紫外光谱人工神经网络方法测定新洁尔灭中苯扎溴铵的含量
作者：严拯宇 姜新民 王朝晖
单位：王朝晖(华中师范大学 武汉 430072)；严拯宇 姜新民(中国药科大学分析化学教研室 南京 210009)
关键词：人工神经网络；误差反向传播；吸收光谱；新洁尔灭
中国现代应用药学000219 摘要 目的：对紫外吸收光谱重叠的新洁尔灭进行多组分不经分离的含 量测定。方法：应用BP方法即人工神经网络误差反向传播方法对其进行 含量测定。结果：网络隐蔽层的节点数为5、以9个节点输入时，苯扎溴 铵和亚硝酸钠的平均回收率分别为102%和101%，RSD分别为1.0%和2.9%。 结论：该方法测定结果准确，性能良好；对于其它吸收光谱相互重叠的 药物含量测定有一定的借鉴作用。
Determination of liqour benzalkori bromidum contents by B method in UV spectrum
, 百拇医药
Yan Zhengyu(Yan ZY),Jiang Xinmin(Jiang XM),Wang Zhaohu i(Wang ZH)
(Department of Analytical Chemistry,China Pharmaceutic ial University,Nanjing 210009)
ABSTRACT OBJECTIVE：Determinate the contents of liqour benzalkori b romidum in which UV spectrum are overlapped.METHOD:The error back-p ropagation(BP) method of artificial neural network has been used to determinate benzalkonium bromide and sodium nitrite without separating them.In 400～240nm,th e absorbance(A) at 9 wavelength were taken as character parameter of artificial neural network,and samples value were input.RESULTS:When hidden laye r node of ANN is 5 and input layer node equal 9,the calculation results show tha t average recoveries of benzalkonium bromide and sodium nitrite are 102% and 101 %,RSD are 1.0% and 2.9%.CONCLUSION:The results show that the method is accurate and the network performs satisfactory.The effect of the network parameters on the analytical result are discussed.
, 百拇医药
KEY WORDS artificial neural network,back-propagation,spectrum an alysis,liqour benzalkori bromidum
新洁尔灭的主要成分是苯扎溴铵、 亚硝酸钠和碳酸氢钠，前二者紫外吸收光谱重叠。对于此类多组分混和物体系，由于吸收光 谱的相互重叠，组分间的相互干扰，使得定量分析较为困难。人工神经网络[1～4] 在光谱分析中的应用可以克服以上困难。
新洁尔灭的分析方法已有报道[5]。而 将BP方法[6]即误差反向传播的人工神经网络方法用于此类具有紫外重叠光谱的药 物的分析，通过对ANN模型参数进行优化，为多组分不经分离紫外定量分析提供了另一种新 的途径，对于药物分析是很有意义的。人工神经网络方法以容错性、并行性、自习性和非线 性为其主要特点，快速，操作简单，结果准确。取得了较为满意的结果。
, http://www.100md.com
1 实验部分
1.1 仪器与试剂
日本岛津UV-2100自 动扫描紫外分光光度计，奔腾Ⅱ计算机，BP方法的人工神经网络计算机程度。
新洁尔灭( 南昌扬子洲制药厂)；苯扎溴铵、亚硝酸钠(上海试剂总厂)；重蒸馏水。
1.2 人工神经网络模型构造及运算方法
人工神经网络是由许多多输入 单输出的神经元按一定的拓扑结构相连接起来所构成的网络。网络的信息处理和传递等动力 学行为完全体现在网络连接权的变化和取值上。根据人工神经网络原理，本文将神经元按一 定方式连接成网状结构，构造新洁尔灭三层人工神经网络模型；X为神经元接受的信息，Y为 输出信息。网络输入层代表苯扎溴铵和亚硝酸钠的特征参数(即在不同波长的吸收度)，用16 个训练样本，通过9个节点输入。人工神经网络隐蔽层节点数为5。输出层代表它们的浓度， 含两个输出节点。对任一神经元节点，均有y=f(∑WijXi-θ。Wij为各网络 节点间的连接权，θ为神经元阈值，f为作用函数，本文采用非线性函数f(x)=1/[1+exp(-x)]。
, http://www.100md.com
