论文部分内容阅读
本文研究了近红外光谱分析技术在药品成分分析方面的应用,利用小波滤噪、偏最小二乘法和神经网络的数据处理方法,着重进行了药品近红外光谱图信息提取和定量分析工作,并探讨了近红外分析仪的硬件设计。为了寻找适合中药红外谱图滤噪的最佳方法,基于D.L.Dohono 提出的小波阈值滤噪和Mallat,Xu 等提出的空域相关滤噪法,提出了优化的小波阈值滤噪法和空域相关滤噪法。探讨了不同小波基、不同小波阶次和小波分解次数对近红外光谱图小波滤噪的影响,并且把这两种新的小波滤噪方法运用到VC 银翘片的红外谱图滤噪处理中,分析VC银翘片中对乙酰氨基酚含量,其相关系数分别达到0.994 和0.993;平均绝对误差也分别达到0.2227 和0.2246,大幅提高了预测精度。提出了运用聚类分析结合偏最小二乘法预测的近红外光谱图的处理方法。采用偏最小二乘法研究红外谱图的信息提取,并测定葡萄糖溶液的近红外光谱图,讨论了平滑、导数、基线校正等预处理方法对近红外分析的影响和偏最小二乘法因子数的确定方法,分析了不同样品浓度范围对偏最小二乘法数学模型预测结果的影响及聚类分析在区别样品所属不同浓度范围的应用,把聚类分析-偏最小二乘法预测中药成分的方法运用于葡萄糖溶液中的葡萄糖成分预测,其相关系数达到0.99,RMSEC 达到0.19,平均绝对误差达到1.06,和文献104 的处理结果比较,预测精度有了显著的提高。采用贝叶斯规范化的网络训练方法训练BP 神经网络,改善了BP 神经网络的稳定性。比较了不同的神经网络对近红外光谱图的定量分析结果,并讨论了神经网络的参数调整。测定复方芦丁片的红外谱图,应用BP 神经网络预测复方芦丁片中的芦丁和维生素C 含量,并采用贝叶斯规范化的网络训练方法训练BP 神经网络。测定小儿氨加黄敏颗粒的红外谱图,应用线性神经网络预测小儿氨加黄敏颗粒中对乙酰氨基酚和人工牛黄的含量。为了比较不同方法的预测效果,采用偏最小二乘法、BP 神经网络、线性神经网络预测小儿氨加黄敏颗粒中的对乙酰氨基酚,其相关系数分别为:0.989 、0.985、0.992;预测集平均绝对误差分别为:0.72、0.71、0.38。由结果可见,对于本实验,BP 神经网络