采用偏最小二乘法和径向基神经网络结合近红外光谱技术建立蝙蝠蛾拟青霉发酵菌丝体中虫草酸、 多糖和腺苷含量的定量分析模型, 模型泛化能力强且预测精度高, 能够满足原料药及相关产品实际检测中的应用。 通过化学诱变和液体深层发酵获得214个蝙蝠蛾拟青霉菌丝体样品, 扫描获得近红外光谱, 采用常规方法测定样品中虫草酸、 多糖和腺苷的含量。 在应用蒙特卡罗偏最小二乘法识别异常样品、 确定校正集样品数量的基础上, 以逼近度(Da)为评价指标, 采用可移动窗口偏最小二乘法和径向基神经网络筛选特征波长变量, 最佳光谱预处理方法及建模重要参数。 通过比较分析, 最终确定蝙蝠蛾拟青霉菌丝体中虫草酸、 多糖和腺苷含量定量分析模型分别为RBFNN, RBFNN和PLS模型, 其校正集和预测集样品实验测定值与预测值间相关系数(R2p和R2c)分别为0.941 7和0.966 3, 0.980 3和0.985 0, 0.976 1和0.972 8, 表明模型具有很好的拟合度和预测性能。

采用径向基神经网络(RBFNN)结合近红外光谱(NIRS)技术建立一种分析安络小皮伞发酵菌丝体中甘露醇、多糖和腺苷三种组分的定量分析模型。收集164个安络小皮伞液体发酵菌丝体样本的近红外光谱数据，采用常规方法分别测定样本中甘露醇、多糖和腺苷的含量。在应用蒙特卡罗偏最小二乘法（MCPLS）识别异常样本、确定校正集样本数量的基础上，以逼近度（Da）为评价指标，采用可移动窗口径向基神经网络(MWRBFNN)筛选特征波长变量，筛选最佳光谱预处理方法、隐含层节点数(NH)等模型参数。建立甘露醇、多糖和腺苷组分定量分析模型，最佳RBFNN-NIRS模型中校正集和预测集样本实验测定值与预测值间相关系数分别为0.9274、0.9009、0.9440和0.9354、0.9018、0.8847，表明模型具有很好的拟合度和预测性能。

建立了同时快速测定蛹虫草菌丝体中腺苷、蛋白质、多糖和虫草酸含量的近红外（NIR）光谱定量分析校正模型。收集了来自不同蛹虫草突变株在不同的发酵条件下发酵获得菌丝体并采集其NIR光谱，采用径向基神经网络（RBFNN）建立样品的NIR光谱与其腺苷、蛋白质、多糖和虫草酸含量间的相关模型。RBFNN模型经过采用可移动窗口法提取各组分的NIR光谱特征波长变量、选择有效的光谱预处理方法、隐含节点数和扩展常数进行优化，获得测定腺苷、蛋白质、多糖和虫草酸含量的最优模型，其训练集样本的参考值与模型预测值间的相关系数（Rc）分别达到0.9436,0.9884,0.9018和0.8848，表明模型的拟合度很好，测试集均方根误差(RMSEP)RMSEP分别为0.6225 mg/g,0.0179 g/g,0.0115 g/g和0.0102 g/g，表明模型的预测性能很好。

