首页 / 专利库 / 计算机网络 / 软件缺陷 / 软件回归 / 一种检测阿司匹林中水杨酸含量的方法

一种检测阿司匹林中杨酸含量的方法

阅读:354发布:2020-05-08

专利汇可以提供一种检测阿司匹林中杨酸含量的方法专利检索,专利查询,专利分析的服务。并且本 发明 提供一种检测阿司匹林中 水 杨酸含量的方法,涉及水杨酸含量检测技术领域。该检测阿司匹林中水杨酸含量的方法,包括以下步骤:S1、建立一阶微分 光谱 预处理 算法 ;S2、建立PCR主成分回归算法;S3、准备样品为30个不同水杨酸含量的阿司匹林样品,样品为白色粉末;S4、将样品放置在样品杯中,保证样品 覆盖 满样品杯,然后利用GSA201型 近红外 光谱 仪采集得到样品的原始光谱图。本发明,是一种绿色、环保、无损的检测方法,阿司匹林中水杨酸的含量检测完全高效;检测速度快,可以达到秒级的检测速度,大大减少了阿司匹林中水杨酸含量的检测时间;检测准确性高,大大提高了阿司匹林中水杨酸含量的检测效率。,下面是一种检测阿司匹林中杨酸含量的方法专利的具体信息内容。

1.一种检测阿司匹林中杨酸含量的方法,其特征在于:包括以下步骤:
S1、建立一阶微分光谱预处理算法
S2、建立PCR主成分回归算法;
S3、准备样品为30个不同水杨酸含量的阿司匹林样品,样品为白色粉末;
S4、将样品放置在样品杯中,保证样品覆盖满样品杯,然后利用GSA201型近红外光谱仪采集得到样品的原始光谱图;
S5、将光谱数据和样品的理化数据一起加载到NIRSA软件,对扫描得到的原始光谱进行预处理,消除噪音和基线的影响;
S6、采用PCR主成分回归方法建立模型;
S7、选择3个阿司匹林样品作为验证样品,然后调用步骤4中的模型对验证样品进行验证分析,得到验证结果。
2.根据权利要求1所述的一种检测阿司匹林中水杨酸含量的方法,其特征在于:所述步骤1中一阶微分光谱预处理算法可用下式表示:
dA/dλ=Iim/△λ→△A/△λ=lim/△λ→[f(λ+△λ)-f(λ)]/△λ;
其中A为吸收度;
λ为波长
△λ为波长增量;
△A为吸收度增量;
dA/dλ为A关于在△λ区间吸收度的平均变化率。
3.根据权利要求1所述的一种检测阿司匹林中水杨酸含量的方法,其特征在于:所述步骤2中建立PCR主成分回归算法,具体如下:
首先对原始数据进行降维,再提取合适的主成分对原始数据进行预测分析
基本回归方程为:Y=XB+E;
式中,Y=[y1,…,yn]T为n×q的矩阵;B=[β1,…,βp]T是p×q的系数矩阵;X=[x1,…,xp]T为n×p的自变量矩阵;E是n×q的误差矩阵;
预测模型矩阵为:
式中,由矩阵X经回归分析得来, 为转置矩阵,为预测系数矩阵,x0为矩阵X的单一向量,相应的 为1个预测结果向量;
-1 T T
令n XX=T∧T;
式中,n为矩阵XTX的维数,∧为对线矩阵,特征值从大到小排列,T表示正交矩阵,包含特征值对应的特征向量,n-1XTX为n阶矩阵,经正交变换得到对角线矩阵∧和正交矩阵T,由此可得:
δ=XTA-1/2;
式中,δ为包含矩阵X信息的n阶矩阵,用于最佳k值的计算;

式中,∧k是包含前k个最大特征值的对角线矩阵;Tk是包含前k个最大特征值的正交矩阵,包含对角线上的各特征值对应的特征向量,结合δk并采用峰态的计算方法得出最佳的k值,得到:
Zk=XTk;
式中,Zk即为经X变化得来的 包含着能够恰当代表变量相关信息的k个主成分元素,确定最佳k值,将Zk=XTk代入回归方程得出预测模型矩阵为:
式中, 表示预测系数矩阵, 是1个预测结果向量, 为预测结果矩阵;
根据以上公式建立主成分回归算法,在算法中,X矩阵为光谱矩阵,Y矩阵是体积分数值。
4.根据权利要求1所述的一种检测阿司匹林中水杨酸含量的方法,其特征在于:所述步骤5中预处理方法为一阶微分9点平滑处理。

