近红外光谱技术结合粒子群最小二乘支持向量机算法在山茱萸药材质量控制中的应用研究

摘要：

本文结合近红外光谱(NIR)定量分析技术以及粒子群最小二乘支持向量机(PSO-LS-SVM)方法,发展了一种方便、快速的用于山茱萸药材的多指标质量控制方法.实验以水分、浸出物、马钱苷、莫诺苷为质控指标,利用粒子群算法对最小二乘支持向量机算法进行参数优化,并建立定量校正模型,发现模型中各个指标校正和预测性能都优于偏最小二乘回归(PLSR)和神经网络(BP-ANN),其中校正集相关系数均大于0.942.对于未知样本的预测,PSO-LS-SVM模型的RMSEP和RSEP值分别小于1.176和15.5％,较其余两个模型更低.本文建立的PSO-LS-SVM模型具有模型性能好、预测精度高的优点.近红外光谱技术结合化学计量学方法在山茱萸药材质量控制中具有潜在的应用价值.

关键词：近红外光谱、山茱萸、粒子群优化、最小二乘支持向量机、HPLC

所属期刊栏目：50

分类号：R917(药物基础科学)

资助基金：现代中药创新集群与数字制药技术平台项目;长沙市科技计划重点项目;长沙市科技计划重点项目;长沙市科技计划重点项目

在线出版日期：2015-12-30（万方平台首次上网日期，不代表论文的发表时间）

页码：1645-1651