应用近红外(NIR)光谱技术结合化学计量学法建立测定蛹虫草菌丝体中腺苷、 蛋白、 多糖和虫草酸4种主要有效成分含量的定量分析模型, 可应用于蛹虫草高产突变株的筛选和发酵条件的优化。 468株蛹虫草突变株在不同的摇瓶发酵条件下进行发酵, 收集菌丝体粉末样品并采集NIR光谱, 同时采用常规方法分别测定样品的4种有效成分含量。 偏最小二乘法(PLS)用于建立NIR光谱与有效成分含量间相关模型。 采用蒙特卡罗偏最小二乘法(MCPLS)识别异常样本和选择合适的校正集样本数； 采用移动窗口偏最小二乘法(MWPLS)筛选波长变量； 以逼近度(Da)为考察指标, 选择最有效的光谱预处理方法和最适的PLS隐变量数, 最终得到测定蛹虫草菌丝体中腺苷、 蛋白、 多糖和虫草酸含量的最优PLS模型, 其校正集样本参考值与预测值间相关系数(Rc)分别为0.929 43, 0.984 79, 0.907 85和0.851 31； 预测集误差(RMSEP)为0.667 14, 0.020 65, 0.011 31和0.011 59, 表明模型具有很好的拟合度和预测性能, 应用该方法进行蛹虫草诱变筛选和发酵条件的优化是可行的。

将近红外光谱（NIRS）与三层径向基神经网络(RBFNN)结合，建立药用真菌云芝中活性成份多糖和蛋白的快速无损分析模型（NIRS-RBFNN）。采用卷积平滑、傅里叶变换、一阶变换、二阶变换、多尺度小波变换和小波包变换对原始光谱进行预处理。对处理后的光谱进行主成份的提取，以前15个主成份得分作为径向基神经网络的输入节点选择范围。对网络相关的参数（输入节点数、中间神经元数、径向基宽度常数）进行了优选。得到了最佳的云芝多糖分析模型的条件为：小波变换6尺度重构光谱，模型参数为WPT-NIRS-RBFNN（7-12-1，3.2），此时模型的交换验证方根误差（RMSECV）为0.009897，校正集相关系数Rcv=0.98357，此模型对预测集的预测远离方根误差（RMSEP）为0.00909，其相关系数Rp=0.98283；对云芝蛋白的最佳分析模型的条件为：对小波变换6尺度重构光谱，模型参数为WPT-NIRS-RBFNN（12-10-1，3.0），此时模型的RMSECV为0.005240，Rcv=0.99426，此模型对预测集的RMSEP为0.00998，Rp=0.98246。结果表明模型具有很好的稳健性和精确度。对实现药用真菌的无损快速分析有重要的意义。

采用偏最小二乘法(PLS)建立测定蛹虫草菌丝体中多糖、蛋白、虫草酸和腺苷含量的近红外光谱定量分析模型。选择了原始光谱建立蛹虫草菌丝体中腺苷和多糖含量的PLS定量分析模型,选择卷积光滑预处理后的光谱建立蛹虫草菌丝体中蛋白和虫草酸含量的PLS定量分析模型。测定蛹虫草菌丝体中多糖、蛋白、虫草酸和腺苷含量的最优PLS定量分析模型的交叉验证均方根误差(RMSECV)分别为0.0091,0.0222,0.0088和0.6520,预测均方根误差(RMSEP)分别为0.0079,0.0196,0.0087和0.5780。结果表明,测定蛹虫草菌丝体四种有效成分含量的定量分析模型稳健性好和预测精度高,在中药有效成分定量分析方面有很大的应用前景。

建立了同时测定利福平片、异烟肼片、吡嗪酰胺片、异福片和异福酰胺片5种抗结核药物中的利福平（RMP）、异烟肼（INH）和吡嗪酰胺（PZA）含量的新方法,应用径向基神经网络（RBFNN）建立5种抗结核片剂药物样品的近红外光谱（NIRS）与其中RMP、INH和PZA含量间相关模型。模型以交互验证均方根误差（RMSECV）为评价标准,选择最有效光谱区域、对网络结构参数和扩展常数进行优化,得到最优定量分析模型。最优模型的RMSECV分别为0.0127、0.0104、0.0078,应用最优模型对预测集样品中RMP、INH和PZA含量进行预测,预测均方根误差（RMSEP）分别为0.0125、0.0109、0.0103。内部交互验证和外部验证均表明,该方法具有较高的准确度,能够满足5 种抗结核药物生产中RMP、INH和PZA的同时检测精度要求。