥用药物分析大概是最严谨的了,即使是结构性质极相近的分析物,例如morphine和codeine,amphetamine和methamphetamine,在分析时为求准确,都是以各自的D同位素取代的标准品作为内标.
内标法及外标法方法、原理、优缺点
An internal standard should be used when performing MS quantitation. An appropriate internal standard will control for extraction, HPLC injection and ionization variability. In a complex matrix it is not uncommon for two different standard levels in SRM integrated plots, at the lower end of the standard curve, to give nearly an identical response. It is only when an internal standard is used that the two points can be differentiated. Some researchers attempt to prepare standard curves and run samples without an internal standard and find moderate success. Often without an internal standard % RSDs of replicates can be as high as 20%. Using an internal standard the % RSDs can be brought down to approximately 2%. We run triplicates at each level of our standard curve. How do I choose an internal standard? The best internal standard is an isotopically labeled version of the molecule you want to quantify. An isotopically labeled internal standard will have a similar extraction recovery, ionization response in ESI mass spectrometry, and a similar chromatographic retention time. If you are performing non-clinical PK quantitation it may be difficult to justify such a standard since a special synthesis of an isotopically labeled standard can be expensive and time consuming. Often if you are working with medicinal chemists they will have a library of compound analogs that can be used as internal standards. These analogs were made in the evolution of the compound to be tested and will be similar to the compound to be quantified and more importantly will be slightly different by parent mass. Try to avoid using de-methylated (-14) or hydroxylated (+16) analogs as internal standards since these are the most common mass shifts observed in naturally occuring metabolites of the parent compound. A common internal standard is a chlorinated version of the parent molecule. A chlorinated version of the parent molecule will commonly have a similar chromatographic retention time which is an important characteristic of an internal standard. We have found that one of the most important characteristics of an internal standard is that it co-elutes with the compound to be quantified.
