基于支持向量机的异福片近红外光谱分析

论文摘要

近红外光谱分析技术是一种快捷,高效,无污染的测试技术。近红外光谱分析技术应用于药物分析被认为是药物分析的重大进步。支持向量机（SVM）具有较强的非线性和抗干扰能力,本文通过近红外光谱分析方法,将统计学习理论的年轻分支SVM引入到药物分析领域。本文以抗结核药物异福片为研究对象,通过异福片的近红外光谱,以支持向量机（SVM）方法建立了快速测定异福片中主要成分利福平和异烟肼的定量分析模型。通过和几种预处理光谱建立的模型比较表明,基于快速傅立叶变换方法处理光谱（FFT-NIR）得到的模型优于其他几种模型。通过最优FFT-NIR-SVM模型对预测集异福片中主要成分利福平和异烟肼进行预测得到的回归相关系数（R）分别为0.95037和0.95634,模型的交互验证均方根误差（RMSECV）分别为0.01362和0.02961,说明该方法建立的模型具有较高的稳定性和可靠性。研究结果表明了基于SVM建立近红外光谱定量分析模型的可行性,为应用近红外光谱分析方法对药品生产过程进行质量监控提供了一种回归校正方法。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 药物分析研究状况
• 1.2 近红外光谱研究状况
• 1.3 支持向量机（SVM）研究状况
• 1.4 结核病与抗结核药物
• 1.5 本论文研究的目的与内容
• 第二章 理论基础
• 2.1 近红外光谱光谱学基本原理
• 2.2 支持向量机理论基础
• 2.3 建模优化参数及算法
• 第三章 基于支持向量机（SVM）建立异福片定量回归校正模型
• 3.1 仪器与试剂
• 3.2 实验方法
• 3.3 试验结果与讨论
• 第四章 总结与展望
• 4.1 全文总结
• 4.2 下一步研究展望
• 致谢
• 参考文献