在自学习过程中，选择网络参数，一系列输入输出学习模式供给网络学习，并按照 一定学习规则调节各层节点之间的连接权重，以使网络的实际输出与期望输出相比较达到一 定的精度要求。固定权重，测定样品。
2 结果与讨论
2.1 紫外吸收光谱
分别对苯扎溴铵对照品、亚硝酸钠对照品及新洁尔灭进行紫 外光谱扫描。
仪器条件：UV-2100紫外光谱扫描，新洁尔灭扫描波长范围240～400nm，间 隔2nm,速度为快速，吸收度表示为A，范围为0～1，扫描结果如图1所示。
图1 新洁尔灭吸收光谱 图
, 百拇医药 1-苯扎溴铵；2-亚硝酸钠；3-新洁尔灭
由图1，新洁尔灭吸收光谱：苯扎溴铵，亚硝酸钠在240～400nm波长处紫外光谱有重叠，苯 扎溴铵的最大吸收波长258nm,亚硝酸钠最大吸收波长353nm。经测定碳酸氢钠无干扰，所以 新洁尔灭紫外吸收光谱为苯扎溴铵与亚硝酸钠吸收光谱的叠加。
2.2 输入节点确定
由上述紫外吸收光谱，选择苯扎溴铵标准溶液和亚 硝酸钠标准溶液按一定比例共取16个浓度组合作为新洁尔灭的人工神经网络训练样本，每一 个训练样本在扫描波长范围里挑选9个具有特征波长的吸收值，作为人工神经网络的9个输入 节点。
2.3 回收率测定
输入训练样本，按上述计算步骤进行训练， 直至实际输出值与目标值之间误差小于一给定值，固定当前权重值。按照回收率的实验方法 移取一定量的样液，加入一定量的标准溶液，定容后UV-2100上进行测定，所得数据输入计 算机，得到输出值后，由下式计算回收率：回收率%=(输出量-样品量)/加入量×100。结果 见表1。
, http://www.100md.com
表1 回收率测定 样 品
加入量
期望值
/样+标
输 出 值
回收率/%
平均回收率
/%
RSD/%
1
2
3
, http://www.100md.com 1
2
3
苯扎溴铵/g.l-1
0.200
0.450
0.455
0.454
0.451
10 3
102
101
102
, http://www.100md.com
1.0
亚硝酸钠/g.l-1
1.000
2 .250
2.232
2.297
2.241
98.2
105
99.1
101
2.9
, 百拇医药
2.4 样品测定
移取各批号的新洁尔灭适量，稀释，震摇，定 容后按照实验方法，在9个特征波长处分别进行紫外吸收值的测定。将测定值数据输入已经 训练好的人工神经网络程序中，人工神经网络输出结果见表2。表2 人工神经网络输出结果 批 号
苯扎溴铵
/g.l-1
亚硝酸钠
/g.l-1
批 号
苯扎溴铵
/g.l-1
, http://www.100md.com
亚硝酸钠
/g.l-1
970411
0.2005
1.261
0.2012
1.252
0.2060
1.270
970520
0.2068
1.262
, http://www.100md.com
0.2021
1.262
0.2028
1.253
由样品测定方法可得稀释 因子。根据表2，用人工神经网络输出结果除以稀释因子，经计算测定，新洁尔灭样品含量如表3。表3 新洁尔灭样品测定 批 号
苯扎溴铵
/g.l-1
RSD/%
亚硝酸钠
, http://www.100md.com
/g.l-1
RSD/%
1.00
5.04
970411
1.03
1.01
1.4
5.08
5.06
0.4
, 百拇医药
1.01
5.01
1.01
5.01
970520
1.03
1.02
1.2
5.05
5.02
0.5
1.01
5.01
, http://www.100md.com
我们同时用经典测定方法对以上两批号样品中苯扎溴铵的含量进行测定，其测定结果在 95%的置信水平下，与本实验结果无显著性差异，说明本实验方法是可行的。
3 讨 论
人工神经网络网络参数的选择较为重要。通 过优化，实验结果表明：隐蔽层节点数为5时，网络性能较好。学习速率η，动量项α对网 络性能的影响较大。如果网络参数选择得当，人工神经网络模型收敛速度很快；规定循环次 数及实验误差，能够使训练样本的输出值更加接近期望值，从而得到准确的实验结果。
通 过本实验及对其它紫外光谱有重叠的药物含量分析表明，人工神经网络是一种模拟人脑功能 的新型信息处理系统，具有自适应学习及自动建模功能，适用于紫外光谱有重叠的药物含量 分析，是一种有发展前途的可行方法。
参考文献
, 百拇医药 1，邓勃，莫华.人工神经网络及其在分析化学中的应用.分 析实验室，1995，14(5)∶.
2，Niu AQ,Li DP,Wan LQ,et al.SPIE,applic ation of artificial nerual network,vol,1496,11(1991).
3，Li Z,Cheng ZN,Xu L,et al.Nonliner fit ting by using a neural net algorithm.Anal Chem,1993,65∶393.
4，严拯宇，姜新民，康继宏，等.人工神经网络在复方替硝 唑分光光度法中的应用.中国药科大学学报，1998，29(2)∶128.
5，中国药典.二部.1990∶58.
6，靳蕃，范俊波，谭永东.神经网络与神经计算机原理、应 用.成都：西南交通大学出版社，1991∶286.
