1 吉林大学超分子结构与材料国家重点实验室, 吉林 长春 130012
2 长春中医药大学新药研发中心, 吉林 长春 130117
3 吉林大学地面机械仿生技术教育部重点实验室, 吉林 长春 130022
4 吉林工程技术师范学院信息工程学院, 吉林 长春 130052
目前常用的盐酸左氧氟沙星注射液含量的测定方法是高效液相色谱法，但此法不能应用于在线分析。文章利用近红外光谱分析技术分别与偏最小二乘(PLS)以及人工神经网络(ANN)的方法相结合，对同一厂家的35个不同批号的针剂样品分别建立了定量校正模型，并对随机抽取的12个样品进行了预测。首先，利用PLS的方法建立模型，得出模型的决定系数(R^2)和预测集样本的标准偏差(RMSEP)分别为0.964和0.2428，同时利用小波变换技术对光谱变量进行了高效的压缩，并利用了前馈神经网络建立了盐酸左氧氟沙星针剂的定量分析模型，利用该模型所得的R^2和RMSEP分别为0.944和0.5722。文章详细比较了两种方法的建模过程，相关参数选取的优化方法，实验结果令人满意，从比较结果来看，PLS方法略优于ANN方法，可以快速准确的给出该针剂的含量，具有无损，简单，快捷的特点，为近红外光谱技术应用于针剂的定量检测提供了一个新的有效方法。
近红外光谱 偏最小二乘 人工神经网络 盐酸左氧氟沙星 Near infrared spectroscopy Partial least squares Artificial neural network Levofloxacin hydrochloride 光谱学与光谱分析
2009, 29(10): 2665
1 吉林大学 超分子结构与材料国家重点实验室,吉林长春 130012
2 吉林大学 地面机械仿生技术教育部重点实验室,吉林长春 130022
3 吉林工程技术师范学院 信息工程学院,吉林长春 130052
以吉林名贵中药材人参作为研究的主要对象,详细研究了利用小波变换技术对红外光谱变量的压缩方法和实现过程,以及如何利用人工神经网络(ANN)和支持向量机(SVM)技术建立人参的红外光谱的产地鉴别模型,并详细讨论了ANN模型中相关参数的优化方法以及SVM模型中的核函数及σ值的优化选择。仿真实验表明,建立的ANN模型对40个吉林人参样品产地识别率达到92.5%,而采用径向基核函数的SVM模型的识别率为97.5%,其分类效果明显优于ANN模型。从而表明小样本的情况下,利用SVM结合小波变换技术可以对吉林人参的红外光谱的产地特征进行正确区分,同时为中草药的红外光谱的进一步的分析和研究提供了一定理论依据和技术支持。
红外光谱 小波变换 建模 人工神经网络 支持向量机 Infrared spectroscopy Wavelet transform Establishing model Artificial neural networks Support vector machine
