邱丽媛，梁泽华，吴鑫雨，潘颖洁，方剑文

·药剂与工艺·

基于模式识别和遗传神经网络算法的醋香附近红外光谱等级评价和含量预测模型研究

邱丽媛，梁泽华#*，吴鑫雨，潘颖洁，方剑文

浙江中医药大学药学院，浙江 杭州 311400

基于近红外光谱（near infrared spectrum，NIRS）技术建立一种能快速准确识别醋香附饮片等级并预测其挥发油中α-香附酮、香附烯酮含量的质量评价模型，为其他中药材或中药饮片的质量评价提供参考。采集醋香附的NIRS信息，并建立39批醋香附挥发油气相色谱-质谱联用（GC-MS）指纹图谱，对挥发油中的α-香附酮、香附烯酮进行定量，采用相似度分析、多元统计分析、主成分分析（principal component analysis，PCA）、聚类分析、偏最小二乘-判别分析（partial least squares-discriminant analysis，PLS-DA）、Logistic回归分析等方法处理数据，划分等级；利用遗传神经网络算法（GA-BPNN）将等级划分结果、α-香附酮含量、香附烯酮含量分别与NIRS信息进行拟合，建立等级预测模型和含量预测模型。根据主成分聚类分析法可以将醋香附划分为3个等级，其中一等品6批，二等品8批，三等品25批，PLS-DA分析结果与主成分聚类分析结果一致。采用多元Logistic回归分析建立了饮片等级分类经验公式一等＝exp(1)/[1＋exp(1)]、二等＝exp(2)/[1＋exp(2)]、三等＝1－二等，等级预测结果和主成分聚类分析结果一致。利用GA-BPNN建立的醋香附饮片等级预测模型预测准确率达89.74%，模型准确性较好；α-香附酮、香附烯酮回归模型预测集决定系数分别为0.992 3、 0.969 7，能很好地预测醋香附挥发油中α-香附酮、香附烯酮含量。采用GA-BPNN所建立的基于近红外技术的醋香附饮片等级评价模型能快速准确地预测醋香附饮片等级，为醋香附及其他中药材或中药饮片质量标准的制定和等级评价模型的研究提供了参考。……