外标法与内标法的比较
外标法 仪器分析常用的方法之一，是比较法的一种。与内标法相比，外标法不是把标准物质加入到被测样品中，而是在与被测样品相同的色谱条件下单独测定，把得到的色谱峰面积与被测组分的色谱峰面积进行比较求得被测组分的含量。外标物与被测组分同为一种物质但要求它有一定的纯度，分析时外标物的浓度应与被测物浓度相接近，以利于定量分析的准确性。 外标法在操作和计算上可分为校正曲线法和用校正因子求算法。 校正曲线法是用已知不同含量的标样系列等量进样分析，然后做出响应信号与含量之间的关系曲线，也就是校正曲线。定量分析样品时，在测校正曲线相同条件下进同等样量的等测样品，从色谱图上测出峰高或峰面积，在从校正曲线查出样品的含量。 校正因子求算法时将标样多次分析后得到的响应信号与其含量求出它的绝对校正因子，再根据公式求出待测样品中的含量。 内标法是将一定量的纯物质作内标物，加入到准确称量的试样中，根据被测试样和内标物的质量比及其相应的色谱峰面积之比，来计算被测组分的含量。选择内标物有4个要求： 1.内标物应是该试样中不存在的纯物质； 2.它必须完全溶于试样中，并与试样中各组分的色谱峰能完全分离； 3.加入内标物的量应接近于被测组分； 4.色谱峰的位置应与被测组分的色谱峰的位置相近，或在几个被测组分色谱峰中间。 内标法的优点是测定的结果较为准确，由于通过测量内标物及被测组分的峰面积的相对值来进行计算的，因而在一定程度上消除了操作条件等的变化所引起的误差。内标法的缺点是操作程序较为麻烦，每次分析时内标物和试样都要准确称量，有时寻找合适的内标物也有困难。外标法简便，但进样量要求十分准确，要严格控制在与标准物相同的操作条件下进行，否则造成分析误差，得不到准确的测量结果。 内标与外标都是定量的一种方法而已，至于哪一种方法好与不好不能一概而论，做不同的分析，面对着不同的要求，再加上分析成本分析效率等等问题，我想简单而有效进行定量分析来满足要求才是最重要的。
归一化法内标法外标法及标准加入法
归一化法、内标法、外标法及标准加入法 归一化法 把所有出峰的组分含量之和按100%计的定量方法，称为归一化法。 各成分校正因子一致时可用该法，该法简便、准确，特别是进样量不容易准确控制时，进样浓度及进样量的变化的影响很小。 其他操作条件，如流速、柱温等变化对定量结果的影响也很小。GC应用广于HPLC。 外标法（标准曲线法、直接比较法） 首先用欲测组分的标准样品绘制标准工作曲线。具体作法是：用标准样品配制成不同浓度的标准系列，在与欲测组分相同的色谱条件下，等体积准确量进样，测量各峰的峰面积或峰高，用峰面积或峰高对样品浓度绘制标准工作曲线，此标准工作曲线应是通过原点的直线。若标准工作曲线不通过原点，说明测定方法存在系统误差。标准工作曲线的斜率即为绝对校正因子。 当欲测组分含量变化不大，并已知这一组分的大概含量时，也可以不必绘制标准工作曲线，而用单点校正法，即直接比较法定量。单点校正法实际上是利用原点作为标准工作曲线上的另一个点。因此，当方法存在系统误差时（即标准工作曲线不通过原点），单点校正法的误差较大。因此规定，y=ax+b b的绝对值应不大于100%响应值是y的2%。 标准曲线法的优点：绘制好标准工作曲线后测定工作就很简单了，计算时可直接从标准工作曲线上读出含量，这对大量样品分析十分合适。特别是标准工作曲线绘制后可以使用一段时间，在此段时间内可经常用一个标准样品对标准工作曲线进行单点校正，以确定该标准工作曲线是否还可使用。 标准曲线法的缺点：每次样品分析的色谱条件（检测器的响应性能，柱温度，流动相流速及组成，进样量，柱效等）很难完全相同，因此容易出现较大误差。
另外，标准工作曲线绘制时，一般使用欲测组分的标准样品（或已知准确含量的样品），因此对样品前处理过程中欲测组分的变化无法进行补偿。 内标法 选择适宜的物质作为欲测组分的参比物，定量加到样品中去，依据欲测组分和参比物在检测器上的响应值（峰面积或峰高）之比和参比物加入的量进行定量分析的方法称为内标法。 内标法的关键是选择合适的内标物。内标物应是原样品中不存在的纯物质，该物质的性质应尽可能与欲测组分相近，不与被测样品起化学反应，同时要能完全溶于被测样品中。内标物的峰应尽可能接近欲测组分的峰，或位于几个欲测组分的峰中间，但必须与样品中的所有峰不重叠，即完全分开。 