光譜學分析匯總十篇

序論：好文章的創(chuàng)作是一個不斷探索和完善的過程，我們?yōu)槟扑]十篇光譜學分析范例，希望它們能助您一臂之力，提升您的閱讀品質，帶來更深刻的閱讀感受。

篇（1）

中圖分類號：TS207.3 文獻標識碼：A 文章編號：1009-914X（2016）11-0258-01

近紅外光具體指波長在780-2526nm范圍內的電磁波，近紅外光譜分析技術則是光譜測量技術同化學計量學的有機結合。近紅外光分析技術應用范圍不斷拓展，在食品行業(yè)中應用于調味品、酒制品、肉類等成分鑒別以及真?zhèn)舞b別，近年來其在牛奶制品化學分析中也得到了較為廣泛的應用。分析近紅外光譜技術在牛奶及其制品分析檢測中的應用，實施對牛奶及其制品的質量安全控制，有著重要的現(xiàn)實意義。

一、近紅外光譜分析技術原理

近紅外光譜分析技術是近幾十年來發(fā)展最為迅速的高新分析技術之一。我國從上世紀80年代開始應用近紅外光譜分析技術，并逐漸拓展到食品、農(nóng)業(yè)、石化等多個領域，近紅外光譜是分子振動光譜倍頻與合頻吸收光譜，主要為X-H鍵吸收。由于不同基團（例如苯環(huán)，甲基等）所生成的光譜在吸收峰的強度以及位置上有差異性，結合朗伯-比耳吸收定律，光譜特征將鎖著樣品成分含量的變化而變化。近紅外光譜分析技術具體有以下幾個優(yōu)點：傳輸性能良好，近紅外光在光導纖維中傳輸性能較好，能夠實現(xiàn)對生產(chǎn)工藝流程的在線檢測；檢測手段無損。近紅外光譜分析技術檢測不對樣品產(chǎn)生損傷，特別是在活體檢測上有著非常大的優(yōu)勢；分析速度快捷。近紅外光譜分析技術不用對樣品進行預處理，對于樣品的測量通常在1分鐘之內可以完成，其分析速度較快，效率較高；綠色環(huán)保。近紅外光譜分析技術在檢測中不對環(huán)境產(chǎn)生污染，因而其也被稱作綠色檢測技術。

二、近紅外光譜分析技術在牛奶化學分析中的應用

牛奶是由多種物質所組成的混合物，其具體包括真溶液、膠體懸乳液、高分子溶液以及乳濁液等。而牛奶成分中蛋白質分子、脂肪等對于近紅外光有著吸收作用，因而近紅外光譜分析技術在牛奶化學分析測定中能夠得到良好應用。近紅外光譜分析技術在牛奶制品上的應用主要體現(xiàn)在在線檢測與離線檢測兩個方面。在線檢測是指借助光纖探頭直接在生產(chǎn)線中對樣品進行檢測；離線檢測指用紅外反射儀對樣品杯或者試管中的樣品實施全反射檢測。其具體應用包括定性分析牛奶及其制品的產(chǎn)地來源與品種，以及定量分析牛奶及其制品的微生物與理化指標等。

1.在線檢測

牛奶生產(chǎn)過程中，因出廠產(chǎn)品一致化的要求，通常需要保證原料成分含量的一致性，而現(xiàn)實生產(chǎn)當中不能使生產(chǎn)停止來滿足在線檢測。近紅外光譜分析技術的應用則實現(xiàn)了對生產(chǎn)過程的實時監(jiān)控。在線檢測中，利用近紅外光譜分析技術對牛奶成分中的蛋白、乳糖、脂肪、蔗糖以及水分進行測量，能夠取得良好的效果，可廣泛應用與鮮奶成品生產(chǎn)以及奶粉生產(chǎn)過程中的質量監(jiān)控。并且如今近紅外光譜技術應用也已經(jīng)拓展到了牛奶中病菌數(shù)以及牛奶體細胞數(shù)測定方面。吳靜珠等提出了建立包括不同種類奶粉樣品集中的脂肪、乳糖、蛋白等的紅外模型，并采取全譜分析結合模型優(yōu)化的方法，簡化了近紅外技術在奶粉定量分析的步驟。劉蓉（2005）通過最小半球體積法以及半數(shù)重采樣法來對牛奶成分近紅外光譜實施奇異點剔除實驗，這兩種算法的有效結合有著快速簡單的特征，能夠適應牛奶成分等的在線檢測，可大大提升分析模型的精度與穩(wěn)定性。朱俊平（2003）通過多元線性回歸法構建用近紅外光譜分析技術檢測兒童高鈣奶粉蛋白、乳糖、脂肪的測定模型。其近紅外法測定結果與標準法測定結果相一致。但總體來看，目前近紅外光譜分析技術在牛奶及其制品在線檢測中的應用尚停留在實驗室的階段，要真正實現(xiàn)牛奶及其制品生產(chǎn)的在線檢測還需要做更多的工作。

2.離線檢測

營養(yǎng)成分檢測。牛奶制品營養(yǎng)成分檢測主要是指利用近紅外光譜分析技術對牛奶中的蛋白質、乳糖、脂肪等營養(yǎng)成分進行快速定量的分析。聯(lián)邦德國的R.T.Carl早在1991年就利用近紅外光譜分析技術以及偏最小二乘法分析牛奶中的脂肪含量，結果也表明利用近紅外光譜分析技術分析牛奶中脂肪含量是非常可行的。

摻假物質鑒別。牛奶制品中有許多摻假物質，例如植物蛋白、植脂末、乳清粉乃至三聚氰胺等。奶制品摻假成分檢測主要依賴傳統(tǒng)方法，而近紅外光譜分析技術的應用也能夠起到有效作用。韓東海（2006）具體應用近紅外光譜分析技術來鑒別純牛奶中的還原奶，結合判別分析方法構建起還原奶鑒別模型，并利用偏最小二乘法構建起原料奶的ph值以及酸度預測模型，具體誤差