收稿日期：1999-04-08, 百拇医药
单位：王朝晖(华中师范大学 武汉 430072)；严拯宇 姜新民(中国药科大学分析化学教研室 南京 210009)
关键词：人工神经网络；误差反向传播；吸收光谱；新洁尔灭
中国现代应用药学000219 摘要 目的：对紫外吸收光谱重叠的新洁尔灭进行多组分不经分离的含 量测定。方法：应用BP方法即人工神经网络误差反向传播方法对其进行 含量测定。结果：网络隐蔽层的节点数为5、以9个节点输入时，苯扎溴 铵和亚硝酸钠的平均回收率分别为102%和101%，RSD分别为1.0%和2.9%。 结论：该方法测定结果准确，性能良好；对于其它吸收光谱相互重叠的 药物含量测定有一定的借鉴作用。
Determination of liqour benzalkori bromidum contents by B method in UV spectrum
, 百拇医药
Yan Zhengyu(Yan ZY),Jiang Xinmin(Jiang XM),Wang Zhaohu i(Wang ZH)
(Department of Analytical Chemistry,China Pharmaceutic ial University,Nanjing 210009)
ABSTRACT OBJECTIVE：Determinate the contents of liqour benzalkori b romidum in which UV spectrum are overlapped.METHOD:The error back-p ropagation(BP) method of artificial neural network has been used to determinate benzalkonium bromide and sodium nitrite without separating them.In 400～240nm,th e absorbance(A) at 9 wavelength were taken as character parameter of artificial neural network,and samples value were input.RESULTS:When hidden laye r node of ANN is 5 and input layer node equal 9,the calculation results show tha t average recoveries of benzalkonium bromide and sodium nitrite are 102% and 101 %,RSD are 1.0% and 2.9%.CONCLUSION:The results show that the method is accurate and the network performs satisfactory.The effect of the network parameters on the analytical result are discussed.
, 百拇医药
KEY WORDS artificial neural network,back-propagation,spectrum an alysis,liqour benzalkori bromidum
新洁尔灭的主要成分是苯扎溴铵、 亚硝酸钠和碳酸氢钠，前二者紫外吸收光谱重叠。对于此类多组分混和物体系，由于吸收光 谱的相互重叠，组分间的相互干扰，使得定量分析较为困难。人工神经网络[1～4] 在光谱分析中的应用可以克服以上困难。
新洁尔灭的分析方法已有报道[5]。而 将BP方法[6]即误差反向传播的人工神经网络方法用于此类具有紫外重叠光谱的药 物的分析，通过对ANN模型参数进行优化，为多组分不经分离紫外定量分析提供了另一种新 的途径，对于药物分析是很有意义的。人工神经网络方法以容错性、并行性、自习性和非线 性为其主要特点，快速，操作简单，结果准确。取得了较为满意的结果。
, http://www.100md.com
1 实验部分
1.1 仪器与试剂
日本岛津UV-2100自 动扫描紫外分光光度计，奔腾Ⅱ计算机，BP方法的人工神经网络计算机程度。
新洁尔灭( 南昌扬子洲制药厂)；苯扎溴铵、亚硝酸钠(上海试剂总厂)；重蒸馏水。
1.2 人工神经网络模型构造及运算方法
人工神经网络是由许多多输入 单输出的神经元按一定的拓扑结构相连接起来所构成的网络。网络的信息处理和传递等动力 学行为完全体现在网络连接权的变化和取值上。根据人工神经网络原理，本文将神经元按一 定方式连接成网状结构，构造新洁尔灭三层人工神经网络模型；X为神经元接受的信息，Y为 输出信息。网络输入层代表苯扎溴铵和亚硝酸钠的特征参数(即在不同波长的吸收度)，用16 个训练样本，通过9个节点输入。人工神经网络隐蔽层节点数为5。输出层代表它们的浓度， 含两个输出节点。对任一神经元节点，均有y=f(∑WijXi-θ。Wij为各网络 节点间的连接权，θ为神经元阈值，f为作用函数，本文采用非线性函数f(x)=1/[1+exp(-x)]。
, http://www.100md.com