内标法的优点：进样量的变化，色谱条件的微小变化对内标法定量结果的影响不大，特别是在样品前处理（如浓缩、萃取，衍生化等）前加入内标物，然后再进行前处理时，可部分补偿欲测组分在样品前处理时的损失。若要获得很高精度的结果时，可以加入数种内标物，以提高定量分析的精度。 内标法的缺点：选择合适的内标物比较困难，内标物的称量要准确，操作较麻烦。使用内标法定量时要测量欲测组分和内标物的两个峰的峰面积（或峰高），根据误差叠加原理，内标法定量的误差中，由于峰面积测量引起的误差是标准曲线法定量的2-2是由于进样量的变化和色谱条件变化引起的误差，内标法比标准曲线法要小很多，所以总的来说，内标法定量比标准曲线法定量的准确度和精密度都要好。 标准加入法 标准加入法实质上是一种特殊的内标法，是在选择不到合适的内标物时，以欲测组分的纯物质为内标物，加入到待测样品中，然后在相同的色谱条件下，测定加入欲测组分纯物质前后欲测组分的峰面积（或峰高），从而计算欲测组分在样品中的含量的方法。
气相色谱的内标法定量分析
实验一 气相色谱内标法定量分析 1. 2. 3.熟悉氢火焰监测器的特点和使用方法 气相色谱法是以气体(此气体称为载气)为流动相的柱色谱分离技术。其原理是利用被分离分析的物质(组分)在色谱柱中的气相(载气)和固定(液)相之间分配系数的差异，在两相作相对运动时，在两相间作反复多次(103～106次)的分配，使得原来的微小差别变大，从而使各组分达到分离的目的。 根据色谱图进行组分的定量时，所用定量方法主要有归一化法，内标法和外标法三种。当试样组分不能全部从色谱柱流出，或有些组分在检则器上没有信号时，就不能使用归一化法，这时可用内标法。 内标法是气相色谱所常用的一种比较准确的定量方法。当样品中的所有组分因各种原因不能全部流出色谱柱，或监测器不能对各组分都有响应，或只需测定样品中某几个组分时，可采用内标法定量。内标法的基本过程是:准确称取质量为W m 的样品，加入质量为W s 的内标物，用溶剂配成一定浓度的溶液，进行气相色谱分析，然后根据被测物和内标物的质量及其在色谱图上的峰面积比，求出被测组分的含量，计算公式如下： 100%i i s i s s m A f W P A f W =? 式中Pi 为组分i 的百分含量；Ai, As 分别是被测组分和内标物的峰面积； f i 、fs 分别是被测组分和内标物的重量校正因子二者之比（fi / fs ）可由标准样品按照上述方法进行测试并计算得。 内标法必须由合适的内标物，基本条件是：它在样品中不存在、无化学反应、稳定、性质尽量与被测组分接近，能与样品要互溶、色谱峰能完全分离并比较接近被测组分的色谱峰。内标物的量也应与被测组分的量相当，以提高定量分析的准确度。 (1)
安捷伦GCMS内标法定量
安捷伦GCMS内标法定量简介（以5975为例） 一、内标法基础回顾（包括外标法的概念） 1. 定量响应值 不同的物质，由于其物理性质，化学性质（化学结构）的不同，在气相色谱检测器（FID，TCD，FPD，ECD，MSD等）上的响应会不同。相同量的同种物质对不同检测器响应不同。相同量的不同物质对于同一种检测器响应不同。在质量选择检测器（MSD）上，物质的化学结构不同，电离电位不同，需要的电离能量不同，裂解碎片不同，裂解碎片丰度不同，这样得到的质量离子色谱图的峰面积或峰高也不同（当然总离子色谱图的峰面积也不同）。直接用响应信号定量，必然导致较大误差。故引入响应因子或校正因子。定量响应因子或校正因子对检测器产生的信号加以校正，校正后的峰面积可以定量的代表物质的含量。例如图1中A, B, C三个化合物的有不同的含量和峰面积。 图 1 响应值S，即为某一物质（组分）在检测器所产生的信号强度（电信号，峰高，峰面积等，本篇均采用峰面积为例，包括下面的校正因子计算，内标法计算等），例如一定质量（m）的某一物质通过检测器在工作站或积分仪上产生峰面积为A， 则可用下式表示：
绝对响应值S? i = A i / m i (式中：m i -----i组分的量；S?i -----i组分的校正因子；A i----i组分的峰面积) 绝对响应值S就是单位量物质通过检测器时产生的信号强度（电信号，峰高，峰面积等），也成为绝对灵敏度。一个化合物的绝对响应值就是该化合物的含量除分析这个校正混合物时该化合物的峰面积（或峰高）的值。绝对响应值校正了检测 器对不同化合物的响应能力。 当校正样和未知样品在同样的条件下分析时，外标法是基本的定量方法。未知样品的结果与校正样的结果相比较从而计算出未知物的含量。 外标法使用绝对响应。响应因子从校正表中得到并可储存。在分析后面的样品时，响应因子被用于计算化合物的含量。使用这种计算方法必须注意一点，即每次运行 的进样量必须是一致的。 或者讲每一组分的检测面积除以其已知的含量得到各自的响应值。 