1、该文档不包含其他附件(如表格、图纸)，本站只保证下载后内容跟在线阅读一样，不确保内容完整性，请务必认真阅读。
2、有的文档阅读时显示本站（www.woc88.com）水印的，下载后是没有本站水印的（仅在线阅读显示），请放心下载。
3、除PDF格式下载后需转换成word才能编辑，其他下载后均可以随意编辑、修改、打印。
4、有的标题标有”最新”、多篇，实质内容并不相符，下载内容以在线阅读为准，请认真阅读全文再下载。
5、该文档为会员上传，下载所得收益全部归上传者所有，若您对文档版权有异议，可联系客服认领，既往收入全部归您。
，得到不同预处理方法的定量模型与原始光谱比较结果见表。
从表中可以看出，在提取液中甘草苷定量校正模型中，点平滑点平滑阶导数和预处理后，定量模型均较原始光谱模型性能有所提升，其中预处理方法，对模型性能参数提升幅度最大，光谱图如图所示，预测集决定系数为，误差均方根为，选用作为甘草苷定量校正模型的预处理方法在提取液中甘草酸定量校正模型中，除方法会对模型造成负面影响基于拉曼光谱实时监测甘草配方颗粒的提取过程中药治疗论文续进样针，分别计算甘草苷和甘草酸色谱峰保留时间和峰面积的值来考察日间精密度。
甘草提取液中甘草苷和甘草酸保留时间和峰面积的值分别为和和。
重复性考察平行制备份供试品溶液，连续进样分析，计算甘草苷和甘草酸的值来考察重复性。
甘草苷和甘草酸质量分数值为和。
该方法的精密度及重复性均良好。
光谱的预处理中药提取液成分复杂，分析物的光谱信息会出现相互重叠和掩盖现象，光谱采集过程中存在因仪器或环境而引入的噪声，且存在荧光背景和基线漂移现象。
需要使用光谱预处理方法，提取有用信息，去除仪器噪声，减少荧光背景干扰。
本研究中通过比较经值来考察供试品溶液的稳定性。
甘草苷和甘草酸峰面积的为和，表明供试品溶液在内稳定性良好。
加样回收率考察精密移取已测定甘草苷和甘草酸质量浓度提取液，分别精密加入质量浓度为的甘草苷对照品溶液，质量浓度为定容至，平行配制份，摇匀，取以离心，过微孔有机滤膜，即得供试品溶液。
测定供试品溶液中甘草苷和甘草酸色谱峰面积，计算供试品溶液中甘草苷和甘草酸的质量浓度，再计算加样回收率。
甘草苷的平均加样回收率为，为甘草酸的平均加样回收率为，为。
表明该方法可用于甘草水提取液中甘草苷和甘草酸的含量测定。
拉曼光过程的质量控制中具有制样简易准备迅速非破坏和绿色环保等优点，可利于稳定和提高中药产品质量，从而促进中药生产的自动化进程，推动中药生产迈进智能化时代，。
本研究针对甘草配方颗粒提取过程中甘草苷和甘草酸含量变化，利用便携式拉曼光谱仪测样方便检测时间短等特点，通过建立甘草苷和甘草酸定量校正模型，实现对提取过程中实时监测。
通过比较种预处理方法和种变量筛选方法，分别建立了提取过程中甘草苷和甘草酸含量预测模型。
各项评价指标表明，所建立的甘草苷和甘草酸定量模型可以剔除干扰样本，有效地筛选出相关变量，预测效果较好，应用于实际甘草配方颗粒提取生产过程中，筛选后建立的甘草苷和甘草酸定量模型具有全局最优性能，如图和图分别为该模型甘草苷和甘草酸含量预测值与参考真实值的散点图，甘草苷和甘草酸含量液相参考值与拉曼光谱的预测值相关性较高，甘草苷和甘草酸模型分别为和，分别为和，所对应的模型性能较高。
甘草苷和甘草酸含量实时监测将已训练校正好的甘草苷模型和甘草酸模型分别输出，利用便携式拉曼光谱仪按照项中方法对新的批次甘草提取过程进行实时监测，每批次甘草可采集得到个样本，批次共可采集得到个样本。
图为甘草提取过程中甘草苷，和贝叶斯岭回归，分别建立甘草水提取液样品的甘草苷和甘草酸拉曼光谱定量模型。
定量校正模型验证指标包括交叉验证集决定系数，和作为模型优化的参考指标，和作为模型性能的评价指标。
其中越接近，越小，表明所对应模型性能更好。
采用多种特征波段筛选方法所建立的和的甘草苷和甘草酸定量校正模型性能参数如表所示。
从表中可以看出全光谱变量模型水平，通过筛选建立的甘草苷和甘草酸模型均为各模型中最佳结果。
种不同定量模型之间比较发现，除模型外，和建立的模型均能取得不错的效果，其中在不同筛选条件下能够得到最优结果。
仪器与材料仪器型超高效液相色谱仪，美国公司型万分析天平，德国公司型数控超声波清洗器，巩义市予华仪器有限公司型便携式拉曼光谱仪，美国公司。
材料甘草饮片建模集个批次和外部验证集个批次均在安徽。
在甘草苷校正模型中通过算法，将全谱分为个子区间，联合其中个子区间当主成分数为时模型性能最佳，为，此时选择波长数为。
定量模型的建立采用多层感知机，和贝叶斯岭回归，分别建立甘草水提取液样品的甘草苷和甘草酸拉曼光谱定量模型。
定量校正模型验证指标包括交叉验证集决定系数，和作为模型优化的参考指标，量变化，利用便携式拉曼光谱仪测样方便检测时间短等特点，通过建立甘草苷和甘草酸定量校正模型，实现对提取过程中实时监测。
