基于近红外光谱技术和分类与回归树算法建立天舒片崩解时间预测模型

作者：刘秋安; 徐芳芳^*; 张欣; 姜欣汝; 徐冰; 吴云; 肖伟; 王振中^*

来源：中草药, 2021, 52(16): 4837-4843.

DOI：10.7501/j.issn.0253-2670.2021.16.008

• 近红外光谱技术
• 分类和回归树算法
• 崩解时间
• 天舒片
• 偏最小二乘算法
• 相对校正均方根偏差
• 相对预测均方根偏差

目的基于近红外光谱(near infrared spectrum,NIRS)技术,建立一种快速预测天舒片崩解时间的方法。方法采集39个批次共468个样品的NIRS,对比分类和回归树(classification and regression trees,CART)算法与偏最小二乘(partial least-square,PLS)算法2种模型的预测效果,建立天舒片崩解时间预测模型。结果经基线校正处理后建立的CART模型性能最优。与PLS模型相比该模型将相对校正均方根偏差(relative root mean square error of correction,RRMSEC)由7.43%降低至 4.94%,相对预测均方根偏差(relative root mean square error of prediction,RRMSEP)由 7.84%降低至 7.66%。结论NIRS技术结合CART算法预测天舒片崩解时间是可行的,为天舒片崩解时间快速无损检测提供了一种新方法。

• 单位
  北京中医药大学; 江苏康缘药业股份有限公司; 中药制药过程新技术国家重点实验室