基于NIR、MIR光谱和化学计量学的松花粉、大黄质量控制

摘要

大黄是我国著名的特产药材，用药历史悠久，从古至今一直是临床最常用药物之一，以泻下、健胃而著称于世。药典收载的正品大黄为掌叶大黄、唐古特大黄和药用大黄。除正品大黄外，大黄属的其他种在不同地区及民间也做药用，但药效不同，泻下作用差，且有的可引起腹痛，为了确保正品大黄临床用药的安全有效，对大黄药材进行质量控制至关重要。 本文第二章将多层感知器神经网络与近红外光谱法相结合对正品和非正品大黄进行了鉴别分析，多层感知器神经网络分别采用了BP算法、DBD算法和QP算法。为了验证神经网络建立的分类模型，本文采用交叉验证方法。预测结果的判定阈值设为0.8和0.2，对三种不同的神经网络算法在大黄鉴别分析中的应用进行了比较研究。 本文第三章将多层感知器神经网络与近红外光谱法相结合对大黄有效成分蒽醌及其单糖甙类、水溶性蒽甙类、芪甙类和鞣质及其有关化合物的含量进行了快速检测。多层感知器神经网络分别采用了BP算法、DBD算法和QP算法，以交叉验证均方根误差RMS为指标选择最佳的网络参数，建立了大黄中四种化学成分的最优的近红外光谱BP、QP和DBD神经网络模型。 本文建立了利用傅里叶变换红外光谱法(FTIR)、扫描电镜(SEM)和X射线能谱对四种松花粉和破壁马尾松花粉中的主要营养成分和常见微量元素进行定性定量分析的方法。

目录

文摘

英文文摘

第一章前言

1.1中药质量控制的重要性

1.2中药质量控制方法

1.2.1鉴别

1.2.2检查

1.2.3浸出物测定

1.2.4含量测定

1.3松花粉简介

1.4大黄属植物化学成分及其活性研究概况

1.4.1大黄简介

1.4.2大黄中的主要化学成分

1.4.3化学成分研究概况

1.5近红外光谱技术

1.5.1近红外光谱分析的特点

1.5.2近红外定量分析技术

1.5.3近红外定性分析技术

1.5.4近红外光谱技术在中药鉴别及分析中的应用

1.6人工神经网络

1.6.1人工神经网络的研究历史

1.6.2人工神经网络基础

1.6.3人工神经网络在分析化学中的应用

1.7研究意义与前景展望

参考文献

第二章多层感知器神经网络用于大黄分类的比较研究

2.1前言

2.2人工神经网络

2.2.1多层感知器神经网络

2.2.2学习算法

2.3实验部分

2.3.1仪器与样品

2.3.2数据采集和处理

2.4结果和讨论

2.4.1大黄的近红外漫反射光谱

2.4.2网络主要参数

2.4.3网络学习次数的选择

2.4.4分类结果

2.5结论

参考文献

第三章人工神经网络-近红外光谱用于大黄中主要成分的含量测定

3.1引言

3.2人工神经网络

3.2.1多层感知器神经网络

3.2.2学习算法

3.3实验部分

3.3.1仪器与样品

3.3.2数据采集和处理

3.3.3建模方法

3.4结果和讨论

3.4.1样本的分布

3.4.2网络所用参数

3.4.3网络训练次数的选择

3.4.4隐含层节点数的影响

3.4.5最优模型的交叉验证和预测结果

3.5结论

参考文献

第四章松花粉的红外光谱、扫描电镜和X射线能谱仪分析

4.1前言

4.2实验部分

4.2.1实验仪器

4.2.2样品来源与制备

4.3结果与讨论

4.3.1松花粉的红外光谱分析

4.3.2扫描电镜分析

4.3.3 X射线能谱仪分析

4.4结论

参考文献

攻读硕士学位期间发表及待发表的论文

致谢