致病菌分析。李守軍（2007）對利用近紅外光譜技術檢測牛奶中致病菌方法進行了分析。具體采用最小二乘法、余弦相似度聚類等方法建立利用近紅外光譜檢測原料乳大腸桿菌、總菌落數(shù)的模型，結果表明能夠在50分鐘內完成，可有效預測原料乳大腸桿菌以及總菌數(shù)。

三、近紅外光譜分析技術應用展望

我國的奶制品質量水準在食品市場中一直備受關注，牛奶產(chǎn)品的質量也一直是弱項，例如我國奶粉產(chǎn)品質量與西方國家有著巨大差距。究其原因，在于生產(chǎn)監(jiān)控以及原材料質量控制上的差距。近紅外光譜分析技術有著準確、快速、便捷等特性，得到了越來越廣泛的應用。而這項技術在牛奶及其制品中的應用，則能夠更有效地實施對牛奶制品的質量監(jiān)控。其對于提升生產(chǎn)質量控制，降低生產(chǎn)成本等發(fā)揮著重要的作用。但同時，目前近紅外光譜技術在牛奶分析檢測中的應用仍存在著諸多問題有待解決：牛奶為多分散體系，由于測量條件以及測量方法等諸多因素影響，測定結果的準確率有待提升，因而需要開發(fā)專用的數(shù)學模型以及相關配件來提升檢測精確度；近紅外光譜分析技術定性與定量分析的關鍵因素在構建準確的校正模型，因而需要進行多種建模方法的對比來獲取最優(yōu)化的模型；此外，近紅外光譜分析技術雖然分析成本較低，但其儀器本身較為昂貴，對于我國一些牛奶加工企業(yè)、牛奶養(yǎng)殖場所以及牛奶收購站而言，缺乏經(jīng)濟實力與生產(chǎn)規(guī)模。因而需要開發(fā)出更簡便，價格更低的近紅外儀器，拓展其在牛奶檢測中的應用范圍。

結束語

總而言之，近紅外光譜分析技術有著簡便、快速、綠色等特征，隨著我國乳制品工業(yè)的快速發(fā)展以及社會對于乳制品質量的關注，近紅外光譜分析技術有著廣闊的應用前景。目前我國乳品市場質量安全方面仍然存在著諸多問題，新形勢下，我們應當進一步加快對近紅外光譜分析技術在牛奶化學分析應用的研究，促進其在乳品生產(chǎn)檢測中的高效應用，從而提升我國乳制品的質量安全水平。

參考文獻

篇（2）

一、引言

就人造環(huán)境的概念提出來看，我們可以大致引出兩種源頭。

其一，我們今天所常見的幾種因為人類活動而導致的自然環(huán)境問題十分重大且對人類的生活有著重要的影響，例如挖空煤礦導致的山體崩塌以及地震，再比如，大量的砍伐樹木，不僅造成沙漠化嚴重，還導致大量的水土流失。這些問題都隨時影響到人類的生活甚至生命，在這種前提之下，人造環(huán)境被提上了命題。在重大的災難來臨之時，人們所創(chuàng)造的避難所均設在地下，例如核輻射，而在這種條件之下通過分析光譜與類生物機械進行結合制造的人造環(huán)境，在視覺上做到與真實自然環(huán)境別無二致便為重點。

其二，人類對于太空的探索不斷的進步。人們對于太空星球的探索以及資源的爭奪都是愈演愈烈，所提出來的論點之中有兩個極為重要，一是太空移民，一是太空資源開采。適宜人類居住的星球最重要的是哪些呢？大氣，水，除此之外的一部分環(huán)境問題我們均可以用人造環(huán)境結合類生物機械來進行處理，利用分析光譜制造應急人造環(huán)境，對于剛剛登陸開發(fā)移居星球的前幾批工作者來說是不可缺少的重點，在剛開始的惡劣環(huán)境之中可以用人造環(huán)境來改善進行星球開發(fā)的工作人員的生活環(huán)境。

二、可行性分析

1、光譜匹配系數(shù)

根據(jù)光電陰極的光譜響應特性曲線，我們可以計算出光譜響應率Sλ，將Sλ對其最大化Smax歸一化，可得相對光譜響應率為

S（λ）=Sλ/Smax――（1）

此時，光電陰極面接受的夜天光經(jīng)過景物反射后的輻射，即

ωλ= ρλPλ――（2）

其中（2）式中的ωλ為景物反射輻射光譜分布；ρλ為景物的光譜反射系數(shù)，他隨波長λ而變化；Pλ為夜天光輻射光譜分布，將景物的反射輻射光譜分布ωλ對其最大值ωmax歸一化，得到其相光譜分布為

ω（λ）=ωλ/ωmax――（3）

由此，我們可以從關系式定義光電陰極于景物反射輻射的光譜匹配系數(shù)為

α（S，ω（λ））=∫S（λ）ω（λ）dλ/∫ω（λ））dλ――（4）

那么我們分析式（4）可以知道，光譜匹配系數(shù)其實反映的是各種光譜響應的光電陰極對不同的輻射源的光譜利用率的高低，也就是說，這個利用率越高，越能夠得到與實際物體所產(chǎn)生的光譜一樣的光譜。分析可知當α越大時，匹配越好，從而微光夜視系統(tǒng)的觀測效果也就越好，反之越差時匹配越差觀測效果也就越差，根據(jù)式子我們可以知道α的值域在（0，1），越靠近1，越與實物反射產(chǎn)生的光譜相近，即越能體現(xiàn)出輻射源與實物之間的差別之小。達到以假亂真的效果。

