近红外光谱分析技术在药物成分测定中的应用

摘要

该研究以甲硝唑的主要成分硝基羟乙唑为检测指标开展近红外光谱分析技术在药品成分检测中的应用研究,并建立了近红外光谱与主要成分含量之间的几种数学建模方法.该研究共配置甲硝唑样品72个,其中含定标集48个样品和24个预测集样品.对72个样品进行近红外光谱检测和化学值计算,对定标集48个样品的原始吸收光谱、一阶导数光谱和二阶导数光谱运用逐步回归分析法.结果表明几种方法建立的定标方程预测结果都较好,偏最小二乘回归法结果好于逐步回归,神经网络法的结果又好于前两种.研究还对影响定标方程建立的各种因素进行了分析.通过以上研究对近红外光谱用于药品主要成分的检测提供了可行的几种建立预测数学模型可行的方法,为实际应用提供了借鉴.

目录

文摘

英文文摘

授权书

声明

第一章绪论

1.1药品分析现状及药品的质量控制的重要性

1.2近红外光谱分析技术的简介

1.2.1近红外光谱技术的发展历程

1.2.2近红外光谱技术的应用

1.2.3近红外光谱分析技术的特点

1.2.4近红外光谱仪器及其发展

1.3本课题研究的目的，内容及意义

第二章近红外光谱分析的基本原理

2.1分子振动与近红外光谱

2.1.1吸收光谱的来源

2.1.2分子振动与能级

2.1.3近红外光谱

2.2近红外光谱吸收分析技术

2.2.1近红外透射光谱技术

2.2.2近红外漫反射光谱分析技术

2.2.3NIR光谱分析中的化学计量学方法

2.2.4近红外光谱定量分析的一般步骤

第三章实验参数选择及光谱采集

3.1实验仪器工作参数的确定

3.1.1实验仪器

3.1.2仪器工作参数的确定

3.2样品光谱数据的采集

3.3装样要求

第四章线性多元回归建模

4.1逐步回归建模

4.1.1逐步回归原理简介

4.1.2逐步回归结果分析

4.2偏最小二乘回归

4.2.1偏最小二乘回归简介

4.2.2偏最小二乘回归中主成分数的确定

4.2.3偏最小二乘回归在甲硝唑近红外光谱分析中的应用

第五章基于人工神经网络的近红外光谱分析

5.1人工神经网络的概述

5.2BP神经网络

5.3BP人工神经网络在光谱分析中的应用

5.3.1ANN的数据输入及参数确定

5.3.2人工神经网络的结果分析

第六章结论

致谢

参考文献

附录