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。     

软件技术在近红外光谱定量分析中的应用

为了更好地运用化学计量学方法提高近红外光谱定量分析的质量,全面研究了相关算法技术与软件工具的应用。根据近红外光谱定量分析的一般流程,依次探讨了光谱数据预处理、异常样本检测、样本集划分、波长选择、模型建立及其参数优化的常用算法,并给出了其中各种主流算法的基本步骤;然后介绍了OMNIC、OPUS、Origin、The Unscrambler X和MATLAB等软件工具的功能特点和主要用途,可为相关技术研究和分析检测工作提供参考。     

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。     

近红外光谱分辨率对定量分析的影响

利用近红外光谱建立了多组分混合物中对乙酰氨基苯酚和乙水杨胺的定量分析模型。定量模型可以快速准确地测定混合物中对乙酰氨基苯酚和乙水杨胺的含量。研究发现,光谱分辨率对定量分析模型有重要影响。以光谱分辨率4cm-1获得的光谱数据建立的对乙酰氨基苯酚定量模型,其校正集回归系数达到0·9992;其标准偏差为0.2120;同时模型的验证集回归系数为0.9996,而标准偏差达到0.1848。以分辨率1cm-1和8cm-1收集的光谱为基础获得的定量模型,其预测能力呈现不同程度下降趋势。研究结果表明,针对具体样品的特定组分,需要选择合适的光谱分辨率,进而获得最佳的定量分析结果。     

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。     

近红外光谱在品质分析和定量分析中的应用

主要介绍近红外光谱在品质分析和定量分析中的一些应用，作为一种简单、快速、无损的检测手段，近红外光谱在鉴定原料的真伪、原料中有效成分的含量、有毒组分的识别等方面具有独特的效果。因此它在食品、药品、化工产品等领域得到了广泛应用。     

近红外光谱用于过氧化氢含量的定量分析研究

用长波近红外光谱仪（傅里叶变换,InGaAs检测器）和短波近红外光谱仪（光栅分光,CCD检测器）对比研究了25％～30％过氧化氢水溶液中过氧化氢含量的定量分析方法。结果表明,应用短波近红外光谱结合长光程样品池对25％-30％过氧化氢水溶液样品中过氧化氢含量进行定量分析,可以显著减少过氧化氢分解对定量分析的干扰,使定量分析的准确度和重复性显著提高。短波近红外光谱定量分析模型RMSECV和RMSEP分别为0．06和0．05;长波近红外光谱定量分析模型RMSECV和RMSEP分别为0．10和0．09。     

近红外光谱技术应用于摇头丸中MDMA、MA无损定量分析的研究

提出了用近红外漫反射光谱快速无损测定摇头丸中亚甲二氧基甲基苯丙胺(MDMA)、甲基苯丙胺(MA)含量的新方法。收集含MDMA摇头丸56份和含MA摇头丸58份,采用GC-MS确定其中MDMA和MA质量分数分别为0.64%~53.83%,0.37%~5.81%。在12000~4000 cm-1扫描样品,以交叉验证误差均方根(RMSECV)为指标,通过筛选,对各组分确定了用于建模的最优近红外波段和光谱预处理方法,采用偏最小二乘算法建立了近红外光谱与这2组分GC-MS分析值之间的校正模型,并以此分别预测21个样本。δ代表预测样本NIR值/GC-MS值,MDMA和MA在裸片和塑料包装中δ值的均值为99%、101%、100%、101%,RSD分别为7.33%、20.3%、4.52%、12.3%。该方法可对摇头丸裸片中MDMA和MA进行快速无损分析,结果可靠,为刑事案件中毒品成分的测定提供了一种新的分析手段。     

乙醇混合燃料近红外定量分析

采用近红外光谱(NIR)透射法对乙醇混合燃料各成分进行定量分析；其中乙醇体积分数为84．5％～98．2％，汽油体积分数0～15％；通过偏最小二乘法(PLS)建立模型，乙醇含量NIR模型校正集测定系数(R^2)为0．9969，模型校正集标准差(SEE)和预测集标准差(SEP)分别为0．23和0．38，汽油含量NIR模型校正集测定系数为0．9939，模型校正集标准差和预测集标准差分别为0．38和0．39，对含量较小的干扰物质丙酮预测结果也理想；近红外和多元校正技术可作为乙醇混合燃料中成分含量测定简单、快速方法之一。     

多模型共识偏最小二乘法用于近红外光谱定量分析

将多模型共识偏最小二乘法用于近红外光谱定量分析。利用随机抽取的训练子集建立一系列偏最小二乘模型,选取其中性能较好的部分模型作为成员模型,用这些成员模型来预测未知样品。将该方法用于一组生物样本的近红外光谱与样品中人血清白蛋白、γ-球蛋白以及葡萄糖含量之间的建模研究,并与单模型偏最小二乘法了进行比较。结果 PLS对独立测试集中三种组分进行50次重复预测的平均RMSEP分别为0.1066,0.0853和0.1338,RMSEP的标准偏差分别为0.0174,0.0144和0.0416;而本方法重复预测的平均RMSEP分别为0.0715,0.0750和0.0781,RMSEP的标准偏差分别为0.0033,0.2729×10-4和0.0025。     

