一种酚咖麻敏胶囊中的盐麻含量的分析方法技术

本发明专利技术提供一种酚咖麻敏胶囊中的盐麻含量的分析方法，涉及及酚咖麻敏胶囊中的盐麻含量的分析技术领域。该种酚咖麻敏胶囊中的盐麻含量的分析方法，包括以下具体步骤：S1.首先建立标准化光谱预处理算法，标准化又称为均值方差化，是把均值中心化处理后的光谱再除以校正集光谱阵的标准偏差光谱。然后建立极限学习机的建模方法；S2.然后建立极限学习机的建模方法，首先确定隐含层神经元个数，随机设定输入层与隐含层间的连接权值ω和隐含层神经元的偏差b；S3.选择隐含层神经元的激活函数，计算隐含层输出矩阵H；S4.计算输出层权值。通过利用GSA近红外光谱检测技术，无需任何的前处理，直接通过扫描样品的近红外光谱就可以得出结果，具有极大地应用推广价值。

【技术实现步骤摘要】
一种酚咖麻敏胶囊中的盐麻含量的分析方法
本专利技术涉及酚咖麻敏胶囊中的盐麻含量的分析
，具体为一种酚咖麻敏胶囊中的盐麻含量的分析方法。
技术介绍
药品检测的检测项目众多，有药品质量检测、药品成分检测、药品重金属检测、药品不良反应检测、药品密封性检测、生物药品检测、药品外观检测、药品常规检测、药品理化检测、药品安全检测和药品缺陷检测，液相色谱法的分离机理是基于混合物中各组分对两相亲和力的差别，根据固定相的不同，液相色谱分为液固色谱、液液色谱和键合相色谱，应用最广的是以硅胶为填料的液固色谱和以微硅胶为基质的键合相色谱，根据固定相的形式，液相色谱法可以分为柱色谱法、纸色谱法及薄层色谱法，按吸附力可分为吸附色谱、分配色谱、离子交换色谱和凝胶渗透色谱，近年来，在液相柱色谱系统中加上高压液流系统，使流动相在高压下快速流动，以提高分离效果，因此出现了高效(又称高压)液相色谱法。药物质量的重要指标之一就是药物中有效成分的含量，其过高或者过低都会带来问题，目前主要的检测药物中有效成分的方法为液相色谱法，但是这种方法一般操作比较复杂，耗时较长，而且预处理阶段需要消耗大量的有机试剂。因此，开发一种快速、简便检测酚咖麻敏胶囊中麻盐含量的方法是十分有必要的，为此，我们研发出了新的一种酚咖麻敏胶囊中的盐麻含量的分析方法。
技术实现思路
(一)解决的技术问题针对现有技术的不足，本专利技术提供了一种酚咖麻敏胶囊中的盐麻含量的分析方法，解决了目前主要的检测药物中有效成分的方法为液相色谱法，但是这种方法一般操作比较复杂，耗时较长，而且预处理阶段需要消耗大量的有机试剂的问题。(二)技术方案为实现以上目的，本专利技术通过以下技术方案予以实现：一种酚咖麻敏胶囊中的盐麻含量的分析方法，包括以下具体步骤：S1.首先建立标准化光谱预处理算法，标准化又称为均值方差化，是把均值中心化处理后的光谱再除以校正集光谱阵的标准偏差光谱；S2.然后建立极限学习机的建模方法，首先确定隐含层神经元个数，随机设定输入层与隐含层间的连接权值ω和隐含层神经元的偏差b；S3.选择隐含层神经元的激活函数，计算隐含层输出矩阵H；S4.计算输出层权值。设样本数为Q，训练集的输入矩阵为X，输出矩阵为Y：设隐含层神经元的激活函数为g(x)，则网络输出T为：T＝[t1，t2，…，tQ]m×Q’式中：ωi＝[ωi1，ωi2，…，ωin]，xj＝[ω1j，ω2j，…，xnj]T则，式(2)可表示为：Hβ＝T′(3)式中：T'为矩阵T的转置，H为神经网络的隐含层输出矩阵，其具体形式可表示为：隐含层与输出层间的连接权值β可以通过求解以下方程组的最小二乘解获得：其解为：式中：H+为隐含层输出矩阵H的Moore-Penrose的广义逆；S5.将建立好的预处理和建模算法导入近红外光谱仪，通过该仪器进行光谱扫描以及光谱预处理，再利用局部权重回归方法建立校正模型，最后选取未知样品进行预测以验证校正模型的预测能力。优选的，所述近红外光谱仪采用GSA102型近红外光谱仪。(三)有益效果本专利技术提供了一种酚咖麻敏胶囊中的盐麻含量的分析方法。具备以下有益效果：1、该种酚咖麻敏胶囊中的盐麻含量的分析方法，通过利用近红外光谱仪和建立标准化光谱预处理算法，不仅操作简单，而且耗时较短，检测分析效率大大提高。2、该种酚咖麻敏胶囊中的盐麻含量的分析方法，通过利用GSA近红外光谱检测技术，无需任何的前处理，直接通过扫描样品的近红外光谱就可以得出结果，具有极大地应用推广价值。附图说明图1为本专利技术采用标准化方法进行预处理之后的光谱图；图2为本专利技术酚咖麻敏胶囊中麻盐含量的校正模型图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。实施例一：本专利技术实施例提供一种酚咖麻敏胶囊中的盐麻含量的分析方法，包括以下具体步骤：S1.首先建立标准化光谱预处理算法，标准化又称为均值方差化，是把均值中心化处理后的光谱再除以校正集光谱阵的标准偏差光谱；S2.然后建立极限学习机的建模方法，首先确定隐含层神经元个数，随机设定输入层与隐含层间的连接权值ω和隐含层神经元的偏差b；S3.选择隐含层神经元的激活函数，计算隐含层输出矩阵H；S4.计算输出层权值。设样本数为Q，训练集的输入矩阵为X，输出矩阵为Y：设隐含层神经元的激活函数为g(x)，则网络输出T为：T＝[t1，t2，…，tQ]m×Q,式中：ωi＝[ωi1，ωi2，…，ωin]，xj＝[x1j，x2j，…，xnj]T，则，式(2)可表示为：Hβ＝T′(3)式中：T'为矩阵T的转置，H为神经网络的隐含层输出矩阵，其具体形式可表示为：隐含层与输出层间的连接权值β可以通过求解以下方程组的最小二乘解获得：其解为：式中：H+为隐含层输出矩阵H的Moore-Penrose的广义逆；S5.将建立好的预处理和建模算法导入近红外光谱仪，通过该仪器进行光谱扫描以及光谱预处理，再利用局部权重回归方法建立校正模型，最后选取未知样品进行预测以验证校正模型的预测能力。近红外光谱仪采用GSA102型近红外光谱仪。实施例二：本实施例在基于实施例一的基础上：进行一组实验，实验步骤如下：1、样品采集：将每批次5个胶囊，内容物粉末倒出，放置于固定样品池内，表面刮平，共计取样25个，光谱采集：将胶囊粉末放入样品杯中，利用GSA102型近红外光谱仪进行光谱采集。2、采集得到样品的原始光谱并采用标准化方法进行预处理得到如图1所示的预处理光谱；3、采用极限学习机方法建立酚咖麻敏胶囊中麻盐含量的校正模型，模型如图2所示，由图可知，模型相关性非常显著为0.9938，说明近红外光谱吸光度的变化能够很好的反映酚咖麻敏胶囊中麻盐含量的变化。4、为验证模型的预测能力，选择5个样品作为验证样品，然后调用步骤3中的校正模型对验证样品进行验证分析，验证结果如表1所示；由表可以看出，校正模型的预测平均偏差为0.008％。表1验证结果盐麻预测值化验值相对偏差％1303014.1194.120.0161303104.1504.150.0001303144.0804.080.0081303164.1104.110.000...