说明书全文

一种检测阿司匹林中杨酸含量的方法

技术领域

[0001] 本发明涉及水杨酸含量检测技术领域,具体为一种检测阿司匹林中水杨酸含量的方法。

背景技术

[0002] 阿司匹林是第一个合成药物,主要作为一种非甾体抗炎药而广泛使用,水杨酸是其中的主要成分,是阿司匹林引起消化道刺激的主要因素,也是控制阿司匹林制剂质量的主要指标之一。
[0003] 目前常用的水杨酸的测定方法有高效液相色谱法、返滴定法、分光光度法等,这些检测方法样品都需要经过前处理,检测过程都非常复杂,检测时间长。因此,一种快速、准确的阿司匹林中水杨酸含量的测定方法非常有必要。

发明内容

[0004] (一)解决的技术问题
[0005] 针对现有技术的不足,本发明提供了一种检测阿司匹林中水杨酸含量的方法,解决了现有技术中存在的缺陷与不足。
[0006] (二)技术方案
[0007] 为实现以上目的,本发明通过以下技术方案予以实现:一种检测阿司匹林中水杨酸含量的方法,包括以下步骤:
[0008] S1、建立一阶微分光谱预处理算法
[0009] S2、建立PCR主成分回归算法;
[0010] S3、准备样品为30个不同水杨酸含量的阿司匹林样品,样品为白色粉末;
[0011] S4、将样品放置在样品杯中,保证样品覆盖满样品杯,然后利用GSA201型近红外光谱仪采集得到样品的原始光谱图;
[0012] S5、将光谱数据和样品的理化数据一起加载到NIRSA软件,对扫描得到的原始光谱进行预处理,消除噪音和基线的影响;
[0013] S6、采用PCR主成分回归方法建立模型;
[0014] S7、选择3个阿司匹林样品作为验证样品,然后调用步骤4中的模型对验证样品进行验证分析,得到验证结果。
[0015] 优选的,所述步骤1中一阶微分光谱预处理算法可用下式表示:
[0016] dA/dλ=lim/△λ→△A/△λ=lim/△λ→[f(λ+△λ)-f(λ)]/△λ;
[0017] 其中A为吸收度;
[0018] λ为波长
[0019] △λ为波长增量;
[0020] △A为吸收度增量;
[0021] dA/dλ为A关于在△λ区间吸收度的平均变化率。
[0022] 优选的,所述步骤2中建立PCR主成分回归算法,具体如下:
[0023] 首先对原始数据进行降维,再提取合适的主成分对原始数据进行预测分析
[0024] 基本回归方程为:Y=XB+E;
[0025] 式中,Y=[y1,…,yn]T为n×q的矩阵;B=[β1,…,βp]T是p×q的系数矩阵;X=[x1,…,xp]T为n×p的自变量矩阵;E是n×q的误差矩阵;
[0026] 则预测模型矩阵为:
[0027]
[0028]
[0029] 式中, 由矩阵X经回归分析得来, 为转置矩阵,为预测系数矩阵,x0为矩阵X的单一向量,相应的 为1个预测结果向量;
[0030] 令n-1XTX=T∧TT;
[0031] 式中,n为矩阵XTX的维数,∧为对线矩阵,特征值从大到小排列,T表示正交矩-1 T阵,包含特征值对应的特征向量,n XX为n阶矩阵,经正交变换得到对角线矩阵∧和正交矩阵T,由此可得:
[0032] δ=XTΛ-1/2;
[0033] 式中,δ为包含矩阵X信息的n阶矩阵,用于最佳k值的计算;
[0034] 则
[0035] 式中,∧k是包含前k个最大特征值的对角线矩阵;Tk是包含前k个最大特征值的正交矩阵,包含对角线上的各特征值对应的特征向量,结合δk并采用峰态的计算方法得出最佳的k值,得到:
[0036] Zk=XTk;
[0037] 式中,Zk即为经X变化得来的 包含着能够恰当代表变量相关信息的k个主成分元素,确定最佳k值,将Zk=XTk代入回归方程得出预测模型矩阵为:
[0038]
[0039]
[0040]
[0041] 式中, 表示预测系数矩阵, 是1个预测结果向量, 为预测结果矩阵;
[0042] 根据以上公式建立主成分回归算法,在算法中,X矩阵为光谱矩阵,Y矩阵是体积分数值。
[0043] 优选的,所述步骤5中预处理方法为一阶微分9点平滑处理。
[0044] (三)有益效果
[0045] 本发明提供了一种检测阿司匹林中水杨酸含量的方法。具备以下有益效果:
[0046] 1、本发明,是一种绿色、环保、无损的检测方法,阿司匹林中水杨酸的含量检测完全高效。
[0047] 2、本发明,检测速度快,可以达到秒级的检测速度,大大减少了阿司匹林中水杨酸含量的检测时间。
[0048] 3、本发明,检测准确性高,大大提高了阿司匹林中水杨酸含量的检测效率。附图说明
[0049] 图1为本发明中样品原始光谱图;
[0050] 图2为本发明中预处理之后的光谱图;
[0051] 图3为本发明中回归模型图。

