换一批热毒宁注射液金银花和青蒿(金青)萃取过程中固形物含量近红外光谱在线监测模型的建立及萃取终点判断研究
Establishment of near-infrared spectroscopy online monitoring solid content and determination of extraction endpoint during extraction of Lonicerae Japonicae Flos and Artemisiae Annuae Herba(Jinqing)in Reduning Injection
摘要目的 采用近红外光谱(near-infrared spectroscopy,NIRS)技术,结合机器学习算法,实现热毒宁注射液(Reduning Injection,RI)金银花和青蒿(金青)萃取过程中固形物含量(solid content,SC)的在线监测,并基于NIRS技术建立萃取终点判别模型,以提高金青萃取过程的质量控制水平.方法 采用NIRS技术,结合偏最小二乘法(partial least squares,PLS)和多元自适应回归样条(multivariate adaptive regression splines,MARS)算法,模型经过光谱预处理方法的优选及特征变量筛选,建立最佳SC的在线监测模型;采用支持向量机(support vector machine,SVM)算法建立异常光谱判别模型,通过移动块标准偏差法(moving block standard deviation,MBSD)算法建立萃取终点判别模型.结果 PLS和MARS模型性能优异,相较于PLS模型,MARS模型性能有所提升,预测相对误差(relative standard error of prediction,RSEP)由 2.87%降低至 2.64%,性能偏差比(ratio of performance to deviation,RPD)由15.953 0 升至 17.376 1,2 种算法模型均具有模型性能好、预测精度高的优点;MBSD算法用于萃取终点的判断,可有效提升萃取效率.结论 NIRS技术结合PLS算法和MARS算法,均可用于RI金青萃取过程SC的在线监测,MARS模型性能更佳;采用MBSD方法进行萃取终点判断,方法简便易行,可以满足生产实际需求.
更多相关知识
关键词
近红外光谱热毒宁注射液金银花青蒿机器学习在线监测终点判断萃取过程固形物含量偏最小二乘法多元自适应回归样条支持向量机移动块标准偏差法near-infrared spectroscopyReduning InjectionLonicerae Japonicae FlosArtemisiae Annuae Herbamachine learningonline monitoringendpoint determinationextraction processsolid contentpartial least squaresmultivariate adaptive regression spliness
分类号
R283.6
栏目名称
DOI
10.7501/j.issn.0253-2670.2024.19.010
发布时间
2024-10-28（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家科技部长三角科技创新共同体联合攻关项目（2023CSJGG1700）；
连云港市市重点研发计划（CG2320）
- 浏览8
- 被引2
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