【技术保护点】
1.一种酚咖麻敏胶囊中的盐麻含量的分析方法，其特征在于：包括以下具体步骤：/nS1.首先建立标准化光谱预处理算法，标准化又称为均值方差化，是把均值中心化处理后的光谱再除以校正集光谱阵的标准偏差光谱；/nS2.然后建立极限学习机的建模方法，首先确定隐含层神经元个数，随机设定输入层与隐含层间的连接权值ω和隐含层神经元的偏差b；/nS3.选择隐含层神经元的激活函数，计算隐含层输出矩阵H；/nS4.计算输出层权值。设样本数为Q，训练集的输入矩阵为X，输出矩阵为Y：

【技术特征摘要】
1.一种酚咖麻敏胶囊中的盐麻含量的分析方法，其特征在于：包括以下具体步骤：
S1.首先建立标准化光谱预处理算法，标准化又称为均值方差化，是把均值中心化处理后的光谱再除以校正集光谱阵的标准偏差光谱；
S2.然后建立极限学习机的建模方法，首先确定隐含层神经元个数，随机设定输入层与隐含层间的连接权值ω和隐含层神经元的偏差b；
S3.选择隐含层神经元的激活函数，计算隐含层输出矩阵H；
S4.计算输出层权值。设样本数为Q，训练集的输入矩阵为X，输出矩阵为Y：



设隐含层神经元的激活函数为g(x)，则网络输出T为：T＝[t1，t2，…，tQ]m×Q，



式中：ωi＝[ωi1，ωi2，…，ωin]，xj＝[...

【专利技术属性】
技术研发人员：邹振民，孙茂，耿龙飞，朱传港，
申请(专利权)人：山东金璋隆祥智能科技有限责任公司，
类型：发明
国别省市：山东;37