Page 79 - 《中国药房》2020年第24期

30 300 000
＊
＊＊
％ 20 250 000
浸出物含量， 10 药材特征峰总峰面积 200 000

150 000
100 000
0
浙江 四川 河南 安徽 江苏 50 000
产地
A.浸出物平均含量比较 0
10 12 14 16 18 20 22 24
＊ 浸出物含量，％
300 000 ＊
＊＊ ＊＊ ＊ 图5 仙鹤草浸出物含量与药材特征峰线性关系图
250 000
药材特征峰总峰面积 200 000 Fig 5 Linear relationship of the extract content with
the characteristic peak of A. pilosa
150 000
100 000
max（X1j，X2j，…，Xmj ）－Xij
50 000
0 Rij＝ max（X1j，X2j，…，Xmj ）－min（X1j，X2j，…，Xmj ） …（2）
浙江 四川 河南 安徽 江苏 利用熵权法评价指标的熵值（Eij ），来反映样品数据
产地
B.药材特征图谱平均总峰面积比较 的离散程度并体现评价指标的重要性，并计算得出 1～
＊＊
＊
注：组间两两比较，P＜0.05， P＜0.01 12号特征峰的峰面积和浸出物含量这13个指标的权重
＊
Note：compared between the two groups， P＜0.05， P＜0.01
＊＊
（Wj ）＝（0.124，0.095，0.052，0.081，0.054，0.068，0.084，
图 4 不同产地仙鹤草浸出物含量、药材特征图谱总峰 0.059，0.033，0.056，0.097，0.134，0.062）。熵值（Ej ）和权
面积比较（n＝3）
重（Wj ）按公式（3）（4）计算：
Fig 4 Comparison of the extract content and total m
peak area of characteristic chromatogram of Ej＝－k∑RijlnRij… … … … … … … … … … … … … （3）
i＝1
A. pilosa from different origins（n＝3） 1－Ej n
Wj＝ n （ ∑Wj＝1）……………………（4）
将15批仙鹤草药材中的12个特征峰的峰面积和浸 ∑ （1－Ej ） j＝1
j＝1
出物的含量数据等13个指标进行同向标准化处理：假设
以权重赋值标准化决策矩阵，进一步构建加权决策
m 个样本（m＝15）有 n 个指标（n＝13），根据以下公式
－
矩阵（Z），并确定最优向量（Z ）与最劣向量（Z ）。按公
+
（1）（2）对原始试验数据建立标准决策矩阵，后进行归一 +
式（5）（6）（7）计算，得 Z ＝（0.124，0.095，0.052，0.081，
化处理，计算越大越优型指标和越小越优型指标的标化 0.054，0.068，0.084，0.059，0.033，0.056，0.097，0.134，
值（Rij ）。由于本研究中13个指标均为越大越优型指标， 0.062），Z ＝（0，0，0，0，0，0，0，0，0，0，0，0，0）；并按公式
－
故采用公式（1）计算： （8）（9）计算每个样本与 Z 和 Z 的距离（Di 、Di ）及最优
+
－
－
+
Xij－min（X1j，X2j，…，Xmj ） 方案的的贴近度（Ci ），其中Ci取值为0～1，越接近1表示
Rij＝ …（1）
max（X1j，X2j，…，Xmj ）－min（X1j，X2j，…，Xmj ） 评价样本越接近最优水平，越接近0则越接近最劣水平，
表6 15批仙鹤草药材参照峰峰面积及各特征峰相对峰面积
Tab 6 Peak area of reference peak and relative peak area of each characteristic peak of 15 batches of A. pilosa
各特征峰的相对峰面积
药材编号 参照峰面积
峰1 鞣花酸 峰3 峰4 峰5 槲皮苷（S） 峰7 峰8 峰9 峰10 山柰酚 芹菜素
S1 51 129 0.485 1.107 0.269 0.269 0.132 1.000 0.835 0.110 0.352 0.081 0.020 0.022
S2 31 260 0.531 2.068 0.251 0.266 0.233 1.000 0.804 0.106 0.352 0.082 0.033 0.025
S3 41 321 0.299 2.106 0.258 0.255 0.258 1.000 0.775 0.108 0.387 0.085 0.025 0.025
S4 34 222 0.277 1.860 0.310 0.181 0.149 1.000 0.608 0.126 0.287 0.072 0.007 0.014
S5 28 354 0.434 2.255 0.352 0.227 0.192 1.000 0.693 0.115 0.303 0.080 0.008 0.012
S6 40 354 0.194 1.348 0.315 0.190 0.152 1.000 0.645 0.108 0.235 0.082 0.006 0.011
S7 25 165 0.491 2.755 0.198 0.312 0.067 1.000 0.826 0.074 0.405 0.084 0.014 0.011
S8 11 487 1.075 3.604 0.302 0.417 0.129 1.000 0.724 0.070 0.268 0.059 0.014 0.016
S9 16 119 0.795 3.523 0.251 0.359 0.104 1.000 0.753 0.070 0.364 0.076 0.014 0.013
S10 20 111 0.874 2.486 0.315 0.217 0.007 1.000 0.816 0.117 0.882 0.168 0.025 0.027
S11 35 519 0.170 1.212 0.227 0.208 0.019 1.000 0.698 0.107 0.288 0.070 0.005 0.005
S12 33 273 0.197 1.319 0.220 0.168 0.103 1.000 0.494 0.078 0.238 0.062 0.011 0.018
S13 64 542 0.097 0.701 0.289 0.181 0.035 1.000 0.406 0.071 0.178 0.044 0.008 0.014
S14 44 700 0.144 1.206 0.190 0.112 0.130 1.000 0.359 0.082 0.191 0.049 0.004 0.009
S15 46 613 0.163 0.929 0.352 0.165 0.058 1.000 0.465 0.071 0.154 0.045 0.002 0.004

中国药房 2020年第31卷第24期 China Pharmacy 2020 Vol. 31 No. 24 ·3017 ·