人工神经网络-近红外光谱法非破坏定量分析Norvasc药片

人工神经网络-近红外光谱法非破坏定量分析Norvasc药片

刘名扬¹,², 赵景红¹, 孟昱³

1. 清华大学化学系, 北京 100084； 2. 辽宁出入境检验检疫局技术中心, 辽宁省大连 116001； \=3. 辉瑞制药有限公司, 辽宁省大连 116600

收稿日期:2006-11-27 修回日期:1900-01-01 出版日期:2007-09-26 发布日期:2007-09-26
通讯作者: 刘名扬

Nondestructive Quantitative Analysis of Norvasc in Tablets by Artificial Neural Network Methodnear Infrared Spectroscopy

LIU Mingyang¹,², ZHAO Jinghong¹, MENG Yu³

1. Department of Chemistry, Tsinghua University, Beijing 100084, China； 2. Centre of Technique, Liaoning Entryexit Insection and Quarantine Bureau, Dalian 116001, Liaoning Province, China；3. Prefz Pharmaceutical Co., Dalian 116600, Liaoning Province, China

Received:2006-11-27 Revised:1900-01-01 Online:2007-09-26 Published:2007-09-26
Contact: LIU Mingyang

摘要/Abstract

摘要： 用人工神经网络(ANN)解析Norvasc药片的近红外(NIR)漫反射光谱, 实现了对其中有效成分苯磺酸氨氯地平精确的非破坏定量测定. 设计了最佳的ANN模型, 分别讨论了输入层和隐含层节点数对测定结果的影响. 以HPLC法的测定结果为标准, 苯磺酸氨氯地平浓度预测值的相对误差RE(%)＜4.2%.

关键词: 人工神经网络, 近红外漫反射光谱, 非破坏定量分析, Norvasc

Abstract: Artificial neural network (ANN) algorithm was used to analyse the near infrared (NIR) reflectance spectrum of Norvasc in tablet medicine. The content of amlodipine besylate, which was pharmaceutically available in Norvasc medicine, was accurately nondestructively quantitatively determined. The best model of ANN was designed. The effects of input nodes and hidden nodes on the results were discussed, respectively. Compared the results with those of HPLC, the relative error (RE%) of mlodipine besylate was less than 4.2%. 

Key words: artificial neural network, near infrared reflectance spectra, nondestructive quantitative analysis, Norvasc

中图分类号:

O657.33

刘名扬,, 赵景红, 孟昱. 人工神经网络-近红外光谱法非破坏定量分析Norvasc药片[J]. J4, 2007, 45(05): 849-852.

LIU Mingyang,, ZHAO Jinghong, MENG Yu. Nondestructive Quantitative Analysis of Norvasc in Tablets by Artificial Neural Network Methodnear Infrared Spectroscopy[J]. J4, 2007, 45(05): 849-852.

[1]	胡黄水, 沈玮娜, 王宏志, 张邦成. 面向无线传感器网络的自适应模糊神经拓扑控制算法[J]. 吉林大学学报(理学版), 2018, 56(2): 361-367.
[2]	杨雪薇, 杨爽, 董冰雪, 郭鲁强, 刘晖, 滕乐生. 用统计学方法优化硝苯地平脂质体处方[J]. 吉林大学学报(理学版), 2015, 53(03): 572-576.
[3]	张勇, 宋岩, 丛茜, 赵冰. 基于两种模式识别技术的盐酸左氧氟沙星注射液近红外光谱定量分析[J]. J4, 2009, 47(6): 1318-1322.
[4]	何东晓, 周春光, 刘淼, 马捷, 王喆. 手写数字识别中组合式神经网络的构建方法[J]. J4, 2009, 47(6): 1211-1216.
[5]	左平,, 李映红, 韩笑, 马驷良. 人工神经网络-红外光谱法对人体血糖的无创监测分析[J]. J4, 2008, 46(06): 1131-1136.
[6]	刘淼, 郭东伟, 马捷, 孙浩翔, 周春光. 基于椭圆模型和神经网络的人脸姿态估计方法[J]. J4, 2008, 46(04): 687-690.
[7]	郭晔, 王彬, 曲楠, 赵羚志, 李文良, 弥宏, 任玉林. 人工神经网络-近红外光谱法非破坏监控蛇床子SFE-CO₂萃取物的质量[J]. J4, 2008, 46(02): 341-345.
[8]	刘桂霞, 于哲舟, 周春光. 基于带偏差递归神经网络蛋白质关联图的预测[J]. J4, 2008, 46(02): 265-270.
[9]	李楠, 马成有, 程庆红, 王英华. 紫外分光光度法-人工神经网络在4种嘌呤同时测定中的应用[J]. J4, 2007, 45(05): 865-868.
[10]	逯家辉，吴凌，郭伟良，田晓乐，陈渝飞，石健，滕利荣. 偏最小二乘法用于近红外漫反射光谱测定异福片[J]. J4, 2007, 45(03): 481-485.
[11]	刘名扬,，赵景红，张晓明，任玉林. 人工神经网络-近红外光谱法定量分析Cofrel粉末药品[J]. J4, 2007, 45(02): 301-304.
[12]	李文良, 弥宏, 窦英, 陈永红, 王友兵, 任玉林. 近红外漫反射光谱法对蛇床子SFE萃取产物的质量监控[J]. J4, 2006, 44(04): 645-648.
[13]	左平, 马驷良, 马捷. 近红外光谱分析中人工神经网络法的应用[J]. J4, 2006, 44(01): 57-60.
[14]	刘名扬，王红霞，邹秀晶，钱维仙，张海涛，陈淑桂，王洪艳. 人工神经网络-流动注射化学发光法同时测定金和铂[J]. J4, 2005, 43(02): 204-208.