化学计量学方法在大黄NIR光谱解析和室温磷光分析中的应用研究

摘要

大黄是闻名世界的我国特产药材，具有泻下、抗菌、利胆、保肝、止血活血等的功效。为确保非正品大黄不被混入商品和准确测定大黄中主要活性成分的含量，建立大黄的质量控制标准是一项非常紧迫的需要。传统的中药鉴别方法主要有经验鉴别、显微鉴别和理化鉴别。这些方法或需要鉴别者具有相当的经验，或操作比较复杂，不符合中药现代化的要求。有些方法则要对药材进行分离提取，耗时耗试剂难以普遍推广，也不适合中药的快速鉴定。因此当前迫切需要发展一种快速、高效、准确的新型分析检测技术。近红外技术快速、无损，适合中药材的质量控制，但近红外光谱(NIR)分析是一种间接测量技术，需要借助各种化学计量学方法进行分析。 本文研究化学计量学方法在大黄NIR光谱解析和室温磷光分析中的应用。将主成分分析、自模型混合物分辨方法等多元统计方法，以及RBF神经网络、岭回归RBF神经网络和支持向量机等技术应用于近红外和磷光光谱的分析中，力图将传统的分析方法与新的技术相结合，建立校正模型，实现对中药与多环芳烃和多氮联苯等有机物复杂体系的分析。具体研究结果如下： (一)从定性和定量两个方面对大黄的近红外光谱进行研究在定性方面，应用主成分分析(PCA)对大黄样本近红外光谱进行了分析，考察了pc1和pc3的得分图，为近红外光谱的进一步分析提供可靠的科学依据。研究了RBF神经网络和岭回归RBF神经网络对大黄近红外光谱的鉴别，对原始数据进行了平滑、求导和压缩处理，以达到消除斜坡背景和减少变量的目的。采用Leave-one-out和Leave-n-out两种交叉验证方法进行模型验证和预测，对参数进行了详细的讨论，正品与非正品大黄的鉴别结果令人满意。研究了支持向量机(SVM)中4种不同的核函数对大黄样本近红外谱图的正品和非正品鉴别。鉴别正确率均可达98.1％。讨论了影响4个核函数预算的各个参数，表明多形式核函数更适合于大黄样本的鉴定。可见化学计量学方法结合近红外光谱技术是中药材质量控制的一种快速、无损的分析方法。 在定量方面，采用主成分分析和支持向量机回归(SVR)对大黄四个活性成分的含量进行了预测。主成分分析与支持向量机结合预测大黄活性成分含量的结果明显优于主成分与RBF神经网络结合的结果，虽不及高效液相色谱测量的准确度高，但近红外光谱法快速、无损适合大黄的质量控制。而且我们确信如果有更多大黄样本的话，预测精度一定会提高。 (二)自模型混合物分辨方法对室温磷光光谱的分析采用自模型混合物分辨方法对多环芳烃和氮类杂环物质混合物的室温磷光光谱进行了分析，初步考察了化学计量学方法对磷光混合物SS-RTP的处理效果，也表明了化学计量学方法在混合物定性、定量分析的可行性。化学计量学方法拓展到了新领域。

目录

文摘

英文文摘

首都师范大学学位论文原创性声明及授权使用声明

第一章绪论

第二章大黄近红外光谱的主成分分析

第三章RBF神经网络与近红外光谱鉴别大黄

第四章岭回归RBF神经网络与近红外光谱鉴别大黄

第五章支持向量机与近红外光谱法鉴定大黄

第六章主成分分析—支持向量机应用于近红外光谱预测大黄组分含量的研究

第七章自模型混合物分辨方法对多环芳烃和氮类杂环物质混合物的室温磷光光谱分析

附录：攻读硕士期间论文发表情况

致谢