论文部分内容阅读
我国居民生活水平的提高,引导其保健意识逐渐增强。中药源于生活,在居民日常生活中扮演重要的角色。因此,药食两用的中药备受关注。然而,中药材品质受原植物来源、采收期、产地、部位等多种因素影响,导致其质量参差不齐,品质不稳定。光谱和色谱分析技术已广泛应用于中药质量控制。光谱作为一种绿色环保的分析方法,结合液相特征性成分的含量数据,辅以化学计量学统计方法,可以为中药质量控制提供一种快速、有效、便捷的技术参考。本论文以杜仲(Eucommia ulmoides)叶为研究对象,采用紫外可见光光谱法(Ultraviolet-visible spectroscopy,UV-Vis)、衰减全反射-傅里叶变换红外光谱法(Attenuate total reflection-Fourier transform infrared spectroscopy,ATR-FTIR)、近红外光谱法(Near infrared spectroscopy,NIR)、高效液相色谱法结合二极管阵列检测器(High performance liquid chromatography equipped with diode array detector,HPLC-DAD),对不同产地杜仲叶进行分析。结合主成分分析(Principal component analysis,PCA)、系统聚类分析(Hierarchical cluster analysis,HCA)两种无监督模式识别方法;偏最小二乘判别分析(Partial least squares discriminant analysis,PLSDA)、支持向量机(Support vector machine,SVM)、随机森林(Random forest,RF)三种有监督模式识别方法;支持向量机回归(Support vector machine regression,SVMR)分析,深入分析不同产地杜仲叶的光谱特征及化学特征,建立系统的杜仲叶质量评价方法,为杜仲规范合理的资源开发提供理论基础。研究发现基于遗传算法-支持向量机(Genetic algorithm-support vector machine,GA-SVM)及粒子群算法-支持向量机(Particle swarm optimization-support vector machine,PSO-SVM)的中级数据融合判别模型可有效鉴别不同区域杜仲叶,正确率均达到了100%。同时发现,杜仲性别差异(雌雄差异)对杜仲叶化学成分累积的影响小于种植区域对其成分的影响。基于NIR和ATR-FTIR光谱的高级数据融合建立的RF模型最适合于识别来自不同产地的杜仲叶。训练集和验证集的准确率分别为92.86%和93.44%。从HCA的聚类树图中可以发现无论样本在树图中的距离如何,新疆维吾尔自治区杜仲叶都属于单个类别,而其是所有样品中唯一一个位于高纬度中温带的。通过HPLC-DAD方法测定杜仲叶中7种成分的含量,结合光谱数据建立SVMR模型,可以有效预测这7种成分含量。仅从这7种有效成分看,传统意义上的中心产区(湖南省、贵州省、河南省的主产区)可以作为杜仲的适宜栽培点。合适的预处理方法可以提高预测模型的结果。通过最大熵模型(Max Ent)模拟杜仲潜在分布区,筛选出武陵山区和秦巴山区是杜仲高度适生区,可在我国中温带至南亚热带区域内广泛种植。气温和降水是影响其地理分布的关键因素。