基于波长优选的小柴胡颗粒黄芩苷近红外校正模型建立

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:CARSMC-UVEGA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。     

基于近红外光谱的EPO-PLS测定小柴胡颗粒水分

目的:提高近红外光谱法测定小柴胡颗粒水分的准确性和稳定性，提升该测定方法的推广应用价值。方法:以水分含量为1.70%、1.80%、1.90%、2.00%、2.10%、2.20%、2.30%、2.40%、2.50%、2.60%和2.69%的小柴胡颗粒近红外光谱矩阵作为EPO重构矩阵，对420个小柴胡颗粒近红外光谱中9 000～4 000 cm^-1波段和水分特征光谱波段(4 980～5 140 cm^-1/6 900～7 010 cm^-1)吸收度进行重构，综合多项模型评价指标(模型决定系数R²、校正均方根误差RMSEC、交互验证均方根误差RMSECV;60个外部验样品预测标准误差SEP、模型预测值和实测值间配对t检验结果),对比重构前后PLS的建模效果，并对该方法的精密度进行考察。结果:EPO重构可显著提升模型的稳定性和准确性，EPO+9 000～4 000 cm^-1波段建模效果最好，模型预测范围为1.68%～2.69%,最优主成分数为8,模型的决定系数R²为0...