分析测试学报
分析測試學報
분석측시학보
JOURNAL OF INSTRUMENTAL ANALYSIS
2014年
5期
506-511
,共6页
紫苏叶%高效液相色谱%指纹图谱%化学计量学%产地区分
紫囌葉%高效液相色譜%指紋圖譜%化學計量學%產地區分
자소협%고효액상색보%지문도보%화학계량학%산지구분
Perilla frutescens (L.) Britt.%HPLC%fingerprints%chemometrics%discrimination
利用高效液相色谱全轮廓指纹图谱结合化学计量学方法对不同栽培地区的紫苏叶样品(共84个)进行区分.全轮廓色谱数据经自适应迭代加权最小二乘法(airPLS)和相关优化翘曲法(COW)校正后,基线和保留时间漂移现象均得到明显改善.经预处理后的色谱数据采用主成分分析(PCA)进行解析,结果表明不同来源的样品能按其特性各自聚为一类;而分段间隔压缩变量后的色谱数据经主成分分析处理可得到与全轮廓色谱数据为输入变量时相一致的结果.此外,偏最小二乘判别分析(PLS-DA)对于紫苏叶样品分类的识别能力和预报能力分别为92.8%和89.6%.
利用高效液相色譜全輪廓指紋圖譜結閤化學計量學方法對不同栽培地區的紫囌葉樣品(共84箇)進行區分.全輪廓色譜數據經自適應迭代加權最小二乘法(airPLS)和相關優化翹麯法(COW)校正後,基線和保留時間漂移現象均得到明顯改善.經預處理後的色譜數據採用主成分分析(PCA)進行解析,結果錶明不同來源的樣品能按其特性各自聚為一類;而分段間隔壓縮變量後的色譜數據經主成分分析處理可得到與全輪廓色譜數據為輸入變量時相一緻的結果.此外,偏最小二乘判彆分析(PLS-DA)對于紫囌葉樣品分類的識彆能力和預報能力分彆為92.8%和89.6%.
이용고효액상색보전륜곽지문도보결합화학계량학방법대불동재배지구적자소협양품(공84개)진행구분.전륜곽색보수거경자괄응질대가권최소이승법(airPLS)화상관우화교곡법(COW)교정후,기선화보류시간표이현상균득도명현개선.경예처리후적색보수거채용주성분분석(PCA)진행해석,결과표명불동래원적양품능안기특성각자취위일류;이분단간격압축변량후적색보수거경주성분분석처리가득도여전륜곽색보수거위수입변량시상일치적결과.차외,편최소이승판별분석(PLS-DA)대우자소협양품분류적식별능력화예보능력분별위92.8%화89.6%.