例如图1中A化合物的绝对响应值 S? A=3000(假如单位为pA*sce)/100(假如单位为ng或ppm)=30 B化合物的绝对响应值S? B=2500/80=31.25 C化合物的绝对响应值S? C=4000/200=20 组分的面积乘以响应值得到其含量（或浓度）, 即外标法：m i = A i S? i m i = A i/S? i 外标法优点是：快速简单, 只要待测组分出峰且完全分离即可。但要求：进样量、色谱质谱分析操作条件严格不变。是属于绝对法。绝对响应值的使用也是要求进样 量、色谱质谱分析操作条件严格不变。 所以引入相对响应值，用于内标法的计算（进样量，操作条件没有外标法那样严格 要求，是相对测定法，下面会谈到）。 化合物i的绝对响应值为S? i = A i / m i 化合物s(基准物或内标物)的绝对响应值为S?s = A s / m s 则化合物i对于内标物s的相对响应值：S i/s= S? i/S?s = A i m s /（A s m i） (或者讲内标物的相对响应值等于1)
内标法外标法区别
1.内标法:是一种间接或相对的校准方法。在分析测定样品中某组分含量时，加入一种内标物质以校谁和消除出于操作条件的波动而对分析结果产生的影响，以提高分析结果的准确度。 内标法在气相色谱定量分析中是一种重要的技术。使用内标法时，在样品中加入一定量的标准物质，它可被色谱拄所分离，又不受试样中其它组分峰的干扰，只要测定内标物和待测组分的峰面积与相对响应值，即可求出待测组分在样品中的百分含量。 2.外标法：用待测组分的纯品作对照物质，以对照物质和样品中待测组分的响应信号相比较进行定量的方法称为外标法。此法可分为工作曲线法及外标一点法等。工作曲线法是用对照物质配制一系列浓度的对照品溶液确定工作曲线，求出斜率、截距。在完全相同的条件下，准确进样与对照品溶液相同体积的样品溶液，根据待测组分的信号，从标准曲线上查出其浓度，或用回归方程计算，工作曲线法也可以用外标二点法代替。通常截距应为零，若不等于零说明存在系统误差。工作曲线的截距为零时，可用外标一点法(直接比较法)定量。 外标一点法是用一种浓度的对照品溶液对比测定样品溶液中i组分的含量。将对照品溶液与样品溶液在相同条件下多次进样，测得峰面积的平均值，用下式计算样品中i组分的量：W＝A(W)／(A) 式中W与A分别代表在样品溶液进样体积中所含i组分的重量及相应的峰面积。(W)及(A)分别代表在对照品溶液进样体积中含纯品i组分的重量及相应峰面积。外标法方法简便，不需用校正因子，不论样品中其他组分是否出峰，均可对待测组分定量。但此法的准确性受进样重复性和实验条件稳定性的影响。此外，为了降低外标一点法的实验误差，应尽量使配制的对照品溶液的浓度与样品中组分的浓度相近。 外标法 external standard method 色谱分析中的一种定量方法，它不是把标准物质加入到被测样品中，而是在与被测样品相同的色谱条件下单独测定，把得到的色谱峰面积与被测组分的色谱峰面积进行比较求得被测组分的含量。外标物与被测组分同为一种物质但要求它有一定的纯度，分析时外标物的浓度应与被测物浓度相接近，以利于定量分析的准确性。 简单的说：内标法就是用在样品中定量加入你要分析的物质，通过测得的实际样品量和加入样品量的比值来定量所要分析的样品含量。内标法主要优点是简单，快速。缺点是没有标准曲线法定量精确。
色谱定量计算三种方法,归一化法,内标法和外标法
色谱法是根据色谱峰的面积或高度进行定量分析的。色谱定量计算方法很多，目前比较广泛应用的有归一化法、内标法和外标法。 1. 归一化法 如果试样中所有组分均能流出色谱柱并显示色谱峰，则可用此法计算组分含量。设试样中共有n个组分，各组分的量分别为m1，m2，……，m n，则i种组分的百分含量为： 归一化法的优点是简便、准确，进样量的多少不影响定量的准确性，操作条件的变动对结果的影响也较小，对组分的同时测定尤其显得方便。缺点是试样中所用的组分必须全部出峰，某些不需定量的组分也需测出其校正因子和峰面积，因此应用受到一些限制。 2. 内标法 当试样中所有组分不能全部出峰，或只要求测定试样中某个或几个组分时，可用此法。 准确称取m(g)试样，加入某种纯物质ms(g)作为内标物，根据试样和内标物的质量比m s/m及相应的色谱峰面积之比，基于下式可求组分i的百分含量W i%： 因为 所以 内标物的选择条件是：内标物与试样互溶且是试样中不存在的纯物质；内标物的色谱峰既处于待测组分峰附近，彼此又能很好地分开且不受其它峰干扰；加入量宜与待测组分量相近。 内标法的优点是定量准确，操作条件不必严格控制，且不象归一化法那样在使用上有所限制。缺点是必须对试样和内标物准确称重，比较费时。
3. 外标法(亦称标准曲线法) 该法是在一定色谱操作条件下，用纯物质配制一系列不同的浓度的标准样，定量进样，按测得的峰面积对标准系列的浓度作图绘制标准曲线。进行试样分析时，在与标准系列严格相同的条件下定量进样，由所得峰面积从标准曲线上即可查得待测组分的含量。 外标法的优点是操作和计算简便，不需要知道所有组分的相对校正因子，其准确度主要取决于进样量的准确和重现性，以及操作条件的稳定性。