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-squa...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。展开更多
文摘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。