通过比较种预处理方法和种变量筛选方法，分别建立了提取过程中甘草苷和甘草酸含量预测模型。
各项评价指标表明，所建立的甘草苷和甘草酸定量模型可以剔除干扰样本，有效地筛选出相关变量，预测效果较好，应用于实际甘草配方颗粒提取生产过程中，能准确监控提取过程甘草苷和甘草酸含量变化规律，指导提取终点判定，为工业化实时检测方法的开发提供技术保障。
在后续研究中，可通过不断扩充校正集样本数量，优化拉曼光谱采集过程和模型构建过程，进步提高模型的基于拉曼光谱实时监测甘草配方颗粒的提取过程中药治疗论文，通过特征波段的筛选能够在确保模型性能的基础上，大幅减少对拉曼光谱变量的使用，筛选变量后基本可以达到甚至超过全光谱变量所构建模型的性能。
这表明利用特征波段提取方法能够排除冗余信息，找到与指标成分密切相关的光谱变量，从而大幅减少计算量，显著提升模型运行速度。
其中，通过筛选的甘草苷和甘草酸模型分别只需要个和个光谱变量即可达到全光谱变量模型水平，通过筛选建立的甘草苷和甘草酸模型均为各模型中最佳结果。
种不同定量模型之间比较发现，除模型外，和建立的模型均能取得不错的效果，其中在不同筛选条件下能够得到最优结波长进样量。
色谱图见图。
法算法是将整个频谱平均分为个间隔，并对子间隔组合计算所有可能的模型。
选择具有最低值的子间隔组合作为最佳变量。
在甘草酸校正模型中通过如图所示，将全谱分为个子区间，联合其中个子区间当主成分数为时模型性能最佳，为，此时选择波长数为。
在甘草苷校正模型中通过算法，将全谱分为个子区间，联合其中个子区间当主成分数为时模型性能最佳，为，此时选择波长数为。
定量模型的建立采用多层感知机甘草苷和甘草酸模型分别为和，分别为和，所对应的模型性能较高。
甘草苷和甘草酸含量实时监测将已训练校正好的甘草苷模型和甘草酸模型分别输出，利用便携式拉曼光谱仪按照项中方法对新的批次甘草提取过程进行实时监测，每批次甘草可采集得到个样本，批次共可采集得到个样本。
图为甘草提取过程中甘草苷模型拉曼光谱预测值与实测值的趋势对比图，图为甘草酸模型拉曼光谱预测值与实测值的趋势对比图。
由图可知，在批甘草提取实时监测过程中，拉曼光谱甘草苷和甘草酸预测值与实测值结果能够很好地重亳州药材市场购买，产地为新疆。
经浙江工业大学药学院张慧副教授鉴定为豆科植物甘草。
对照品甘草苷批号，质量分数为甘草酸批号，质量分数为，中国食品药品检定研究院无水乙醇，分析纯，上海凌峰化学试剂有限公司磷酸，分析纯，上海凌峰化学试剂有限公司色谱甲醇批号色谱乙腈批号，美国公司纯净水，杭州娃哈哈集团有限公司。
方法与结果甘草苷和甘草酸含量测定色谱条件色谱柱为柱柱温流动相为乙腈磷酸水溶液，梯度洗脱，乙腈，乙腈，乙腈，乙腈体积流量检测和作为模型性能的评价指标。
其中越接近，越小，表明所对应模型性能更好。
采用多种特征波段筛选方法所建立的和的甘草苷和甘草酸定量校正模型性能参数如表所示。
从表中可以看出，通过特征波段的筛选能够在确保模型性能的基础上，大幅减少对拉曼光谱变量的使用，筛选变量后基本可以达到甚至超过全光谱变量所构建模型的性能。
这表明利用特征波段提取方法能够排除冗余信息，找到与指标成分密切相关的光谱变量，从而大幅减少计算量，显著提升模型运行速度。
其中，通过筛选的甘草苷和甘草酸模型分别只需要个和个光谱变量即可达预测性能。
同时工业上应用拉曼光谱过程中，荧光现象对拉曼光谱的背景干扰和基线漂移现象仍值得深入的研究。
参考文献徐玉玲，雷燕莉，曾立，等中药配方颗粒品种统标准的有关问题探讨中草药，杨越基于近红外光谱技术的中药生产过程质量控制方法研究杭州浙江大学，。
法算法是将整个频谱平均分为个间隔，并对子间隔组合计算所有可能的模型。
选择具有最低值的子间隔组合作为最佳变量。
在甘草酸校正模型中通过如图所示，将全谱分为个子区间，联合其中个子区间当主成分数为时模型性能最佳，为，此时选择波长数为在起，甘草苷模型为，甘草酸模型为。
上述结果显示，所建立的模型能够很好地运用到实时监测甘草提取过程中甘草苷和甘草酸含量。
数据处理本研究使用的光谱采集处理工具为美国公司软件，采用进行光谱预处理和定量模型的构建等数据处理分析操作，采用软件进行特征波段的筛选操作。
讨论拉曼光谱应用在中药产品生产过程的质量控制中具有制样简易准备迅速非破坏和绿色环保等优点，可利于稳定和提高中药产品质量，从而促进中药生产的自动化进程，推动中药生产迈进智能化时代，。
本研究针对甘草配方颗粒提取过程中甘草苷和甘草酸含基于拉曼光谱实时监测甘草配方颗粒的提取过程中药治疗论文曼光谱采集提取过程在中试提取装臵中进行，模拟甘草配方颗粒生产的提取过程。
依据中药饮片标准汤剂和中药配方颗粒质量控制与标准制定技术要求确定甘草
基于拉曼光谱实时监测甘草配方颗粒的提取过程（中药治疗论文）
