化學(xué)計(jì)量學(xué)在某些中藥或食品指紋圖譜中的應(yīng)用.pdf

1、指紋圖譜技術(shù)越來(lái)越廣泛的應(yīng)用于中藥或食品的質(zhì)量控制中。各種不同的分析檢測(cè)手段,結(jié)合化學(xué)計(jì)量學(xué)多元校正方法從整體上來(lái)實(shí)現(xiàn)質(zhì)量評(píng)價(jià)。化學(xué)計(jì)量學(xué)模式識(shí)別方法的不斷完善和改進(jìn),為復(fù)雜化合物的解析提供了有利的條件。本論文利用高效液相色譜、氣相色譜、近紅外光譜等分析手段對(duì)幾種常見(jiàn)的中藥或食品進(jìn)行了指紋圖譜研究,并結(jié)合化學(xué)計(jì)量學(xué)方法從定性和定量?jī)蓚€(gè)方面對(duì)其進(jìn)行質(zhì)量控制。
　　 第一章對(duì)指紋圖譜技術(shù)進(jìn)行了文獻(xiàn)綜述,闡述了指紋圖譜技術(shù)的概念、研究

2、內(nèi)容、特點(diǎn)以及不足之處等。重點(diǎn)介紹了構(gòu)建指紋圖譜的方法和原則,以及中藥或食品的指紋圖譜構(gòu)建過(guò)程中常用的化學(xué)計(jì)量學(xué)模式識(shí)別方法。最后簡(jiǎn)單地介紹了指紋圖譜技術(shù)的發(fā)展前景。
　　 第二章運(yùn)用高效液相色譜法建立了傳統(tǒng)中藥莪術(shù)的指紋圖譜。由于基于色譜共有峰的分類(lèi)效果并不理想,本文中嘗試采用遺傳-偏最小二乘法對(duì)共有峰變量進(jìn)行特征篩選。所選出的5個(gè)特征峰作為變量輸入到主成分分析和K最近鄰法中進(jìn)行分類(lèi)效果比較。結(jié)果表明所選的5個(gè)特征峰能較好地區(qū)

3、分莪術(shù)樣品的產(chǎn)地和炮制方法。
　　 第三章結(jié)合氣相色譜-質(zhì)譜和高效液相色譜對(duì)不同品種的莪術(shù)藥材進(jìn)行了區(qū)分。莪術(shù)藥材總共有三個(gè)種屬,分別是廣西莪術(shù)、蓬莪術(shù)和溫莪術(shù)。結(jié)合氣相色譜和液相色譜的色譜共有峰,構(gòu)建二維的色譜指紋圖譜。利用主成分分析和多準(zhǔn)則決策法分別比較一維指紋圖譜和二維指紋圖譜對(duì)于莪術(shù)品種分類(lèi)效果的不同。結(jié)果表明二維數(shù)據(jù)作為輸入變量的分類(lèi)模型優(yōu)于單維數(shù)據(jù)。同樣的,在有監(jiān)督的模式識(shí)別方法中,分別使用了線(xiàn)性判別分析、反傳人工神

4、經(jīng)網(wǎng)絡(luò)和最小二乘-支持向量機(jī)等模型對(duì)莪術(shù)樣品的種類(lèi)進(jìn)行區(qū)分。同樣比較了一維指紋圖譜和二維指紋圖譜作為輸入變量的區(qū)分效果的不同。二維數(shù)據(jù)的鑒別效果比一維數(shù)據(jù)的鑒別效果好。
　　 第四章采用近紅外光譜對(duì)常見(jiàn)食品:薯片進(jìn)行質(zhì)量控制。分別從薯片的品牌分類(lèi)和質(zhì)量參數(shù)測(cè)定兩方面進(jìn)行定性和定量分析。使用多種化學(xué)計(jì)量學(xué)無(wú)監(jiān)督和有監(jiān)督模式識(shí)別方法進(jìn)行建模分析。定性分析中采用主成分分析和多準(zhǔn)則決策法對(duì)薯片的品牌進(jìn)行了較好的區(qū)分,定量分析中利用偏最小

5、二乘法、核偏最小二乘法和最小二乘一支持向量機(jī)對(duì)薯片的四種重要的質(zhì)量參數(shù):脂肪含量、水分含量、酸價(jià)和過(guò)氧化值四個(gè)參數(shù)進(jìn)行多元校正預(yù)報(bào)。預(yù)報(bào)結(jié)果中最小二乘一支持向量機(jī)的效果最好。
　　 第五章結(jié)合近紅外光譜和中紅外光譜對(duì)八角茴香以及它的有毒偽品野八角進(jìn)行區(qū)分。由于光譜數(shù)據(jù)變量較多,本工作采劇特征變量選擇法:連續(xù)投影算法和數(shù)據(jù)壓縮法:離散小波變換對(duì)光譜變量進(jìn)行優(yōu)化。實(shí)驗(yàn)結(jié)果表明經(jīng)特征選擇或數(shù)據(jù)壓縮后,線(xiàn)性判別分析模型預(yù)報(bào)結(jié)果要好于原始