在自学习过程中，选择网络参数，一系列输入输出学习模式供给网络学习，并按照 一定学习规则调节各层节点之间的连接权重，以使网络的实际输出与期望输出相比较达到一 定的精度要求。固定权重，测定样品。
2 结果与讨论
2.1 紫外吸收光谱
分别对苯扎溴铵对照品、亚硝酸钠对照品及新洁尔灭进行紫 外光谱扫描。
仪器条件：UV-2100紫外光谱扫描，新洁尔灭扫描波长范围240～400nm，间 隔2nm,速度为快速，吸收度表示为A，范围为0～1，扫描结果如图1所示。
图1 新洁尔灭吸收光谱 图
, 百拇医药 1-苯扎溴铵；2-亚硝酸钠；3-新洁尔灭
由图1，新洁尔灭吸收光谱：苯扎溴铵，亚硝酸钠在240～400nm波长处紫外光谱有重叠，苯 扎溴铵的最大吸收波长258nm,亚硝酸钠最大吸收波长353nm。经测定碳酸氢钠无干扰，所以 新洁尔灭紫外吸收光谱为苯扎溴铵与亚硝酸钠吸收光谱的叠加。
2.2 输入节点确定
由上述紫外吸收光谱，选择苯扎溴铵标准溶液和亚 硝酸钠标准溶液按一定比例共取16个浓度组合作为新洁尔灭的人工神经网络训练样本，每一 个训练样本在扫描波长范围里挑选9个具有特征波长的吸收值，作为人工神经网络的9个输入 节点。
2.3 回收率测定
输入训练样本，按上述计算步骤进行训练， 直至实际输出值与目标值之间误差小于一给定值，固定当前权重值。按照回收率的实验方法 移取一定量的样液，加入一定量的标准溶液，定容后UV-2100上进行测定，所得数据输入计 算机，得到输出值后，由下式计算回收率：回收率%=(输出量-样品量)/加入量×100。结果 见表1。
, http://www.100md.com
表1 回收率测定 样 品
加入量
期望值
/样+标
输 出 值
回收率/%
平均回收率
/%
RSD/%
1
2
3
, http://www.100md.com 1
2
3
苯扎溴铵/g.l-1
0.200
0.450
0.455
0.454
0.451
10 3
102
101
102
, http://www.100md.com
1.0
亚硝酸钠/g.l-1
1.000
2 .250
2.232
2.297
2.241
98.2
105
99.1
101
2.9
, 百拇医药
2.4 样品测定
移取各批号的新洁尔灭适量，稀释，震摇，定 容后按照实验方法，在9个特征波长处分别进行紫外吸收值的测定。将测定值数据输入已经 训练好的人工神经网络程序中，人工神经网络输出结果见表2。表2 人工神经网络输出结果 批 号
苯扎溴铵
/g.l-1
亚硝酸钠
/g.l-1
批 号
苯扎溴铵
/g.l-1
, http://www.100md.com
亚硝酸钠
/g.l-1
970411
0.2005
1.261
0.2012
1.252
0.2060
1.270
970520
0.2068
1.262
, http://www.100md.com
0.2021
1.262
0.2028
1.253
由样品测定方法可得稀释 因子。根据表2，用人工神经网络输出结果除以稀释因子，经计算测定，新洁尔灭样品含量如表3。表3 新洁尔灭样品测定 批 号
苯扎溴铵
/g.l-1
RSD/%
亚硝酸钠
, http://www.100md.com
/g.l-1
RSD/%
1.00
5.04
970411
1.03
1.01
1.4
5.08
5.06
0.4
, 百拇医药
1.01
5.01
1.01
5.01
970520
1.03
1.02
1.2
5.05
5.02
0.5
1.01
5.01
, http://www.100md.com
我们同时用经典测定方法对以上两批号样品中苯扎溴铵的含量进行测定，其测定结果在 95%的置信水平下，与本实验结果无显著性差异，说明本实验方法是可行的。
3 讨 论
人工神经网络网络参数的选择较为重要。通 过优化，实验结果表明：隐蔽层节点数为5时，网络性能较好。学习速率η，动量项α对网 络性能的影响较大。如果网络参数选择得当，人工神经网络模型收敛速度很快；规定循环次 数及实验误差，能够使训练样本的输出值更加接近期望值，从而得到准确的实验结果。
通 过本实验及对其它紫外光谱有重叠的药物含量分析表明，人工神经网络是一种模拟人脑功能 的新型信息处理系统，具有自适应学习及自动建模功能，适用于紫外光谱有重叠的药物含量 分析，是一种有发展前途的可行方法。
参考文献
, 百拇医药 1，邓勃，莫华.人工神经网络及其在分析化学中的应用.分 析实验室，1995，14(5)∶.
2，Niu AQ,Li DP,Wan LQ,et al.SPIE,applic ation of artificial nerual network,vol,1496,11(1991).
3，Li Z,Cheng ZN,Xu L,et al.Nonliner fit ting by using a neural net algorithm.Anal Chem,1993,65∶393.
4，严拯宇，姜新民，康继宏，等.人工神经网络在复方替硝 唑分光光度法中的应用.中国药科大学学报，1998，29(2)∶128.
5，中国药典.二部.1990∶58.
6，靳蕃，范俊波，谭永东.神经网络与神经计算机原理、应 用.成都：西南交通大学出版社，1991∶286.
收稿日期：1999-04-08, 百拇医药