2、光譜匹配基本模型算法

使用計算機軟件通過算法制作光譜比較模型，通過所測物體的光譜度和已知的物體世紀光譜互相對比，來判別被測物體的種類，那么同樣，我們可以通過對比從模擬人眼的光學儀器中的兩條光譜曲線來使得目標物體在視覺上與實際地物一模一樣。

2.1四值編碼算法

首先對已知地物類別的光譜輻射至取平均值，得到閾值A，然后將光譜輻射值已A為邊界分為[Xmin，A][A，Xmax]兩個區(qū)間，在重復上步再劃分得到總共四個區(qū)間。用同樣的方法對待目標光譜曲線進行四值編碼。使用異或方法，進行目標光譜和已知光譜匹配（即有區(qū)別為1，沒區(qū)別為0），最后比較相等的個數(shù)，將目標分到波段數(shù)目相似最多的類別。

2.2光譜角度匹配

光譜角度定義為兩地物光譜矢量之間的廣義夾角余弦為相似函數(shù)，將像元N個波段的光譜響應作為N維空間中的矢量，通過計算他與最終光譜單元之間的廣義夾角來表示它的匹配程度，夾角越小匹配程度越高，二者越相似。

日本kansai電力公司研制成功了一種新型太陽能輻射模擬系統(tǒng)，它不僅能模擬太陽光，還能模擬太陽熱。這套系統(tǒng)用計算機控制等和加熱器，一邊產(chǎn)生接近自然的太陽輻射。它還配有人工的自然環(huán)境分系統(tǒng)，可模擬不同的氣象條件。系統(tǒng)由氙燈，鹵素燈和加熱器組成，模擬陽光的波長范圍從可見光（0.38到0.78微米）到紅外線（0.78到20微米），而且光譜分布和自然陽光基本一樣。

三、人造環(huán)境光學

就目前形似來看，高光譜圖像在空間以及電磁譜維度中所利用較為廣泛，尤其在遙控領域。

基于成像光譜儀在眾多窄波段獲取數(shù)據(jù)的特點，可以用已知地物類型的反射光譜，通過光譜頻率曲線或特征匹配比較以達到識別地物類型的目的。長期的高光譜實驗也收集了大量的實驗室標準數(shù)據(jù)，建立了許多地物標準光譜數(shù)據(jù)庫；那么從另一方面來說，人們可以用已知的數(shù)據(jù)偽造出與真實光譜無二的光譜已達到以假亂真的目的。

四、結束語

光譜識別技術是以物質構成的光譜唯一性為基礎， 將目標的識別以光譜信息為第一特征，利用光譜的分析來得到現(xiàn)實生活中的自然物體在不同環(huán)境時所發(fā)射的光譜，對比獲得正確的光譜，利用光電器件發(fā)射出對應的光譜。光譜識別技術的發(fā)展，包括計算機算法的發(fā)展，使得利用光譜制作更加逼真的人造環(huán)境得到可能。

參考文獻：

篇（3）

中圖分類號：TP391.41 文獻標志碼：A

0引言

遙感圖像分類在現(xiàn)實生活中有著非常廣泛的應用，如地質勘探與地球資源調查、城市遙感與規(guī)劃管理、環(huán)境與災害監(jiān)測、現(xiàn)代精細農(nóng)業(yè)、測繪以及考古等遙感圖像精準分類是諸多應用的基礎問題，同時也是熱點問題近十幾年，衛(wèi)星傳感器技術得到了不斷發(fā)展，遙感圖像的光譜和空間分辨率不斷提高，目前較為流行的高光譜成像系統(tǒng)包括AVIRIS、HYDICE、ARCHER、HYMAP和HYPERION通過這些成像系統(tǒng)獲取的遙感圖像所蘊含的信息得到了極大豐富，這為高光譜圖像分類和聚類分析提供了新的契機，目前國內外學者提出了很多相關算法和方法，幾乎所有經(jīng)典的機器學習方法都被應用到圖像分類和聚類分析中分類方面諸如基于最大似然和貝葉斯估計的方法[1]、基于核和決策樹的方法[2]、基于圖的方法[3]，而在基于核的方法[4]中，支持向量機（Support Vector Machine，SVM）在分類中的表現(xiàn)較為突出；聚類方面的大多數(shù)方法都是通過像元之間的相似性，利用統(tǒng)計學方法對圖像進行聚合[5]但是，單一使用分類或者聚類方法無法充分利用圖像中所包含的光譜和空間信息，所以在文獻[6]中使用監(jiān)督分類方法初始化聚類分割區(qū)域的標簽，再通過流域變換獲取最優(yōu)的分割圖像，最終在分割區(qū)域內對分類圖像的結果標簽進行投票，分割區(qū)域將標記為投票最高的類別，其分類的最終結果優(yōu)于單一的分類或聚類方法文獻[7]用投票的方式對聚類結果和分類結果進行整合，最終使用分類所得的標簽投票決定分割區(qū)域的類別，然后再對結果進行降噪處理，其最終精確度也比傳統(tǒng)方法高但是，這兩種方法都需要使用大量的訓練樣本來構造分類器，分類成本都比較高為了減少分類器對訓練樣本數(shù)量的需求，提高訓練樣本質量成為首要問題近幾年，主動學習方法在尋找包含信息量較大、質量較高的訓練樣本時表現(xiàn)突出[8]

本文提出一種基于主動學習的高光譜圖像分類（Hyperspectral Image Classification based on Active Learning， HICAL）方法，關注如何在減少訓練集數(shù)量的同時提高分類精確度，結合了分類和聚類方法，充分利用高光譜圖像的光譜和原始空間特征，找到信息量較大的分割區(qū)域，進而獲取信息價值較高的訓練樣本，最終有效提高分類器的分類效果

