近红外光谱法对头孢氨苄粉末药品的非破坏定量分析

采用近红外漫反射光谱法对头孢氨苄粉末药品中主要成分头孢氨苄进行快速、无损定量分析.采用偏最小二乘法建立近红外光谱信息与待测组分含量间的最佳数学校正模型.对3种光谱(SNV光谱、一阶导数、二阶导光谱)的预测结果进行了比较,讨论了光谱的预处理方法和主成分数对偏最小二乘法定量预测能力的影响,并对预测集样品进行预测.     

人工神经网络-近红外光谱法用于甲氧苄胺嘧啶粉末药品的非破坏定量分析

近红外(NIR)光谱分析技术已应用于制药、化妆品、烟草、食品、化学药品、聚合物、纺织品、油漆涂料、 煤炭和石油工业等各个领域的质量监控. 近年来, NIR光谱分析技术也应用于药品分析中, 因该方法具有非破坏性, 样品不需要复杂的预处理和分离即可直接测定. 它可对药物进行定性和定量测定以及多晶、光学异构体和湿度的测定. 近红外光谱法用于无损非破坏测定胶囊类以及片剂的研究已有报道[1,2].     

人工神经网络-近红外光谱法非破坏监测芦丁药品的质量

用近红外漫反射光谱法非破坏监测芦丁药品的质量。利用人工神经网络化学计量学分类技术，建立三层神经元的神经网络，对网络参数进行优化选择以建立最佳网络模型。根据芦丁药品的近红外漫反射光谱，成功地分辨出合格药品和不合格药品。     

人工神经网络-近红外光谱法用于粉末药品美的康的非破坏定量分析

1　引　　言 　　近红外光谱分析技术在药品分析中得到重视,这是因为该方法的非破坏性,样品不需预处理 ,不需分离,即可直接测定。但其各组分光谱重叠需采用一定的数据处理技术方能获得准确 分析结果。本文应用人工神经网络 进行粉末药品美的康的非破坏性快速定量分析。使用一组美的康粉末药品的近红外漫反射光 谱数据建立人工神经网络模型,预测未知样品。讨论了影响网络的各参数。采用了新的网络 评价标准——逼近度。 　　2　实验部分 　　2.1　仪器和试剂　日本岛津UV-3100型紫外可见近红外分光光度计,附件积分球。测量条件,狭缝为12 nm,扫描范围1100～2500 nm。所用试剂均符合药典标准 。     

粉末药品安体舒通的无损定量分析——人工神经网络－近红外光谱法的应用

研究了应用人工神经网络进行粉末药品的无损定量分析,使用安体舒通粉末药品的近红外漫反射光谱数据建立人工神经网络模型,预测未知样品,讨论了影响网络的各参数,使用了逼近度作为网络新的评价标准。     

近红外光谱法定量分析维生素E

在９３％～９７．４％浓度范围内,利用维生素Ｅ（ＶＥ）在６０６１～５２４６ｃｍ＾－１处的近红外吸收峰面积积分值和其浓度关系建立的回归方程为：Ｙ＝１０３．４３～０．０７８６２４Ｘ。用此回归方程对已知浓度的样品进行预测,误差及相对误并均在－０．７９％～０．９％内。在较宽浓度范围８０％～９７％之间的ＶＥ,用ＰＬＳ算法选择不同遥数据预处理方法,对近红外吸光度值和其含量的关系建模,度用已知浓度的ＶＥ进行校验。     

近红外光谱-人工神经网络法用于粉末药品阿斯匹林的非破坏定量分析

研究了应用人工神经网络进行粉末药品的非破坏定量分析。使用阿斯匹林粉末药品的近红外漫反射一阶导数光谱数据建立人工神经网络模型,预测未知样品。讨论了影响网络的各参数,使用了新的网络评价标准－逼近度。     

PLS-ANN算法-NIR光谱非破坏性Norvasc药物有效成分的定量分析

采用偏最小二乘(PLS)结合人工神经网络(ANN)算法解析Norvasc(络活喜)药片的近红外(NIR)漫反射光谱, 实现了对其中有效成分苯磺酸氨氯地平的非破坏定量测定. 设计了最佳的PLS-ANN模型, 分别讨论了最佳波长范围、 导数光谱及输入层和隐含层节点数对预测结果的影响. 以HPLC法的测定结果作标准, 苯磺酸氨氯地平浓度预测值的相对误差RE＜3.5%, 该方法可用于Norvasc药品实际生产中的质量控制.     

