Bagging偏最小二乘和Boosting偏最小二乘算法的金銀花醇沉過程近紅外光譜定量模型預(yù)測(cè)能力研究

陳昭　吳志生 史新　元徐+冰趙+娜喬延江

1引言

近紅外光譜（Near infrared spectroscopy，NIR）技術(shù)作為一種快速、無損、環(huán)保的光譜分析技術(shù)，已經(jīng)廣泛應(yīng)用于醫(yī)藥領(lǐng)域＼[1，2＼]。對(duì)于中藥復(fù)雜體系中多組分低含量特征，近紅外結(jié)合各種算法實(shí)現(xiàn)了對(duì)其軟測(cè)量分析。在金銀花醇沉過程研究中，加醇過程和最終量是中藥制藥過程控制的關(guān)鍵點(diǎn)。在加醇過程控制方面，采用多變量統(tǒng)計(jì)過程控制（MSPC）監(jiān)控模型＼[3＼]，使監(jiān)控模型更加靈敏、穩(wěn)健。在加醇終點(diǎn)檢測(cè)方面＼[4＼]，采用主成分分析結(jié)合移動(dòng)塊相對(duì)標(biāo)準(zhǔn)偏差（PCAMBRSD）法，從正常加醇過程N(yùn)IR數(shù)據(jù)中獲得理想終點(diǎn)樣本，由理想終點(diǎn)樣本構(gòu)成加醇過程終點(diǎn)的設(shè)計(jì)空間，進(jìn)而實(shí)現(xiàn)準(zhǔn)確判斷加醇終點(diǎn)。在金銀花（Lonicera japonica）醇沉過程中綠原酸含量偏最小二乘法（Partial least squares， PLS）模型中，采用準(zhǔn)確性輪廓分析綠原酸含量， 該P(yáng)LS模型具有穩(wěn)健性和準(zhǔn)確性＼[5＼]。

以金銀花醇沉過程中綠原酸的NIR數(shù)據(jù)為載體，運(yùn)用BaggingPLS和BoostingPLS算法，建立準(zhǔn)確、穩(wěn)健的NIR模型。Bagging和Boosting作為兩種代表性較強(qiáng)的集成算法，具有較高預(yù)測(cè)精度。將Bagging和Boosting引入到經(jīng)典的PLS定量模型中，提高模型泛化能力，減小模型預(yù)測(cè)方差＼[6＼]，這給中藥NIR定量模型快速預(yù)測(cè)提供較好的借鑒。

2實(shí)驗(yàn)部分

2.1實(shí)驗(yàn)數(shù)據(jù)

1引言

近紅外光譜（Near infrared spectroscopy，NIR）技術(shù)作為一種快速、無損、環(huán)保的光譜分析技術(shù)，已經(jīng)廣泛應(yīng)用于醫(yī)藥領(lǐng)域＼[1，2＼]。對(duì)于中藥復(fù)雜體系中多組分低含量特征，近紅外結(jié)合各種算法實(shí)現(xiàn)了對(duì)其軟測(cè)量分析。在金銀花醇沉過程研究中，加醇過程和最終量是中藥制藥過程控制的關(guān)鍵點(diǎn)。在加醇過程控制方面，采用多變量統(tǒng)計(jì)過程控制（MSPC）監(jiān)控模型＼[3＼]，使監(jiān)控模型更加靈敏、穩(wěn)健。在加醇終點(diǎn)檢測(cè)方面＼[4＼]，采用主成分分析結(jié)合移動(dòng)塊相對(duì)標(biāo)準(zhǔn)偏差（PCAMBRSD）法，從正常加醇過程N(yùn)IR數(shù)據(jù)中獲得理想終點(diǎn)樣本，由理想終點(diǎn)樣本構(gòu)成加醇過程終點(diǎn)的設(shè)計(jì)空間，進(jìn)而實(shí)現(xiàn)準(zhǔn)確判斷加醇終點(diǎn)。在金銀花（Lonicera japonica）醇沉過程中綠原酸含量偏最小二乘法（Partial least squares， PLS）模型中，采用準(zhǔn)確性輪廓分析綠原酸含量， 該P(yáng)LS模型具有穩(wěn)健性和準(zhǔn)確性＼[5＼]。

以金銀花醇沉過程中綠原酸的NIR數(shù)據(jù)為載體，運(yùn)用BaggingPLS和BoostingPLS算法，建立準(zhǔn)確、穩(wěn)健的NIR模型。Bagging和Boosting作為兩種代表性較強(qiáng)的集成算法，具有較高預(yù)測(cè)精度。將Bagging和Boosting引入到經(jīng)典的PLS定量模型中，提高模型泛化能力，減小模型預(yù)測(cè)方差＼[6＼]，這給中藥NIR定量模型快速預(yù)測(cè)提供較好的借鑒。

2實(shí)驗(yàn)部分

2.1實(shí)驗(yàn)數(shù)據(jù)

1引言

近紅外光譜（Near infrared spectroscopy，NIR）技術(shù)作為一種快速、無損、環(huán)保的光譜分析技術(shù)，已經(jīng)廣泛應(yīng)用于醫(yī)藥領(lǐng)域＼[1，2＼]。對(duì)于中藥復(fù)雜體系中多組分低含量特征，近紅外結(jié)合各種算法實(shí)現(xiàn)了對(duì)其軟測(cè)量分析。在金銀花醇沉過程研究中，加醇過程和最終量是中藥制藥過程控制的關(guān)鍵點(diǎn)。在加醇過程控制方面，采用多變量統(tǒng)計(jì)過程控制（MSPC）監(jiān)控模型＼[3＼]，使監(jiān)控模型更加靈敏、穩(wěn)健。在加醇終點(diǎn)檢測(cè)方面＼[4＼]，采用主成分分析結(jié)合移動(dòng)塊相對(duì)標(biāo)準(zhǔn)偏差（PCAMBRSD）法，從正常加醇過程N(yùn)IR數(shù)據(jù)中獲得理想終點(diǎn)樣本，由理想終點(diǎn)樣本構(gòu)成加醇過程終點(diǎn)的設(shè)計(jì)空間，進(jìn)而實(shí)現(xiàn)準(zhǔn)確判斷加醇終點(diǎn)。在金銀花（Lonicera japonica）醇沉過程中綠原酸含量偏最小二乘法（Partial least squares， PLS）模型中，采用準(zhǔn)確性輪廓分析綠原酸含量， 該P(yáng)LS模型具有穩(wěn)健性和準(zhǔn)確性＼[5＼]。

以金銀花醇沉過程中綠原酸的NIR數(shù)據(jù)為載體，運(yùn)用BaggingPLS和BoostingPLS算法，建立準(zhǔn)確、穩(wěn)健的NIR模型。Bagging和Boosting作為兩種代表性較強(qiáng)的集成算法，具有較高預(yù)測(cè)精度。將Bagging和Boosting引入到經(jīng)典的PLS定量模型中，提高模型泛化能力，減小模型預(yù)測(cè)方差＼[6＼]，這給中藥NIR定量模型快速預(yù)測(cè)提供較好的借鑒。

2實(shí)驗(yàn)部分

2.1實(shí)驗(yàn)數(shù)據(jù)