1基于主動學習的高光譜圖像分類方法

1.1問題描述

為了盡可能地降低高光譜圖像分類精確度和所需的訓練樣本數(shù)量的比例，一方面需要充分利用高光譜圖像所蘊含的信息，另一方面需要提高訓練樣本的質量

HICAL方法是以分類和聚類結果結合后所構建的框架為基礎，使用本文提出的關注度計算方法對結合后的區(qū)域進行統(tǒng)計，以找到信息量較高的區(qū)域新的訓練樣本將在關注度較大的區(qū)域中產(chǎn)生，以此來提高訓練集的質量

1.2HICAL方法

1.2.1聚類分析

本文使用期望最大化（ExpectationMaximization，EM）算法對高光譜圖像進行聚類分析在統(tǒng)計計算中，EM是在概率模型中尋找參數(shù)最大似然估計的算法，其中概率模型依賴于無法觀測的隱藏變量在使用EM算法過程中，可以假設所有的樣本都是符合高斯分布

EM算法對圖像進行聚類過程中，為了使算法盡快收斂，將高光譜圖像的光譜波段進行分組求均值，以此來減少參與計算的光譜波段數(shù)量聚類所得到的分割圖像通過四聯(lián)通的方式進行區(qū)域劃分，并且給這些區(qū)域唯一標號得到的帶有標號的區(qū)域分割圖將作為模板，在后續(xù)迭代過程中與分類結果進行整合

1.2.2監(jiān)督分類

獲取聚類結果之后，需要對圖像進行監(jiān)督分類本文在分類過程中使用支持向量機（SVM）方法SVM是目前監(jiān)督分類使用較多的分類算法，是建立在統(tǒng)計學習理論的VC維理論和結構風險最小原理基礎上的，具有較好的泛化能力和學習能力

二分的支持向量機最終目標是找到一個（d-1） 維的決策面，將測試樣本分成兩類在使用SVM進行圖像分類時，總是將像元的特征通過一個核函數(shù)映射到一個較高維度的空間，這樣使樣本的區(qū)分度更大，通常使用高斯核函數(shù)（Radial Basis Function，RBF）

在二分問題中，通常將決策函數(shù)表示如下：

其中：SV表示得到的支持向量集合，對應的αi不等于0

使用SVM對多類問題進行分類時，通常采取兩種策略一種是一對一（OneAgainstOne，OAO）的方式，另一種是一對多的方式（OneAgainstAll，OAA），本文采用OAO的方式

HICAL方法在第一次監(jiān)督分類過程中，需要少許的訓練樣本，通過SVM構造分類器，且監(jiān)督分類的步驟在整個分類過程中是迭代進行的，每當新的訓練樣本被增加到訓練集時，都會重新構造分類器，對圖像進行新一輪分類

1.2.3整合聚類和分類結果

在獲取聚類和監(jiān)督分類結果后，借鑒文獻[7]中方法對兩個結果進行整合，以聚類連通區(qū)域為模型對監(jiān)督分類結果進行區(qū)域劃分，并給出標號最終在整合結果中的每一個區(qū)域內，都包含一個或一個以上的像元，這些像元分類標記的類別可能比較集中，也可能比較分散，這些分類標記主要取決于監(jiān)督分類器的預測

1.2.4獲取新樣本來源區(qū)域

獲取整合結果之后，需要在結果所包含的區(qū)域中找到包含信息量較大的區(qū)域實驗中總是更為關注那些含有較多像元，且分類標簽比較分散的區(qū)域這樣的區(qū)域如果分類準確度較高，將會很大程度地提高總體分類精確度因此，對區(qū)域的關注度給出如下公式定義：

其中：b為區(qū)域i包含像元個數(shù)ni的權重基數(shù)，用戶可根據(jù)情況自己選擇；t為迭代抽樣的次數(shù)，其意義是，隨著迭代的進行，在較大區(qū)域已經(jīng)得到關注和抽樣之后，對于這些區(qū)域的關注度將會不斷下降，這樣在防止大區(qū)域過分取樣的同時，可以很好地兼顧到小樣本區(qū)域，所以，可以很好地解決以往算法對小樣本區(qū)域分類精確度不高的難題

獲取不同區(qū)域的關注度值之后，為了更集中、更有效地提高請求詢問的訓練樣本的質量，將通過設定閾值來選取需要取樣的區(qū)域最終在t次迭代中將選取滿足如下條件的區(qū)域作為新訓練樣本的來源區(qū)域：

1.2.5新樣本選擇

獲取樣本來源區(qū)域后，可以定義迭代中所需新樣本的數(shù)量Ut對來源區(qū)域j∈Γt的取樣數(shù)量可以表示為μj，且滿足μj≥0在來源區(qū)域取樣的方式有兩種：S0和S1，其中S0是按照隨機方式在來源區(qū)域中選擇，而S1是根據(jù)來源區(qū)域中找到上一次監(jiān)督分類器標記的最多標簽類和次多標簽類的子區(qū)域，按照兩個子區(qū)域的樣本比例進行抽取

1.2.6主動學習過程

本文的HICAL方法迭代過程通過主動學習方式來實現(xiàn)整個過程分為兩個階段：1）初始化分類器階段，即初始監(jiān)督分類階段，在此階段首先需要提供少量的訓練集，訓練初始分類器；2）循環(huán)取樣階段，也是主動學習的主要階段，這個階段在未標記樣本中使用關注度進行查詢，獲取信息量較大的整合區(qū)域，從而進一步找到需要標注的樣本，標注之后追加到原有的訓練集中，重新對分類器進行訓練，這個過程不斷循環(huán)，直到達到停止條件這個停止條件可以有多種，比如新訓練樣本數(shù)量達到上限，或者是已經(jīng)達到迭代取樣的次數(shù)等