偏最小二乘-近红外漫反射光谱法测定西米替丁药片

研究了应用偏最小二乘法(PLS)同近红外漫反射光谱法结合,对西米替丁片剂药品进行无损非破坏定量分析,建立了最佳的数学校正模型。讨论了波长间隔和主成分数对PLS定量预测能力的影响,预测了未知样品。     

基于傅立叶变换的人工神经网络近红外光谱定量分析法

将原始光谱进行一定的预处理后,以其快速傅立叶变换FFT的前N个系数作为人工神经网络(ANN)的输入量,不仅确保了大量有用信息参与模型的建立,同时实现了优越的滤波功能。以汽油的辛烷值和煤粉干燥基高位发热量(Qgr.d)的近红外光谱建模,当采用前20个FFT系数的傅立叶变换-径向基网络(FFT-RBF)时,辛烷值模型的预测误差均方根(RMSEP)可达0.152,相关系数为0.976,当采用前30个FFT系数时,快速FFT-RBF煤粉干燥基高位发热量模型的RMSEP为0.256,相关系数为0.923,说明FFT-RBF模型有着很好的预测能力。研究表明基于傅立叶变换的人工神经网络近红外光谱定量分析法,特别是FFT-RBF具有良好的预测能力。     

人工神经网络—近红外光谱法用于甲氧苄胺嘧啶粉末药品的非？…

近红外(NIR)光谱分析技术已应用于制药、化妆品、烟草、食品、化学药品、聚合物、纺织品、油漆涂料、煤炭和石油工业等各个领域的质量监控.近年来,NIR光谱分析技术也应用于药品分析中,因该方法具有非破坏性,样品不需要复杂的预处理和分离即可直接测定.它可对药物进行定性和定量测定以及多晶、光学异构体和湿度的测定.近红外光谱法用于无损非破坏测定胶囊类以及片剂的研究已有报道[1,2].NIR光谱在使用中也有一定的局限性,主要是结构复杂,谱图重叠多,在进行定性和定量分析中需采用一定的数据处理才能获得准确可靠的分析结果.在定量分析中,…     

Nondestructive Quantitative Analysis of Cofrel Medicines by Double ANN-NIR Spectroscopy

It has been proved that near-infrared (NIR) spectroscopy is a powerful analytical tool in the pharmaceutical industries1, especially in the quantitative analysis of the pharmaceu- tical tests during the last decades2-4. Currently, the quantitative analyti…     

Nondestructive Quantitative Analysis of Analgini Powder Pharmaceutical by Near-Infrared Spectroscopy and Artifical Neural Network Technique

ABSTRACT

This paper demonstrates the usefulness of near-infrared (NIR) spectra and artificial neural network (ANN) in nondestructive quantitative analysis of pharmaceuticals. Real data sets from near-infrared reflectance spectra of analgini powder pharmaceutical were used to build up an artificial neural network to predict unknown samples. The parameters affecting the network were discussed. A new network evaluation criterion, the degree of approximation, was employed. The overfitting was discussed. Owing to the good nonlinear multivariate calibration nature of ANN, the predicted result was reliable and precise. The relative error of unknown samples was less than 2.5%     

近红外光谱-径向基神经网络在异烟肼片无损定量分析中的应用

应用异烟肼片粉末的近红外漫反射光谱数据分别结合偏最小二乘法(PLS)和径向基神经网络(RBFNN)建立定量分析模型,并用所建模型对预测集样品进行了预测,结果表明:应用RBFNN所建立的定量分析模型优于PLS模型,相关系数(r)值由0.99593提高到0.99734,交互验证均方根误差(RMSECV)值由0.00523下降到0.00423,预测均方根误差(RMSEP)值由0.00614下降到0.00501。     

主成分-人工神经网络在近红外光谱定量分析中的应用

近红外光谱的主成分由非线性迭代偏最小二乘法（ＮＩＰＡＬＳ）求出。主成分作标准化处理后,作为Ｂ－Ｐ神经网络的输入结点进行非线性迭代。该法的优点是,充分利用了全光谱的数据,得到消除噪声后的最佳主成分,能建立非线性模型,Ｂ－Ｐ神经网络迭代时间显著缩短。用该法对大麦中的淀粉含量进行了定量分析研究。结果为：校准和预测的相关系数分别为０．９８１和０．９５３,校准和预测的相对标准偏差分别为１．７０％和２．４８％。     

近红外光谱无损定量分析吡嗪酰胺片

近红外光谱;径向基神经网络;吡嗪酰胺;定量分析     

Nondestructive determination of compound amoxicillin powder by NIR spectroscopy with the aid of chemometrics

Near-infrared (NIR) spectroscopy, in combination with chemometrics, enables nondestructive analysis of solid samples without time-consuming sample preparation methods. A new method for the nondestructive determination of compound amoxicillin powder drug via NIR spectroscopy combined with an improved neural network model based on principal component analysis (PCA) and radial basis function (RBF) neural networks is investigated. The PCA technique is applied to extraction relevant features from lots of spectra data in order to reduce the input variables of the RBF neural networks. Various optimum principal component analysis-radial basis function (PCA-RBF) network models based on conventional spectra and preprocessing spectra (standard normal variate (SNV) and multiplicative scatter correction (MSC)) have been established and compared. Principal component regression (PCR) and partial least squares (PLS) multivariate calibrations are also used, which are compared with PCA-RBF neural networks. Experiment results show that the proposed PCA-RBF method is more efficient than PCR and PLS multivariate calibrations. And the PCA-RBF approach with SNV preprocessing spectra is found to provide the best performance.