| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 主要符号表 | 第12-13页 |
| 第一章 绪论 | 第13-22页 |
| 1.1 研究背景与意义 | 第13-15页 |
| 1.1.1 中草药产品质量控制现状 | 第13-14页 |
| 1.1.2 过程分析技术(PAT) | 第14-15页 |
| 1.2 近红外光谱技术 | 第15-18页 |
| 1.2.1 近红外光谱技术原理 | 第15-16页 |
| 1.2.2 近红外光谱采集方式 | 第16页 |
| 1.2.3 近红外仪器及技术发展现状 | 第16-17页 |
| 1.2.4 近红外光谱技术在中药质量控制过程中的应用 | 第17-18页 |
| 1.2.5 化学计量学在近红外光谱技术中的重要性 | 第18页 |
| 1.3 研究目的与研究内容 | 第18-20页 |
| 1.3.1 研究目的 | 第18-20页 |
| 1.3.2 研究内容 | 第20页 |
| 1.4 本文章节安排 | 第20-22页 |
| 第二章 近红外光谱建模技术及模型转移概述 | 第22-37页 |
| 2.1 引言 | 第22-23页 |
| 2.2 校准数据的获取 | 第23页 |
| 2.3 数据预处理 | 第23-25页 |
| 2.3.1 导数算法 | 第23-24页 |
| 2.3.2 标准化算法 | 第24页 |
| 2.3.3 数据增强算法 | 第24-25页 |
| 2.4 样本的划分 | 第25-26页 |
| 2.5 波段选择 | 第26-29页 |
| 2.5.1 间隔偏最小二乘法(iPLS) | 第26-27页 |
| 2.5.2 全局最优算法 | 第27-28页 |
| 2.5.3 变量投影重要性(VIP) | 第28页 |
| 2.5.4 无信息变量消除(UVE) | 第28页 |
| 2.5.5 模型集群分析 | 第28-29页 |
| 2.6 建模方法 | 第29-31页 |
| 2.6.1 偏最小二乘(PLS) | 第29-30页 |
| 2.6.2 人工神经网络(ANN) | 第30页 |
| 2.6.3 支持向量回归(SVR) | 第30-31页 |
| 2.6.4 主成分回归(PCR) | 第31页 |
| 2.7 模型评价指标 | 第31-33页 |
| 2.8 模型转移 | 第33-37页 |
| 2.8.1 有标样模型转移算法 | 第34-35页 |
| 2.8.2 无标样模型转移算法 | 第35-37页 |
| 第三章 某中药口服液质量指标建模研究 | 第37-56页 |
| 3.1 引言 | 第37页 |
| 3.2 建模流程 | 第37-39页 |
| 3.3 数据采集及前处理 | 第39-44页 |
| 3.3.1 近红外光谱的采集 | 第39-40页 |
| 3.3.2 实验部分 | 第40-43页 |
| 3.3.3 校正集和验证集的划分 | 第43-44页 |
| 3.4 建立模型 | 第44-50页 |
| 3.4.1 光谱预处理方法的选择 | 第44-46页 |
| 3.4.2 有效建模波段的选择 | 第46-50页 |
| 3.4.3 建模结果与讨论 | 第50页 |
| 3.5 模型预测性验证 | 第50-53页 |
| 3.5.1 多糖模型预测性验证 | 第50-52页 |
| 3.5.2 蒽醌模型预测性验证 | 第52-53页 |
| 3.6 模型稳健性验证 | 第53-55页 |
| 3.6.1 多糖模型稳健性验证 | 第53-54页 |
| 3.6.2 蒽醌模型稳健性验证 | 第54-55页 |
| 3.7 本章小结 | 第55-56页 |
| 第四章 模型通用性研究 | 第56-76页 |
| 4.1 引言 | 第56页 |
| 4.2 平行探头模型通用性研究 | 第56-68页 |
| 4.2.1 数据介绍 | 第57-59页 |
| 4.2.2 建立单探头模型 | 第59-61页 |
| 4.2.3 单探头建模结果与讨论 | 第61-62页 |
| 4.2.4 建立双探头模型 | 第62-65页 |
| 4.2.5 双探头建模结果与讨论 | 第65-67页 |
| 4.2.6 小结 | 第67-68页 |
| 4.3 更换探头前后模型通用性研究 | 第68-75页 |
| 4.3.1 数据介绍 | 第68-70页 |
| 4.3.2 建立旧探头模型 | 第70-71页 |
| 4.3.3 旧探头建模结果与讨论 | 第71-72页 |
| 4.3.4 采样周期对模型通用性的影响研究 | 第72-75页 |
| 4.3.5 小结 | 第75页 |
| 4.4 本章小结 | 第75-76页 |
| 第五章 模型转移 | 第76-85页 |
| 5.1 引言 | 第76页 |
| 5.2 数据介绍 | 第76-78页 |
| 5.3 模型转移方法及流程 | 第78-79页 |
| 5.4 建立主机模型 | 第79-81页 |
| 5.4.1 主机数据前处理 | 第79页 |
| 5.4.2 主机数据分组 | 第79-80页 |
| 5.4.3 建模及模型验证 | 第80-81页 |
| 5.5 DS法光谱校正 | 第81-83页 |
| 5.6 验证数据光谱校正及预测 | 第83-84页 |
| 5.7 本章小结 | 第84-85页 |
| 结论与展望 | 第85-87页 |
| 参考文献 | 第87-96页 |
| 攻读硕士学位期间取得的研究成果 | 第96-97页 |
| 致谢 | 第97-98页 |
| 附件 | 第98页 |