迭代結束后，將最后一次迭代所產(chǎn)生的分類結果和初始的聚類結果，按照聚類區(qū)域為模板，對所有分類產(chǎn)生的標簽進行投票，區(qū)域內所有的像元將歸屬到得票最高的標簽類最后進行降噪處理

2實驗及分析

2.1實驗環(huán)境

本文實驗環(huán)境：中央處理器Intel Core Duo P7350 2.00GHz，內存2GB，32位Windows 7操作系統(tǒng)；軟件平臺為Matlab R2012a

2.2實驗數(shù)據(jù)集

高光譜圖像分類實驗使用的是印第安納州農(nóng)林區(qū)域圖像數(shù)據(jù)集（Indian Pines）

印第安納州農(nóng)林區(qū)域圖像拍攝于1992年，使用紅外成像光譜儀（AVIRIS）獲取，其內容是印第安納州西北區(qū)域的某一農(nóng)業(yè)森林區(qū)的地表信息整幅圖像包含145×145像元，空間分辨率為20m，有220個波段，其中20個水吸收波段將在實驗前被除去圖像反映了16種不同的地物信息圖1（a）顯示這個高光譜數(shù)據(jù)的假彩色圖像；圖1（b）顯示了其真實的地物信息，不同的顏色代表不同的類別本次實驗針對的感興趣區(qū)域總共有10366個樣本，過去相關文獻中多數(shù)是在每一類別中隨機抽取10%的樣本作為訓練樣本，這樣的抽樣方式對樣本比較少的類別來說是非常不利的為了和傳統(tǒng)的分類方式對比，在實驗中也將采取這樣的抽樣方式，但抽樣的百分比會降低

2.3實驗過程和結果分析

2.3.1HICAL方法與傳統(tǒng)隨機取樣方法比較

本實驗將本文的HICAL方法與傳統(tǒng)隨機取樣方法進行對比表1中顯示了各個算法的整體分類精確度（Overall Accuracy，OA）、平均分類精確度（Average Accuracy，AA）、Kappa系數(shù)以及每種地物的分類精確度SVM和SVM+EM算法[7]是在每一個類別中隨機抽取10%的樣本（1029個）作為訓練集，其中SVM+EM也是結合光譜和空間特征的分類方法作為對比，本文算法將在每類隨機抽取4%的訓練樣本（407個）上進行

通過式（2）計算出每一個分割區(qū)域的關注度值，這樣就可以選出一些關注度較高的區(qū)域作為新訓練樣本來源區(qū)域實驗中取γt=0.15，每一次迭代對樣本的抽取數(shù)量做出限定，為了和傳統(tǒng)的方法比較，實驗中只進行4次迭代，每次迭代取樣本數(shù)Ut=50分別使用S0和S1方法對新樣本來源區(qū)域進行取樣（如表1所示）

迭代起始階段，大樣本區(qū)域的關注度值會比較高，這樣在開始的迭代過程中可以有部分提高分類器的分類準確度，迭代后期，關注的重心轉向區(qū)域較小的分割區(qū)從表1中可以看到，在迭代4次后，訓練樣本總數(shù)為607，遠小于隨機抽取10%的1029，但Alfalfa、Grass/pasturemowed和Oats三個小樣本區(qū)域的分類精確度已經(jīng)得到了非常顯著的提高這說明HICAL方法可以有效地解決這種小樣本區(qū)域的分類難題，最終獲取的分類結果無論是整體分類精確度還是平均分類精確度都得到了明顯提高（如表1）

2.3.2HICAL方法和相關主動學習方法比較

本實驗將HICAL方法和目前較新的且表現(xiàn)優(yōu)秀的主動學習方法進行比較[9]實驗中，初始化分類器時需要80個訓練樣本（每一類別5個），每一次迭代都將獲取50個新樣本標注為訓練集，同時設定每一次迭代的閾值都為γt=015在初始取樣方法和所獲得的訓練樣本總數(shù)都相等的情況下，LORSALALMLL、MPMLBPAL兩種算法使用四種不同的方式迭代獲取訓練樣本：RS（Random Selection）、MI（Mutual Information）、BT（Breaking Ties）、MBT（Modified Breaking Ties）表2中給出了這些不同方法獲取的分類結果可以看出，本文提出的方法在總體分類精度上更為出色

3結語

本文提出了一種基于主動學習的高光譜圖像分類方法HICAL，能夠充分利用圖像的光譜特征和原始空間特征，同時使用一種新的高效的區(qū)域關注度計算方法對結合區(qū)進行統(tǒng)計，根據(jù)統(tǒng)計后的數(shù)值能夠非常精確地找到信息量價值較高的區(qū)域，進而獲取質量較高的未標記樣本以此提高整體訓練集的質量，在訓練樣本較少的情況下能夠有效提高整體分類精確度和平均分類精確度，從而降低分類精確度和訓練樣本數(shù)量的比值

本文方法在分類過程中較之傳統(tǒng)的分類方法更能解決樣本失衡的問題，能夠有效地解決小樣本區(qū)域的分類難題；同時文中所提出的分類方法擴展性較強，在分類和聚類算法的選擇上比較寬松，可以使用諸如K均值、自組織迭代技術等算法進行替代在HICAL方法迭代過程中，關注度閾值的選取和樣本數(shù)量的設置，以及對區(qū)域樣本的選擇方法將是我們進一步研究的內容；同時我們也將關注其他分類和聚類算法，以期減少算法的時間復雜度

參考文獻：

[1]LANDGREBE D A. Signal theory methods in multispectral remote sensing [M] . New York： Wiley， 2003.

