中药材的鉴别
以下为《中药材的鉴别》的无排版文字预览，完整格式请下载
下载前请仔细阅读文字预览以及下方图片预览。图片预览是什么样的，下载的文档就是什么样的。
中药材的鉴别
摘要
基于红外光谱具有特征性强、取样量小、简便迅速、准确等特点，各国药典都将红外光谱作为法定的药物鉴别的主要方法，近年来红外光谱也越来越多地应用于中药材的鉴别研究。本文基于近红外、中红外光谱的数据，进行了挖掘和分析，具体如下：
对问题一：首先对数据进行处理，只对中红外光谱中波数在前1300cm-1指纹区数据进行分析，剔除吸光度为负数的药材编号；利用EXCEL编程，以编号1为标准值，对剩余424个编号的药材对应波数做绝对误差，将绝对误差全部小于0.03的归为一类，对第一次迭代后，将编号最多的一类作为第一类药材，应用上述方法进行多次迭代运算，最终将附件1中的药材分为5大类，最后应用origin软件进行画图分析，同一类药材红外光谱的峰数、峰位、峰形、峰的强度以及某一波数吸收峰的有无基本一致。
对问题二：首先利用EXCEL中的分类汇取11个产地的波数对应吸光度的平均值，用未有产底编号的药材与11个产地的平均值做欧氏距离，和哪一个产地的距离最近，就归在此产地。第二种方法我们用origin软件进行绘图分析，根据红外光谱的峰数、峰位、峰形、峰的强度等特征分析归类，两者结果一致。
No
3
14
38
48
58
71
79
86
89
110
134
152
227
331
618
OP
8
8
4
1
8
5
4
2
4
5
4
7
2
4
7
对问题三：同样应用问题二中的第一种方法（欧氏距离）对附件3中10个没有产地的药材进行归类；再利用origin软件对同一产地的近红外数据进行抽样绘图检验，两者结果一致。
No
4
15
22
30
34
45
74
114
170
209
OP
8
9
9
1
8
9
3
2
8
3
对问题四：继续应用问题三中的方法（欧氏距离）对附件4中所有没有药材类别和产地的进行归类。再利用origin软件对同一产地和同一类别数据进行抽样绘图检验，两者结果一致。
No
94
109
140
278
308
330
347
Class
A
A
A
C
C
B
B
OP
4
4
4
2
13
6
16
关键字：数据分析 欧氏距离 EXCEL编程 origin软件
一 问题的重述
1.1问题背景
随着我国医学事业的发展，我国很多的文献都对红外光谱法在中药材鉴定中发挥的重要作用进行了归纳和整理。目前在医学界将红外光谱法看做是对中药材进行鉴定的重要的手段之一，应该进行大面积的推广使用，充分的发挥红外光谱的特点和优势来为临床医学事业的发展做出贡献。
1.2已知条件
附件1至附件4是一些中药材的近红外或中红外光谱数据。
1.3解决问题
1. 根据附件1中几种药材的中红外光谱数据，研究不同种类药材的特征和差异性，并鉴别药材的种类。
根据附件2中某一种药材的中红外光谱数据，分析不同产地药材的特征和差异性，试鉴别药材的产地，并将下表中所给出编号的药材产地的鉴别结果填入表格中。
No
OP
根据附件 3 中某一种药材的近红外和中红外数据，试鉴别该种药材的产地，并将下表中所给出编号的药材产地的鉴别结果填入表中。
No
OP
附件 4 内容过长，仅展示头部和尾部部分文字预览，全文请查看图片预览。 中。
同样应用问题二中的第一种方法（欧氏距离）对附件3中10个没有产地的药材进行归类。
再利用origin软件对同一产地的近红外数据进行抽样绘图检验，检验两种结果是否一致。
2.4问题四分析
附件 4 给出了几种药材的近红外光谱数据，试鉴别药材的类别与产地，并将下表中所给出编号的药材类别与产地的鉴别结果填入表各中。
继续应用问题三中的方法（欧氏距离）对附件4中所有没有药材类别和产地的进行归类。
再利用origin软件对同一产地和同一类别数据进行抽样绘图检验，检验两种结果是否一致。
三 模型假设
近、中红外光谱仪是符合国家标准的。
所有药材都是纯的，无杂质。
所提供数据是精确的。
四 符号说明
[文章尾部最后300字内容到此结束,中间部分内容请查看底下的图片预览]
以上为《中药材的鉴别》的无排版文字预览，完整格式请下载
下载前请仔细阅读上面文字预览以及下方图片预览。图片预览是什么样的，下载的文档就是什么样的。
图片预览
