近红外光谱技术用于茶碱浓度检测建模初步研究

摘要

近红外光谱分析技术是一种快速、高效、无损的分析技术，它在药物分析领域中的应用范围相当广泛，它不仅适用于药物的多种不同状态如原料、完整的片剂、胶囊与液体等制剂，还可以用于不同类型的药品，如蛋白质、中草药、抗生素等药物的分析。 论文首先详细介绍了近红外光谱的产生和光谱特性，以及近红外光谱技术的理论基础；概括出近红外光谱分析的特点和流程；总结了近红外光谱分析技术的发展。在此基础上，论文提出了茶碱药物浓度预测建模的实验方案，用IRPresfige-21型傅里叶变换红外光谱仪对浓度范围在30-100μg/ml范围内的样本作全谱范围内透射扫描，得到样本的吸光度曲线图，以此吸光度数据作为建立浓度校正模型的基础。论文用BP人工神经网络方法建立校正模型，为了避免使用BP网络建立ANN模型时产生过拟合现象的缺点，论文引入逼近度来检测过拟合及优选模型设计参数。通过计算得出输入节点数、隐含层节点数、动量项、学习速率、学习次数的最优值，以此建立BP网络模型。模型校验结果为预测值与真值之间的相关系数为0.998989，建模样本集的标准误差为0.85，预测样本集的标准误差为1.08。论文研究了对光谱进行一阶导数预处理对BP网络模型的影响，初步实验结果表明，一阶导数预处理很好的消除了光谱中的噪声，提高了BP网络模型预测未知样本浓度的准确性。论文将用常规化学计量学方法包括多元线性回归、主成分回归和偏最小二乘回归建立的校正模型与BP网络模型进行比较，证明了BP网络模型在处理非线性问题上的优越性。论文最后总结了不足之处：实验选用CCl<,4>为背景，以茶碱纯品配置样本，降低了噪声对光谱的影响。但如果被测样本中含有其它的杂质或干扰因素，则样本的复杂性增加，需要重新建立校正模型。论文中将样本的浓度范围选择在30-100μg/ml内，因为仪器本身和光谱预处理技术的影响，当样本浓度在30μg/ml以下，所测量出的光谱图几乎没有变化，即提取不出特征信号用于建模。茶碱微溶于CCl<,4>，配置好的样本实际为均匀悬浊液，对近红外光有散射作用。从文献中可以看到这种样本更适合使用漫反射技术。由于受到仪器的限制，无法测量样本的漫反射光谱，这可作为下一步研究的重要内容。由于各仪器型号、数据格式、数据点数量、光谱分辨率等参数对光谱的采集有所影响，论文应用岛津IRPrestige-21型傅里叶变换红外光谱仪所采集的光谱数据建立的定量分析模型在别的型号仪器所采集的光谱数据是否可用尚未考察。这涉及近红外光谱技术中的模型传递问题，如何建立通用、可靠的定量校正模型有待进一步研究。利用光纤探头和便携式近红外光谱，对测量方法稍加改进，该方法在药物生产的原位检查和在线质量控制方面就会有很大的发展前景。论文应用BP人工神经网络．近红外光谱分析技术对茶碱样本浓度进行了定量分析，该方法完全可以扩展到其它药物中进行定量分析和质量控制。最终可望建立起药物近红外光谱谱图及分析库。

目录

文摘

英文文摘

声明

1绪论

1.1研究的背景和意义

1.2近红外光谱技术常用的建模方法

1.2.1多元线性回归

1.2.2主成分回归

1.2.3偏最小二乘回归

1.3论文研究的内容

2近红外光谱分析原理

2.1近红外光谱的产生和光谱特性

2.1.1近红外光谱的信息源

2.1.2近红外光谱的化学信息基础及特征

2.2近红外光谱技术的理论基础

2.2.1近红外透射光谱技术

2.2.2近红外反射光谱技术

2.3近红外光谱技术的特点和分析流程

2.4近红外光谱技术的发展

3人工神经网络理论及其应用

3.1人工神经网络的原理

3.1.1人工神经网络的特点

3.1.2神经元模型

3.2人工神经网络的应用

4 BP人工神经网络用于茶碱浓度分析

4.1 BP网络的原理与算法

4.1.1 BP网络结构

4.1.2 BP网络学习步骤

4.1.3 BP网络学习特点

4.2实验部分

4.2.1实验设计及样本制备

4.2.2实验仪器及测试条件

4.2.3模型的校验方法

4.3用BP网络建立校正模型

4.3.1逼近度的使用

4.3.2输入层与输出层的设计

4.3.3隐含层的设计

4.3.4动量项与学习系数的选择

4.3.5网络学习次数的设计

4.4模型的校验

4.5一阶导数光谱对BP网络模型的影响

4.5.1一阶导数光谱

4.5.2 BP网络的设计

4.5.3模型的检验

5 BP网络模型与常规计量学模型的比较

5.1多元线性回归建立校正模型

5.1.1多元线性回归的原理

5.1.2模型的校验

5.1.3小结

5.2主成分回归建立校正模型

5.2.1主成分回归的原理

5.2.2模型校验

5.2.3 小结

5.3偏最小二乘回归建立校正模型

5.3.1偏最小二乘回归的原理

5.3.2模型校验

5.3.3小结

5.4 BP网络模型与常规计量学模型的比较

6总结

6.1论文所做的工作

6.2论文不足之处及展望

致 谢

参考文献

附 录