[2]MOUSTAKIDIS S， MALLINIS G， KOUTSIAS N， et al. SVMbased fuzzy decision trees for classification of high spatial resolution remote sensing images [J]. IEEE Transactions on Geoscience and Remote Sensing， 2012，50（1）：149-169.

[3]BAI J， XIANG S M， PAN C H. A graphbased classification method for hyperspectral images [J]. IEEE Transactions on Geoscience and Remote Sensing， 2013，51（2）：803-817.

[4]LI CH， KUO BC， LIN CT， et al. A spatial contextual support vector machine for remotely sensed image classification [J]. IEEE Transactions on Geoscience and Remote Sensing， 2012，50（3）：784-799.

[5]MAULIK U， SAHA I. Modified differential evolution based fuzzy clustering for pixel classification in remote sensing imagery [J]. Pattern Recognition， 2009，42（9）：2135-2149.

[6]TARABALKA Y， CHANUSSOT J， BENEDIKTSSON J A. Segmentation and classification of hyperspectral images using watershed transformation [J]. Pattern Recognition， 2010，43（7）：2367-2379.

篇（4）

收集不同種植區(qū)域、不同品種、不同部位的單料煙樣品共110個。將樣品放入烘箱內，40℃排氣烘烤2h，然后磨碎過40目篩，控制含水率在6%～10%之間。

1．2試驗儀器及軟件

儀器:Antaris傅里葉變換近紅外光譜儀(美國ThermoNicolet公司);Agilent7890－5975氣相色譜質譜儀(美國Agi-lent公司);AG204型電子天平(感量0．1mg，瑞士梅特勒－托利多公司);GFL3020震蕩器(德國GFL公司);電熱恒溫水浴鍋(德國GFL公司);VELPDK20消化器(意大利VELP公司);連續(xù)流動分析儀(美國Astoria－Pacific公司);旋轉粉碎機(北京高科公司);恒溫箱(日本ESPEC);SDE蒸餾器(鄭州玻璃儀器廠);可控溫度電熱套及恒溫水浴鍋。軟件:TQAnalyst8數(shù)據(jù)分析軟件(美國ThermoNicolet公司);SPSS13．0統(tǒng)計產(chǎn)品與服務解決方案(美國IBM公司)。

1．3近紅外光譜掃描

取適量煙末裝入石英杯中，用500g的壓樣器壓平杯中樣品后，放到光譜儀器臺上掃描。儀器的工作參數(shù):光譜范圍3800～10000cm－1，間隔4cm－1，分辨率8cm－1，掃描次數(shù)69次。

1．4常規(guī)化學成分的測定

參照煙草行業(yè)標準規(guī)定的方法應用連續(xù)流動分析儀測定樣品的總糖、還原糖、煙堿、總氮、氯、鉀含量，并計算出相應的糖堿比和鉀氯比［11］。

1．5揮發(fā)性香味成分分析

采用同時蒸餾萃取的方式提取樣品中的揮發(fā)性香味成分，具體操作如下:樣品稱質量25g，加水300mL、二氯甲烷60mL，同時蒸餾萃取2．5h，濃縮后加內標乙酸苯乙酯(12．553g/L)10μL后待測。采用安捷倫7890－5975NGC－MS分析，色譜柱HP－5(30m×250μm×0．25μm)，進樣口溫度250℃，流速1mL/min，分流比10∶1。起始溫度60℃，以5℃/min升溫到80℃，保持5min;以2℃/min升溫到150℃，保持10min;以2℃/min升溫到200℃，保持20min;以2℃/min升溫到280℃，保持10min，總運行時間149min。共檢測到揮發(fā)性香味成分33種。

1．6逐步判別分析

逐步判別分析是一種多元統(tǒng)計方法。整個變量篩選過程實質就是作假設檢驗，通過檢驗引入顯著性變量，剔除不顯著變量。反映在輸出結果上，通常可以用F值的大小作為變量引入模型的標準，即一個變量是否能進入模型主要取決于協(xié)方差分析的F檢驗的顯著水平。逐步判別過程本身并不建立判別函數(shù)，篩選出重要變量后，采用Bayes判別方法建立判別函數(shù)和判別準則，對新樣品進行判別歸類。

2結果與分析

2．1近紅外譜圖的處理

2．1．1譜圖的預處理

煙草樣品的近紅外譜圖會受到樣品顏色及儀器穩(wěn)定性的影響而出現(xiàn)噪音及基線漂移，所以必須對樣品的近紅外譜圖進行前處理［6］。利用TQAnalyst8分析軟件包中的優(yōu)化功能，采用如下方法可獲得理想的結果:多元散射校正消除樣品不均勻帶來的差異;采用段長為9、間隔為5的NorrisDerivative濾波平滑光譜，消除高頻噪音，保留有用的低頻信息;采用二介微分處理，消除基線漂移的影響，獲得比原光譜更高分辨率和更清晰的光譜輪廓變化。

2．1．2譜圖的主成分分析

選擇4000～8000cm－1波數(shù)為分析區(qū)域，由主成分分析獲得樣品的10個主成分，前5個主成分的貢獻率達到96．97%，即5個主成分就能夠代表96.97%的近紅外譜圖信息，所以以5個主成分得分為分析對象，采用逐步判別分析進行模式識別。

