一种通过水光谱探究木犀草素浓度测定的新方法

采集了一定含水量、不同浓度的木犀草素溶液的近红外光谱,借助于多元分析方法研究了其谱峰变化,建立了一种基于不同浓度木犀草素对水光谱的扰动情况进行木犀草素检测的模型。通过比较不同光谱预处理方法,最终确定采用标准正态变换（SNV）法进行光谱预处理,并以偏最小二乘（PLS）法建立木犀草素的定量预测模型。结果显示,经Kennard-Stone(KS)筛选的模型相关系数R为0.994 7,交叉验证均方根误差（RMSECV）为1.947 8,预测残差（RPD）为4.292 7,说明模型稳健,误差小;预测集样品的预测均方根误差（RMSEP）为2.077 7,回收率为98.0%～105%。结果表明,基于木犀草素对水的近红外光谱的扰动可以进行木犀草素浓度测定。该方法简便、快速,结果准确,为生物活性成分的测定提供了一种新的方法。     

ZIF-8吸附材料对雪菊中木犀草苷的富集及在微型近红外光谱分析中的应用EI北大核心CSCD

制备了SiO;@ZIF-8吸附剂并用于吸附雪菊中微量的木犀草苷,建立了基于特征变量筛选的微型近红外光谱分析方法。以木犀草苷为对象,研究了吸附剂的质量、pH、振荡时间对吸附效果的影响;在最佳条件下对富集了木犀草苷的吸附剂直接进行检测,探讨分别采用竞争自适应加权采样算法(CARS)、蒙特卡罗-无信息变量消除法(MC-UVE)和随机青蛙算法(RT)进行变量筛选,并用偏最小二乘法建立定量校正模型。研究发现,当吸附剂质量为0.20 g, pH 7时振荡20 min,木犀草苷吸附率可达到92%;经3种变量筛选后最优模型为CARS,CWT方法光谱预处理后,木犀草苷校正模型参考浓度和预测浓度两者之间的相关系数达到最佳的0.9700,预测回收率在85%~120%。SiO_(2)@ZIF-8吸附剂可以有效的富集雪菊中的木犀草苷,在CARS变量筛选下,通过微型近红外光谱可以实现雪菊中微量木犀草苷的测定。     

离子液体吸附剂对木犀草素的富集及CARS变量筛选的近红外光谱分析方法

该文以咪唑型离子液体作为原料制备吸附剂富集稀溶液中的木犀草素,利用竞争性自适应权重(CARS)变量筛选的方法建立了一种快速测定木犀草素的近红外光谱分析方法。考察了吸附剂用量、pH值、振荡时间对吸附效果的影响,并探究了吸附剂的吸附能力;富集木犀草素的吸附剂经近红外漫反射光谱检测,采用CARS变量筛选的方法结合偏最小二乘回归(PLS)建立了木犀草素的定量校正模型。结果表明,吸附剂用量为0.15 g、pH值为7、振荡时间为20 min的最佳条件下,吸附率达90.9%,且该吸附符合Langmuir等温吸附模型,最大吸附量为7.1 mg/g。近红外光谱建模中,与未经CARS变量筛选处理作为对照,对比发现经CARS变量筛选的方法结果更优,并采用连续小波变换(CWT)的光谱预处理进行验证,结果表明经CWT处理后,预测残差(RPD)值增大,说明了模型的可靠性。该方法可有效富集稀溶液中的木犀草素,采用CARS变量筛选结合CWT光谱预处理的近红外光谱方法可实现对稀溶液中木犀草素的灵敏、快捷检测。