人工神经网络紫外分光光度法同时测定复方阿司匹林片3组分的含量.docVIP

人工神经网络紫外分光光度法同时测定复方阿司匹林片3组分的含量.doc

  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
人工神经网络紫外分光光度法同时测定复方阿司匹林片3组分的含量.doc

  人工神经网络紫外分光光度法同时测定复方阿司匹林片3组分的含量 【摘要】 目的 在不经分离的情况下,用紫外分光光度法同时测定复方阿司匹林片中的3个组分的含量。 方法 采用人工神经 网络 法,取已知浓度的咖啡因、阿司匹林、非那西丁标准溶液按不同比例混合生成合成样品,以合成样品的不同波长下的吸光度值作为网络输入值,3组分的量为输出值,训练网络并预测复方阿司匹林片中3组分的含量。结果 复方阿司匹林片中阿司匹林、非那西丁和咖啡因的平均回收率分别为98.7%、101.4%、100.4%,RSD值分别为0.7%、1.5%、2.1%。结论 人工神经网络有较强的预测能力,能不经分离同时测定复方阿司匹林片中的3组分。 【关键词】 人工神经网络;紫外分光光度法;复方阿司匹林片 Abstract:Objective To establish a method for simultaneous determination of the three ponents, aspirin, phenacetin and caffEine in pound aspirin tablets. Methods The quantity of bined samples etry is a good method for simultaneous determination of the three ponents in pound aspirin tablets. Key etry;pound aspirin tablets 复方制剂中的多组分不经分离,直接用紫外分光光度法同时进行测定,在药物的质量控制中有较大的实用价值[1]。人工神经网络法具有高度的容错能力,可广泛 应用 于多组分的定量 分析 [2-4]。复方阿司匹林片是含有阿司匹林、非那西丁、咖啡因的复方制剂,各组分的含量差异较大,且吸收曲线重叠严重,用化学法需要经过多次萃取后测定,操作烦琐且测定误差大。本文用BP人工神经网络辅助紫外分光光度法,同时测定复方阿司匹林片中3组分的含量,得到较满意的结果。 1 实验部分 1.1 材料与方法   UV1101紫外可见分光光度计(上海天美 科学 仪器公司)。   阿司匹林(山东新华制药集团)、非那西丁(梁山蓝天制药有限公司)、咖啡因(广州市化学试剂玻璃仪器批发部,进口分装)纯度均不低于99%。复方阿司匹林片(广东三才医药集团有限公司;处方:阿司匹林220 mg,非那西丁150 mg,咖啡因35 mg)。其他试剂均为分析纯。 1.2 溶液的制备 1.2.1 对照品溶液的制备 精密称取阿司匹林约30 mg,非那西丁约20 mg,咖啡因约20 mg,分别置100 mL量瓶中,加乙醇5 mL溶解,以蒸馏水定容,即得。 1.2.2 缓冲溶液的制备 取磷酸二氢钾6.8 g,加0.1 mol/L NaOH 290 mL,用水稀释至1 000 mL即得。 1.2.3 合成样品溶液的制备 分别精密量取上述各对照品溶液适量置100 mL量瓶中,以复方阿司匹林片中的3组分为3个因素,以3组分的量相当于复方阿司匹林片标示量的50%、80%、100%、120%、150%为5个水平进行正交设计,按正交结果进行实验。加缓冲溶液至刻度并摇匀,得50个合成样品溶液。 1.3 网络训练   将50个合成样品分别在200~300 nm波长范围内每隔10 nm测定其吸光度值,作为网络输入值,而3组分的量为输出值,对网络进行训练并用于预测。 2 结果与讨论   将样本分为2组:训练集45个,用于训练网络;测试集5个,用于检验网络收敛情况。 2.1 网络 参数的选择 2.1.1 节点及节点数的选择 取阿司匹林、非那西丁、咖啡因对照品溶液和样品溶液分别在200~400 nm进行紫外扫描,得相应的紫外吸收曲线,见图1。由图可见,3组分的吸收光谱重叠严重,但其紫外吸收范围均在200~300 nm波长范围内,复方阿司匹林片样品溶液的吸收曲线是3者的叠加。 输入节点对网络预报性能 影响 较大,应尽量选择对组分浓度变化较灵敏的波长下的吸光度数据。输入节点的数目少,网络获取的信息量不足,影响预报的准确性;而输入节点数目多则工作量太大,也会影响预测结果。   经试验,选择在200~300 nm波长范围内每隔10 nm测定其吸光度值作为网络输入值,而3组分的含量为输出值。 隐层节点数第一层为5,第二层为5时,误差最小。 2.1.2 训练次数 BP神经网络有很强的自 学习 能力,随着训练次数的增加,训练集各组分的误差下降,本文经考察,当训练次数达到50 000时,误差基本稳定,训练次数继续增加反而会使误差回升,选择训练次数为50 000。 2.2 分析

文档评论(0)

ggkkppp + 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