基于波长优选的小柴胡颗粒黄芩苷近红外校正模型建立

摘要：

目的:为提高小柴胡颗粒中黄芩苷近红外校正模型的准确性和预测精度.方法:基于模型的校正均方根误差(RMSEC)、预测均方根误差(RMSEP)、预测平均相对误差(PMRE)和模型对预测集的解释能力(Q2)参数,对比评价竞争自适应重加权法(CARS),蒙特卡洛-无信息变量消除法(MC-UVE),遗传算法(GA),子窗口重排(SPA)算法筛选和全波长变量,采用模群集群分析(MPA)+偏最小二乘法(PLS)方法的建模效果.结果:校正模型准确性和预测精度:CARS＞ MC-UVE＞ GA＞全波长变量＞ SPA;CARS算法所建立校正模型预测均方根误差为1.700 4,决定系数R2为0.908 7,在α=0.05水平经配对t检验,50个外部验证样品实测值与预测值间无显著差异.结论:CARS算法筛选波长变量有效简化模型,提高模型预测的准确性和精度,适于小柴胡颗粒中黄芩苷含量的快速、无损检测.

关键词：小柴胡颗粒、黄芩苷、近红外技术、波长筛选、校正模型

所属期刊栏目：22

分类号：R284.1(中药学)

资助基金：云南白药集团自立科技项目ZZ-2014-0076

在线出版日期：2016-10-18（万方平台首次上网日期，不代表论文的发表时间）

页码：72-77