Page 90 - 2019年1月第30卷第2期

2
模型的准确性与适用性，详见表5、表6。R 越接近1，表 余信息及噪音干扰较大。为获取与待测组分含量相关
示预测值与测定值越接近；RMSEC、RMSEP 越小，表示 的最大信息，以建立最优的预测模型，对不同光谱范围
模型预测效果越好，适用性越好。预处理后的近红外光 所建模型性能进行考察，详见表7、表8。
谱见图2、图3。 0.006
表5 不同光谱预处理方法对总苯乙醇苷定量模型性能 0.004
0.002
的影响 0
Tab 5 Effects of different spectral pretreatment －0.002
methods on quantitative model performance 吸光度 －0.004
－0.006
of total phenylethanoid glycosides －0.008
－0.010
预处理方法 R 2 RMSEC RMSEP
－0.012
Constant 0.977 6 0.116 0 0.180 0
－0.014
Constant+FD 0.997 6 0.038 1 0.041 8
MSC 0.975 0 0.111 0 0.162 0 11 000 10 000 9 000 8 000 7 000 6 000 5 000 4 000
MSC+FD 0.998 2 0.032 7 0.035 5 波数，cm －1
MSC+SD 0.996 1 0.048 5 0.064 9 图3 总环烯醚萜苷预处理后的近红外光谱图
SNV+FD 0.998 2 0.112 0 0.037 6 Fig 3 NIR spectra of pretreated total iridoid glyco-
SNV+SD 0.996 4 0.046 8 0.064 6
sides
表6 不同光谱预处理方法对总环烯醚萜苷定量模型性
表7 不同光谱范围对总苯乙醇苷定量模型性能的影响
能的影响 Tab 7 Effects of different spectral ranges on the quan-
Tab 6 Effects of different spectral pretreatment me-
titative model performance of total phenyletha-
thods on quantitative model performance of noid glycosides
total iridoid glycosides
光谱范围，cm －1 R 2 RMSEC RMSEP
预处理方法 R 2 RMSEC RMSEP 5 003.00～10 998.90 0.997 4 0.042 2 0.101 0
Constant 0.968 6 0.238 0 0.213 0 5 402.63～10 998.93 0.997 1 0.043 2 0.122 0
MSC 0.884 0 0.447 0 0.461 0
6 703.35～11 065.54 0.998 2 0.032 7 0.035 5
SNV 0.972 6 0.222 0 0.185 0 7 899.00～10 429.15 0.994 7 0.158 1 0.080 0
Constant+FD 0.980 4 0.188 0 0.058 7 9 376.21～10 280.03 0.960 1 0.204 6 0.206 0
Constant+SD 0.977 8 0.200 0 0.105 0
SNV+FD 0.980 9 0.186 0 0.035 1 表8 不同光谱范围对总环烯醚萜苷定量模型性能的影响
MSC+FD 0.980 5 0.188 0 0.053 5 Tab 8 Effects of different spectral ranges on the quan-
MSC+SD 0.980 4 0.189 0 0.049 3 titative model performance of total iridoid gly-
SNV+SD 0.980 4 0.188 0 0.048 2
SNV+FD+SG 0.980 1 0.190 0 0.068 0 cosides
SNV+FD+ND 0.965 8 0.248 0 0.236 0 光谱范围，cm －1 R 2 RMSEC RMSEP
3 999.63～11 998.93 0.972 1 0.187 0 0.047 4
0.000 5
0.000 4 3 999.63～9 102.36 0.980 9 0.186 0 0.035 1
0.000 3
0.000 2 4 317.49～6 615.30 0.968 1 0.271 0 0.331 0
0.000 1 0 7 906.57～11 793.64 0.959 0 0.195 0 0.093 6
吸光度 －0.000 1 5 317.40～9 482.59 0.970 3 0.191 0 0.070 2
－0.000 2
－0.000 3
－0.000 4 由表 7、表 8 可知，总苯乙醇苷、总环烯醚萜苷含量
－0.000 5
－0.000 6
－0.000 7 预测的最佳建模光谱范围分别为 6 703.35～11 065.54
－0.000 8
－0.000 9 cm 、3 999.63～9 102.36 cm 。
－1
－1
11 000 10 000 9 000 8 000 7 000 6 000 5 000 4 000
波数，cm －1 2.3.5 主因子数的选择 在校正集药材样品相同的条
图2 总苯乙醇苷预处理后的近红外光谱图 件下，主因子数的选择对模型的准确性和NIR预测结果
Fig 2 NIR spectra of pretreated total phenylethanoid 有较大影响，主因子数过少或过多均可影响模型的准确
glycosides 性。以交叉验证均方根偏差（RMSECV）为评价指标，
由表 5、表 6、图 2、图 3 可知，总苯乙醇苷、总环烯醚 RMSECV 最小时得到的因子数为最佳主因子数，详见
萜苷的最佳光谱预处理方法分别为 MSC+FD、SNV+ 图 4。
FD，表明所建总苯乙醇苷、总环烯醚萜苷模型的预测性 由图4可知，总苯乙醇苷、总环烯醚萜苷定量模型的
能均较好。 RMSECV 最小值分别为 0.256 9、0.574 3，得到的最佳主
2.3.4 建模光谱范围的选择 近红外光谱主要反映基 因子数分别为10、7。
团伸缩振动产生的倍频峰、组频峰的信息，由于倍频峰 2.3.6 定量模型的建立 分别将 99 批总苯乙醇苷校正
及组频峰的强度较弱不易区分，各峰重叠严重，因此冗 集样品和100批总环烯醚萜苷校正样品，通过TQ 8.0分

中国药房 2019年第30卷第2期 China Pharmacy 2019 Vol. 30 No. 2 ·229 ·