色谱学习笔记（二）

   　首先来看一下什么是模型结构方面的逻辑缺陷。

　　还是以这条跑道为例，“N名选手在跑道的一头同时开始跑另一头，到终点时，选手甲耗时A秒，选手乙耗时B秒，选手丙耗时C秒。重复比赛时也是如此”，我们在建立些模型时，其实已经加入了几点假设。

　　假设1：我们已经了解所有能影响最后结果的各种因素。

　　假设2：我们能控制影响结果的各个因素。

　　假设3：在1　和2　能达到的情况下，我们认为重复进行比赛的结果是可以重复的，这意味着什么呢？如果一条跑道的总长度、跑道材料、风向、风速、温度、温度等诸多因素都能影响。在这次比赛中，选手甲乙丙冲线的是成绩是ABC秒，而我们如果能控制了诸多影响因素使其保持一致，那么如果再跑一轮，选手甲乙丙的成绩还是ABC秒。

　　看着这3　点假设，单纯从字面上来看，还真是让有人有些心虚，首先我们真不能保证什么内在因素都能了解，也凭什么保证都能控制好。难道这就是色谱误差的源泉？？嘿嘿，本着实事求是的精神说，不是，真的不是。

　　假设1，的确有漏洞，但不严重，我们其它并不需要了解全部影响结果的所有因素，因为很多因素不一定起作用，如果有了新因素对结果起了作用而我们尚不了解，那么等它起了作用，再了解分析它也不迟。（这里可能造成的错误就是对于结果的变化我们可能会判断错误，发生的机率不高但的确存在）

　　假设2，也有漏洞，但同样也不严重，因为各种因素对结果的影响程度有轻有重，只要抓住一些主要影响因子，就可能有效保证结果正确的足够几率。同样，如果发现了新的影响因素，发现后再考虑也不迟，另一个很重要的方面来说，控制的成本也是不能不掂量的。（这就是为什么全世界的气相色谱仪，炉温的控制精度远远高于检测器温度控制的原因） 

　　再看假设3，如果只从理论上想它会很伤脑细胞，还是看看实际情况反映吧，在色谱发展的历史来看，在假设1　和2　没有明显误差的前提下，多数重复实验是可以保证结果的。

　　　所以说，模型结构方面的前提性假设有逻辑缺陷，但是并不严重。

　　真正造成误差的主要原因，不是模型的本身缺陷，而是由于我们在使用此模型时的不正确应用，这些不正确的应用，其实也有其无奈的客观存在原因。