具体实施方式

[0052] 下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都属于本发明保护的范围。
[0053] 实施例:
[0054] 如图1-3所示,本发明实施例提供一种检测阿司匹林中水杨酸含量的方法,包括以下步骤:
[0055] S1、建立一阶微分光谱预处理算法;
[0056] 首先建立光谱预处理方法,导数光谱法的基本原理如同紫外吸收光谱吸光度(A)对波长λ的函数图类似,是吸收光谱关于波长的微分系数(dA/dλ)对波长(λ)的函数图,零价光谱(即通常的紫外光谱)中的A=f(λ),当波长增加一个增量△λ时,则A将增加△A,因此A+△A=f(λ+△λ),△A=f(λ+△λ)-A=f(λ+△λ)-f(λ),△A/△λ=[f(λ+△λ)-f(λ)]/△λ;吸收度(A)关于波长的导数dA/dλ就是当△λ趋近于零时△A/△λ的极限,可用下式表示:dA/dλ=lim/△λ→△A/△λ=lim/△λ→[f(λ+△λ)-f(λ)]/△λ;
[0057] 实际上,dA/dλ就是A关于在增量(△λ)区间吸收度的平均变化率(即斜率),一阶导数光谱就是零阶光谱按一定的波长间隔(△λ)测得变化率(dA/dλ)对应于波长而得的图谱,一阶微分光谱预处理方法可以有效地消除基线和其它背景的干扰,分辨重叠峰,提高分辨率和灵敏度;
[0058] S2、建立PCR主成分回归算法;
[0059] 首先对原始数据进行降维,再提取合适的主成分对原始数据进行预测分析;
[0060] 基本回归方程为:Y=XB+E;
[0061] 式中,Y=[y1,…,yn]T为n×q的矩阵;B=[β1,…,βp]T是p×q的系数矩阵;X=[x1,…,xp]T为n×p的自变量矩阵;E是n×q的误差矩阵;
[0062] 则预测模型矩阵为:
[0063]
[0064]
[0065] 式中, 由矩阵X经回归分析得来, 为转置矩阵,为预测系数矩阵,x0为矩阵X的单一向量,相应的 为1个预测结果向量;
[0066] 令n-1XTX=T∧TT;
[0067] 式中,n为矩阵XTX的维数,∧为对角线矩阵,特征值从大到小排列,T表示正交矩阵,包含特征值对应的特征向量,n-1XTX为n阶矩阵,经正交变换得到对角线矩阵∧和正交矩阵T,由此可得:
[0068] δ=XTΛ-1/2;
[0069] 式中,δ为包含矩阵X信息的n阶矩阵,用于最佳k值的计算;
[0070] 则
[0071] 式中,∧k是包含前k个最大特征值的对角线矩阵;Tk是包含前k个最大特征值的正交矩阵,包含对角线上的各特征值对应的特征向量,结合δk并采用峰态的计算方法得出最佳的k值,得到:
[0072] Zk=XTk;
[0073] 式中,Zk即为经X变化得来的 包含着能够恰当代表变量相关信息的k个主成分元素,确定最佳k值,将Zk=XTk代入回归方程得出预测模型矩阵为:
[0074]
[0075]
[0076]
[0077] 式中, 表示预测系数矩阵, 是1个预测结果向量, 为预测结果矩阵;
[0078] 根据以上公式建立主成分回归算法,在算法中,X矩阵为光谱矩阵,Y矩阵是体积分数值,因此,系数矩阵 便连接了光谱数据与体积分数大小的直接对应关系;
[0079] S3、准备样品为30个不同水杨酸含量的阿司匹林样品,样品为白色粉末;
[0080] S4、将样品放置在样品杯中,保证样品覆盖满样品杯,然后利用GSA201型近红外光谱仪采集得到样品的原始光谱图,如图1;
[0081] S5、将光谱数据和样品的理化数据一起加载到NIRSA软件,对扫描得到的原始光谱进行预处理,消除噪音和基线的影响,预处理方法为一阶微分9点平滑处理,如图2;
[0082] S6、采用PCR主成分回归方法建立模型,模型如图3所示,由图3可知,水杨酸含量回归模型的线性关系非常明显,有非常高的相关性,其相关性为0.9823;
[0083] S7、选择3个阿司匹林样品作为验证样品,然后调用步骤4中的模型对验证样品进行验证分析,得到验证结果,验证结果如表1所示:
[0084] 编号 预测值 参考值 绝对偏差 相对偏差(%)1 1.81 1.84 0.03 0.2%
2 1.80 1.82 0.02 0.7%
3 1.83 1.86 0.03 0.9%
[0085] 表1
[0086] 通过上述分析可以得出结论,一阶微分光谱预处理算法和PCR主成分回归算法相结合导入GSA102型近红外光谱仪,完全能够有效预测阿司匹林中水杨酸的含量,而且预测的准确度非常高。
[0087] 尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