2．2煙葉種植區(qū)域模式識別結果的比較

收集的樣品由福建、云南、安徽、江西、貴州4個地區(qū)的煙葉樣品組成，依據(jù)《中國煙草種植區(qū)劃》［13］110個樣品屬于5個產(chǎn)區(qū)，從每個產(chǎn)區(qū)隨機抽取5個作為外部驗證樣品，其余作為建模樣品。通過逐步判別分析，篩選出對于種植區(qū)域判別有主要影響作用的6種化學成分，即糠醛、吲哚、香葉基丙酮、柏木醇、新植二烯和氯，并獲得其Bayes判別函數(shù)，同樣由逐步判別分析獲得近紅外光譜5個主成分得分煙葉種植區(qū)域的Bayes判別函數(shù)。將篩選出的變量代入Bayes判別函數(shù)計算得到判別值，比較各判別值大小，其中最大值所對應的分組便是判別分組。表2表明，化學成分建模85個樣品種植區(qū)域交叉驗證模式識別的準確率為91．76%，外部驗證25個樣品種植區(qū)域模式識別的準確率為80．00%;近紅外光譜建模85個樣品種植區(qū)域交叉驗證模式識別的準確率為89．41%，外部驗證25個樣品種植區(qū)域模式識別的準確率為80．00%。種植區(qū)域化學成分模式識別的準確率略高于近紅外譜圖模式識別的結果。滇南桂西山地丘陵烤煙區(qū)及滇西高原山地烤煙煙區(qū)都屬于云南地區(qū)，地理位置較近，且種植水平及習慣接近，因此2個地區(qū)的樣品發(fā)生部分誤判，閩西贛南粵東丘陵煙區(qū)、皖南贛北丘陵烤煙區(qū)、黔中高原山地烤煙區(qū)樣品識別正確率較高(表2)。

2．3煙葉品種模式識別結果的比較

收集的110個煙葉樣品共有云煙87、翠碧1號、K326、紅花大金元等4個品種，從每個品種中隨機抽取5個作為外部驗證樣品，其余的樣品作為建模樣品。通過判別分析，篩選出對于品種模式識別有主要影響的4種化學成分，即4－環(huán)戊烯－1，3－二酮、茶香酮、香葉基丙酮、氯，并獲得了其Bayes判別函數(shù)，同樣由逐步判別分析獲得近紅外光譜5個主成分得分煙葉品種的Bayes判別函數(shù)。目前我國主栽烤煙品種均直接或間接來自于相同的親本，甚至有些品種間親緣關系極近，致使品種鑒別時容易發(fā)生錯判。表4結果表明，化學成分建模90個樣品品種交叉驗證模式識別的準確率為77．78%，外部驗證20個樣品品種模式識別的準確率為70．00%;近紅外光譜建模90個樣品品種交叉驗證模式識別的準確率為82．22%，外部驗證20個樣品品種模式識別的準確率為75．00%。煙草品種的近紅外譜圖模式識別結果優(yōu)于化學成分模式識別的結果。

2．4煙葉部位模式識別結果的比較

收集的110個煙葉樣品中上部煙36個、中部煙38個、下部煙36個，從不同部位的煙葉樣品中隨機抽取8個樣品外部驗證樣品，其余的樣品作為建模樣品。通過判別分析，篩選出對于煙葉部位模式識別有主要影響的化學成分為三環(huán)萜、柏木醇、總煙堿，并獲得了其Bayes判別函數(shù)，同樣由逐步判別分析獲得近紅外光譜5個主成分得分煙葉部位的Bayes判別函數(shù)。表6結果表明，化學成分建模86個煙葉樣品部位交叉驗證模式識別的準確率為86．05%，外部驗證24個煙葉樣品的準確率為75．00%，近紅外光譜建模86個煙葉樣品部位交叉驗證模式識別的準確率為94．19%，外部驗證24個煙葉樣品的準確率為91．67%。煙葉部位的近紅外譜圖模式識別結果優(yōu)于化學成分模式識別的結果。

2．5模式識別結果比較

以化學成分、近紅外光譜建模樣品及外部驗證樣品模式識別正確識別的個數(shù)為變量進行相關性分析及配對t檢驗。相關性分析結果表明，2種方式獲得的結果都存在顯著的相關性(P＜0．05);配對t檢驗結果表明所獲得的結果差異不顯著(P＞0．05)(表7)。

篇（5）

[中圖分類號] G642

[文獻標識碼] A

[文章編號] 2095-3712（2014）22-0058-03[ZW（N]

[作者簡介]張煥君（1982―），女，河南許昌人，碩士，鄭州輕工業(yè)學院教師；程學瑞（1982―），男，河南安陽人，博士，鄭州輕工業(yè)學院副教授，研究方向：材料物理。

拉曼光譜的強度、頻移、線寬、特征峰數(shù)目以及退偏度與分子的振動能態(tài)、轉動能態(tài)、對稱性等特性有緊密的聯(lián)系，即與分子的結構緊密相關。而且拉曼光譜具有制樣簡單，分析快速、無損，所檢測的樣品僅需微量即可滿足測量要求等諸多優(yōu)點，因而成為研究分子結構的強有力工具，廣泛地應用于分子的鑒別、分子結構的研究、分析化學、石油化工催化和環(huán)境科學等各個領域[1-2]。然而，相對于氣相、液相色譜法的較高精度而言，較大的分析誤差率限制了拉曼光譜定量分析的應用。在實際應用中，拉曼光譜分析技術多用于樣品的定性分析，尤其是在實驗教學當中，更多的是強調其定性分析的作用，而忽略其定量分析的功能[3-4]。尤其是對具有強熒光背景物質，如乙醇及其混合溶液的定量分析，更是拉曼光譜定量分析中的難點問題。

為幫助學生克服這樣單一的認識，我們在教學實驗環(huán)節(jié)增加了相關實驗內容，采用拉曼光譜對乙醇溶液的濃度進行定量分析。在教學過程中，我們向學生介紹了拉曼光譜定量分析的理論依據(jù)、分析過程，并著重分析了誤差來源，以加深學生對拉曼光譜的認識，尤其是讓學生對其定量分析功能有了進一步的了解。

一、理論依據(jù)

