近红外光谱技术结合竞争自适应重加权采样算法用于中药定量分析

摘要：

目的:基质复杂、谱带重叠严重,影响了中药近红外定量模型的准确性.为解决以上问题,探讨竞争自适应重加权采样(Competitive adaptive reweighted sampling,CARS)变量筛选方法在中药材、中药提取物和中成药的定量分析中的应用.方法:采集葛根药材、葛根提取物和愈风宁心滴丸的近红外漫反射光谱,测定葛根素含量.分别优化光谱前处理方式,剔除奇异样本后,运用CARS法筛选出的相关变量,建立偏最小二乘法(PLS)校正模型.结果:原料、中间体和制剂的定量模型交互验证均方差(RMSECV)分别为0.35％,1.76％,0.54％,与基于全光谱建立的模型比较,原料、中间体和制剂的CARS-PLS模型的预测准确度均有提高.结论:竞争自适应重加权采样变量筛选方法可以提高模型的预测能力,并有效简化运算过程,为中药的快速、无损检测提供了新的思路.

关键词：近红外光谱、愈风宁心滴丸、葛根提取物、葛根、定量分析、竞争自适应重加权采样

所属期刊栏目：23

分类号：R284.1(中药学)

资助基金：国家自然科学基金;国家高技术产业发展项目

在线出版日期：2017-05-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：45-49