Application of Near Infrared Diffuse Reflectance Spectroscopy with Radial Basis Function Neural Network to Determination of Rifampincin Isoniazid and Pyrazinamide Tablets

Partial least squares(PLS),back-propagation neural network(BPNN)and radial basis function neural network(RBFNN)were respectively used for estalishing quantative analysis models with near infrared(NIR)diffuse reflectance spectra for determining the contents of rifampincin(RMP),isoniazid(INH)and pyrazinamide(PZA)in rifampicin isoniazid and pyrazinamide tablets.Savitzky-Golay smoothing,first derivative,second derivative,fast Fourier transform(FFT)and standard normal variate(SNV)transformation methods were applied to pretreating raw NIR diffuse reflectance spectra.The raw and pretreated spectra were divided into several regions,depending on the average spectrum and RSD spectrum.Principal component analysis(PCA)method was used for analyzing the raw and pretreated spectra in different regions in order to reduce the dimensions of input data.The optimum spectral regions and the models' parameters were chosen by comparing the root mean square error of cross-validation(RMSECV)values which were obtained by leave-one-out cross-validation method.The RMSECV values of the RBFNN models for determining the contents of RMP,INH and PZA were 0.00288,0.00226 and 0.00341,respectively.Using these models for predicting the contents of INH,RMP and PZA in prediction set,the RMSEP values were 0.00266,0.00227 and 0.00411,respectively.These results are better than those obtained from PLS models and BPNN models.With additional advantages of fast calculation speed and less dependence on the initial conditions,RBFNN is a suitable tool to model complex systems.     

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.     

测量复方药物溶出度的全自动药物溶出度测定仪

自行设计组装了一套可以同时测定复方药剂的全自动药物溶出度测定仪。该仪器由光学检测系统（由光源、流动型吸收池，小型光谱仪组成）、自动进样系统、控制与数据处理系统和机械搅拌系统4部分组成。光学系统的检测器是线阵电荷耦合器件（CCD），故可进行同时全光谱采集。数据处理部分采用了自行设计的基于径向基函数的人工神经网络进行浓度预测。用本装置对市售复方药剂鲁南贝特进行的溶出度测量表明，测量的精密度高，准确度较高，分析速度快，样品无需前处理。     

ICA方法与NIR技术用于药片中活性成分含量的测定

用独立分量分析(ICA)方法提取药片近红外光谱数据矩阵的独立成分和相应的混合矩阵, 再用BP神经网络对混合矩阵和药片中活性成分的浓度矩阵进行建模, 提出了新的药片活性成分含量测定的基于独立分量分析-神经网络回归(ICA-NNR)的近红外光谱分析方法. 通过分析独立分量数和网络中间隐层的神经元数对模型性能的影响, 分别建立三类药片定量分析的最优模型. 该方法用于实测的三类药片中活性成分含量的测定, 测试样品集的化学检测值与近红外预测值的相关系数分别达到0.962, 0.980及0.979. 结果表明, 基于ICA-NNR的近红外光谱分析方法对制药业的药片进行定量分析是可行的.     

扑热息痛片剂药品的近红外光谱法非破坏定量分析

现代近红外光谱分析技术将近红外光谱 (NIR)法同计算机科学和化学计量学结合 ,实现了对样品进行无损非破坏性定量分析 .该法具有速度快、操作简单及所需样品少等特点 ,能够实现样品分析的时间同步、地点同步及无损非破坏分析 .为实现生产过程中即时、在线的质量控制提供了新的手段[1 ] .本文应用人工神经网络 [2 ]与近红外漫反射光谱相结合对扑热息痛片剂药品进行了非破坏快速定量分析 .用扑热息痛片剂药品的近红外漫反射光谱数据、一阶导数光谱数据及二阶导数光谱数据分别建立了 ANN模型 ,预测未知样品 ,讨论了影响网络的因素 ,使用了新…     

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.     

毛细管电泳径向基神经网络校正法定量分析核苷

采用径向基神经网络算法对一组已知样品的核苷及内标物浓度与毛细管电泳峰面积数据进行回归计算,建立峰面积与核苷浓度之间的关系模型,对未知样品中待测核苷浓度作出预测,形成了毛细管电泳定量分析新方法．将其用于鸟嘌呤核苷含量测定,所建模型预测结果平均相对误差为0．86％,明显低于线性回归及BP神经网络模型的2．60％和1．07％．研究结果表明,本方法简便易用,能有效提高毛细管电泳定量分析的准确度,优于线性回归及BP神经网络法．     

径向基函数网络在近红外人体无创伤血糖浓度检测基础研究中的应用

在近红外无创伤血糖浓度检测的基础研究中，对于多组分的混合物的分析，常因光谱与样品浓度之间呈现非线性响应，使得基于线性模型的校正方法失效。本文讨论了非线性校正方法径向基函数神经网络( RBFN )的有效性，并与线性校正方法中的主成分分析和偏最小二乘法作了对比研究。验证实验所用样品为①葡萄糖水溶液②包含牛血红蛋白和白蛋白的葡萄糖水溶液，结果表明：在①实验中PLS模型和RBFN预测标准偏差分别为8．2、8．9；在②实验中分别为15．6、8．8。可见在样品组分增多时，RBFN算法较线性PLS方法建立的模型预测能力强。