计算机与应用化学
計算機與應用化學
계산궤여응용화학
COMPUTERS AND APPLIED CHEMISTRY
2012年
8期
995-998
,共4页
近红外光谱%西替利嗪片%化学计量学
近紅外光譜%西替利嗪片%化學計量學
근홍외광보%서체리진편%화학계량학
采用近红外光谱法对不同厂家的盐酸西替利嗪片进行鉴别.用固体光纤在不同时间段采集了3个生产厂家的65批盐酸西替利嗪片的近红外漫反射光谱,对光谱数据进行预处理优化,采用基线校正,9点平滑,一阶导数和向量标准化的预处理方法,采用无监督学习算法即聚类分析法进行分类,并且比较了3种不同的聚类分析方法的分类结果;用有监督学习算法即人工神经网络法,运用改进的BP算法——Levenberg-Marquardt方法对46个样本建立校正模型,并且对其余的19个未知样本进行预测.聚类分析法和人工神经网络法都能得到满意的结果,其中经过主成分分析法提取特征变量后的聚类分析结果比直接进行聚类分析和经过核主成分分析法进行特征变量提取后的聚类分析的结果差.结果表明,用主成分分析法提取了前几个主成分不一定包含绝大部分聚类特征和结构,并且运用近红外光谱法与化学计量学结合可作为一种简单、快速、无损、可靠的方法用于鉴别不同厂家的西替利嗪片.
採用近紅外光譜法對不同廠傢的鹽痠西替利嗪片進行鑒彆.用固體光纖在不同時間段採集瞭3箇生產廠傢的65批鹽痠西替利嗪片的近紅外漫反射光譜,對光譜數據進行預處理優化,採用基線校正,9點平滑,一階導數和嚮量標準化的預處理方法,採用無鑑督學習算法即聚類分析法進行分類,併且比較瞭3種不同的聚類分析方法的分類結果;用有鑑督學習算法即人工神經網絡法,運用改進的BP算法——Levenberg-Marquardt方法對46箇樣本建立校正模型,併且對其餘的19箇未知樣本進行預測.聚類分析法和人工神經網絡法都能得到滿意的結果,其中經過主成分分析法提取特徵變量後的聚類分析結果比直接進行聚類分析和經過覈主成分分析法進行特徵變量提取後的聚類分析的結果差.結果錶明,用主成分分析法提取瞭前幾箇主成分不一定包含絕大部分聚類特徵和結構,併且運用近紅外光譜法與化學計量學結閤可作為一種簡單、快速、無損、可靠的方法用于鑒彆不同廠傢的西替利嗪片.
채용근홍외광보법대불동엄가적염산서체리진편진행감별.용고체광섬재불동시간단채집료3개생산엄가적65비염산서체리진편적근홍외만반사광보,대광보수거진행예처리우화,채용기선교정,9점평활,일계도수화향량표준화적예처리방법,채용무감독학습산법즉취류분석법진행분류,병차비교료3충불동적취류분석방법적분류결과;용유감독학습산법즉인공신경망락법,운용개진적BP산법——Levenberg-Marquardt방법대46개양본건립교정모형,병차대기여적19개미지양본진행예측.취류분석법화인공신경망락법도능득도만의적결과,기중경과주성분분석법제취특정변량후적취류분석결과비직접진행취류분석화경과핵주성분분석법진행특정변량제취후적취류분석적결과차.결과표명,용주성분분석법제취료전궤개주성분불일정포함절대부분취류특정화결구,병차운용근홍외광보법여화학계량학결합가작위일충간단、쾌속、무손、가고적방법용우감별불동엄가적서체리진편.