基于近红外光谱和化学计量学的党参定性模型的建立.pdfVIP

基于近红外光谱和化学计量学的党参定性模型的建立.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
第30卷,第3期 光谱实验室 V01.3O,No.3 2o 1 C}ti眦seJ帆rnnl 0 1 3 3年5月 o,s妒ctroscopyI以60r旺£0ry May,2 基于近红外光谱和化学计量学的 党参定性模型的建立① 水彦芳② 李波霞 魏玉辉 席莉莉 武新安 (兰州大学第一医院药剂科兰州市东岗西路1号730000) 摘 要采用近红外光谱结合化学计量学,对来源于不同产地的81个党参样本进行快速、无损的定 性研究。将党参样本粉碎后,采用光纤漫反射采集近红外光谱,并结合随机森林建立党参的定性模型,同时 对比分析了不同光谱预处理方法(未处理、变量标准化+一阶导数、偏移校正+一阶导数)对鉴别结果的 影响。结果显示,样本可按产地区分开;光谱经偏移校正+一阶导数处理后,训练集准确率达100%,测试集 准确率为94%。研究表明,近红外光谱结合随机森林原理简单,易操作,准确率高,为作为快速鉴别党参的 参考方法。 关键词近红外光谱;随机森林;K一邻近 . 中图分类号:0657.33文献标识码:A 文章编号:1004—8138(2013)03—1216一06 1 引言 党参为一种常用中药,是桔梗科植物党参、素花党参或川党参的干燥根[13。党参为临床常用的 补气药,补脾益肺,效近人参而为较弱。在中国有39种党参其中21种可为药用,所以权威鉴定及质 量控制对于保证党参药材的质量显得尤为重要。过去几年中,已有色谱指纹图谱、核磁共振等应用 于党参的鉴定‰引。但这些方法比较耗时、费力,费用高且需引入有机溶剂。 近红外光谱技术已经被证明在食品、农业和制药等领域是一种有力的定性定量方法。近红外的 吸收,所以可以得到各种样品的化学和物理性质信息。这个技术的优点包括快速、准确、非侵人性、 环保和需要简要的或无需样品前处理n]。本研究中,将近红外光谱结合随机森林应用于党参药材的 多分类研究中,并将随机森林从所有变量中选择的有效波长变量(特征变量),应用于K一邻近算法, 建立分类模型。 2 实验部分 2.1材料和仪器 收集了来自原产地的种植于2006年的81个党参样本,详细信息如表1所示,根据来源进行标 记。将样品风干并清理干净后,由粉碎机粉碎,研磨至过50目筛,所得药粉保存于干燥器中用于进 一步分析。 ①甘肃省中医药管理局项目(GzK一2008—32) ②联系入.手机:(oE—mail:yfshuiyanfang@163.com 作者简介:水彦芳(1966一),女.兰州市人。副主任药师,主要研究方向为中药质量控制。 收稿日期:z012一07—1z;接受日期:201z—09—14 万方数据 第3期 水彦芳等:基于近红外光谱和化学计量学的党参定性模型的建立 1217 司)。采集近红外光谱时,采用光纤漫反射采样,将光纤探头直接接触于药材粉末采样,压实,以免空 每个样品测定3次,计算平均光谱,用OPUs软件处理数据。 2.2实验方法 2.2.1 化学成分——党参炔苷的分析 建立了一种高效液相色谱方法用于党参炔苷的定性定量研究。首先,精密称取o.59药粉,每次 加入95%乙醇8mL超声提取lomin,提取3次。合并提取液取续滤液离心,过滤后进样。 工作站(日本岛津公司)。色谱柱:VP—ODS 28:72;检测波长为267nnl;流速为1mI。·min~;柱温:40℃;进样量:10肛L。 2.2.2随机森林 随机森林(Random 算法[5’6],其基本思想是,通过重采样技术,不断生成训练样本和测试样本,由训练样本生成多个分 类树组成随机森林,测试样本的分类结果按分类树投票多少形成的分数而定。随机森林有两个重要 参数,一是树节点预选的变量个数巩。,二是随机森林中树的个数埘圮e。 随机森林在对数据进行分类的同时,可以给出各个变量在分类过程中的重要性评分D],根据该 评分能够筛选出相对重要的变量,一般情况下评分排在前面位置的变量相对重要一些,其原理

文档评论(0)

higu65 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档