近紅外光譜技術用于茶堿濃度檢測建模初步研究.pdf

1、近紅外光譜分析技術是一種快速、高效、無損的分析技術，它在藥物分析領域中的應用范圍相當廣泛，它不僅適用于藥物的多種不同狀態(tài)如原料、完整的片劑、膠囊與液體等制劑，還可以用于不同類型的藥品，如蛋白質、中草藥、抗生素等藥物的分析。 論文首先詳細介紹了近紅外光譜的產生和光譜特性，以及近紅外光譜技術的理論基礎；概括出近紅外光譜分析的特點和流程；總結了近紅外光譜分析技術的發(fā)展。在此基礎上，論文提出了茶堿藥物濃度預測建模的實驗方案，用IRPre

2、sfige-21型傅里葉變換紅外光譜儀對濃度范圍在30-100μg/ml范圍內的樣本作全譜范圍內透射掃描，得到樣本的吸光度曲線圖，以此吸光度數(shù)據(jù)作為建立濃度校正模型的基礎。論文用BP人工神經網絡方法建立校正模型，為了避免使用BP網絡建立ANN模型時產生過擬合現(xiàn)象的缺點，論文引入逼近度來檢測過擬合及優(yōu)選模型設計參數(shù)。通過計算得出輸入節(jié)點數(shù)、隱含層節(jié)點數(shù)、動量項、學習速率、學習次數(shù)的最優(yōu)值，以此建立BP網絡模型。模型校驗結果為預測值與真值之

3、間的相關系數(shù)為0.998989，建模樣本集的標準誤差為0.85，預測樣本集的標準誤差為1.08。論文研究了對光譜進行一階導數(shù)預處理對BP網絡模型的影響，初步實驗結果表明，一階導數(shù)預處理很好的消除了光譜中的噪聲，提高了BP網絡模型預測未知樣本濃度的準確性。論文將用常規(guī)化學計量學方法包括多元線性回歸、主成分回歸和偏最小二乘回歸建立的校正模型與BP網絡模型進行比較，證明了BP網絡模型在處理非線性問題上的優(yōu)越性。論文最后總結了不足之處：實驗選用

4、CCl<,4>為背景，以茶堿純品配置樣本，降低了噪聲對光譜的影響。但如果被測樣本中含有其它的雜質或干擾因素，則樣本的復雜性增加，需要重新建立校正模型。論文中將樣本的濃度范圍選擇在30-100μg/ml內，因為儀器本身和光譜預處理技術的影響，當樣本濃度在30μg/ml以下，所測量出的光譜圖幾乎沒有變化，即提取不出特征信號用于建模。茶堿微溶于CCl<,4>，配置好的樣本實際為均勻懸濁液，對近紅外光有散射作用。從文獻中可以看到這種樣本更適合使

5、用漫反射技術。由于受到儀器的限制，無法測量樣本的漫反射光譜，這可作為下一步研究的重要內容。由于各儀器型號、數(shù)據(jù)格式、數(shù)據(jù)點數(shù)量、光譜分辨率等參數(shù)對光譜的采集有所影響，論文應用島津IRPrestige-21型傅里葉變換紅外光譜儀所采集的光譜數(shù)據(jù)建立的定量分析模型在別的型號儀器所采集的光譜數(shù)據(jù)是否可用尚未考察。這涉及近紅外光譜技術中的模型傳遞問題，如何建立通用、可靠的定量校正模型有待進一步研究。利用光纖探頭和便攜式近紅外光譜，對測量方法稍加