拉曼光譜定量分析的理論依據(jù)為：

I=KΦC∫b[]0e（[WTBZ]ln[WTBX]10）（k+k）zh（z）dz

在上式中，I為光學系統(tǒng)所收集到的樣品表面拉曼信號強度；K為分子的拉曼散射截面積；Φ為樣品表面的激光入射功率；k、k′分別是入射光和散射光的吸收系數(shù)；Z為入射光和散射光通過的距離；h（z）為光學系統(tǒng)的傳輸函數(shù)；b為樣品池的厚度。由上式可以看出，在一定條件下，拉曼信號強度與產(chǎn)生拉曼散射的待測物濃度成正比，即I∝C。

二、實驗過程

實驗樣品材料為國藥集團化學試劑有限公司生產(chǎn)的濃度不低于99.7%的分析純乙醇、四氯化碳和去離子水。把不同體積的去離子水加入乙醇樣品中，配制成不同濃度的乙醇-水二元體系溶液；用激光功率為50mW（100%）的拉曼光譜儀采集純乙醇溶液、水、四氯化碳溶液的拉曼光譜圖；用拉曼光譜儀采集不同濃度的乙醇溶液的拉曼光譜圖，對每種濃度的樣品重復掃描3次，試驗結果取三次掃描的平均值。

三、結果討論

把配制好的不同濃度的乙醇溶液加入未受污染的樣品池，把不同濃度的樣品分別放在拉曼光譜儀上測出其拉曼光譜。熒光背底扣除后不同濃度的乙醇-水溶液的拉曼光譜圖如圖1所示。

圖1熒光背底扣除后不同濃度的乙醇-水溶液的拉曼光譜圖

表1中的數(shù)據(jù)進一步顯示出，隨著乙醇濃度的增加，特征峰強度的比值在不斷增加。純水的3200cm-1峰的強度I2與不同濃度乙醇的884cm-1峰的強度I1之比R1和面積比R2與乙醇濃度的關系見表1。擬合圖如圖2所示，R1和R2與乙醇濃度有較好的線性關系，其線性相關系數(shù)分別為0.98554和0.97558。

四、誤差分析

激光功率、樣品池、聚焦位置等因素會對定量分析結構有重要影響。

（一）激光功率的影響

不改變聚焦樣品的位置，激光功率分別選取100%、50%、10%、5%、1%和0.5%（100%為50mW），對50%的乙醇-四氯化碳溶液進行測試，結果如表2所示。

由表2可以看出，隨著激光功率的改變，兩個特征峰（峰459cm-1和884cm-1）的強度比值基本上在2.3左右，面積比值基本上在3.0左右。然而可以看出，當激光功率很小時（1%或0.5%），由于激發(fā)光源本身很弱，導致散射的拉曼信號強度本身也非常弱，而且信噪比很大，所以相對誤差比較大。而且當激光功率很強（100%功率）時，兩個特征峰的強度比值和面積比值都稍微偏離2.3和3.0，其原因可能是，激光功率很強時，其信號強度和熒光信號也比較強，而熒光對拉曼散射的干擾非常大，導致在扣除熒光背底過程中出現(xiàn)較大的偏差。

（二）樣品池的影響

如圖4是毛細管樣品池的拉曼光譜圖，實驗過程中用毛細管吸取待測溶液。毛細管作為樣品容器，在激光激發(fā)下也存在拉曼光譜和熒光背底，在基線處理和背底扣除過程中難以完全消除其影響，進而產(chǎn)生誤差。

圖4毛細管樣品池的拉曼光譜圖

（三）聚焦位置的影響

在同一樣品不同點進行多次測量，分析結果發(fā)現(xiàn)，混合溶液的特征峰強度的比值存在較大的偏差，主要原因可能是本次試驗使用的是顯微共聚焦激光拉曼光譜儀，3次測量的聚焦位置不同，以及數(shù)據(jù)處理過程當中熒光背底的扣除都會引起較大的誤差。對同一濃度的溶液測量3次，所得強度之比的不確定度為0.117，相對強度之比與乙醇濃度擬合直線的不確定度為0.024，相對面積比與乙醇濃度擬合直線的不確定度為0.858。

綜上所述，激光功率、樣品池、聚焦位置等因素會對拉曼光譜定量分析結構產(chǎn)生一定的影響。另外，乙醇的揮發(fā)、激光功率的穩(wěn)定性、實驗儀器的固有誤差等因素也會對測試結果帶來影響。然而，拉曼光譜定量分析的結果仍然有較大的可信度，可以作為一種有效的定量分析方法。

參考文獻：

[1]譚紅琳，李智東，張鵬翔，等.乙醇、甲醇、食用酒及工業(yè)酒精的拉曼光譜測定[J].云南工業(yè)大學學報，1999（2）.

篇（6）

近年來，中國青少年體質健康狀況逐年下降，對此，國家高度重視。國務院令（第560號）《全民健身條例》第二十一條指出：“學校應當按照《中華人民共和國體育法》和《學校體育工作條例》的規(guī)定，根據(jù)學生的年齡、性別和體質狀況，組織實施體育課教學，開展廣播體操、眼保健操等體育活動，指導學生的體育鍛煉，提高學生的身體素質。學校應當保證學生在校期間每天1小時的體育活動。”為了進一步貫徹落實《全民健身條例》，配合全國億萬學生陽光體育活動，中國健美操協(xié)會組織了全國健美操專家，根據(jù)不同年齡特點創(chuàng)編了6套規(guī)定動作普及組健美操，小、中、大學每個年齡段各兩套（一套徒手操、一套輕器械操）。

一、影響中學普及組健美操推廣的因素分析

中學組徒手規(guī)定動作針對青少年青春、陽光、活力的特征，以健康、活潑的陽光牛仔為成套主題，在動感的節(jié)奏里融入歡快的恰恰步伐和個性化牛仔手型，調皮、可愛，展現(xiàn)青春的活力和運動的魅力。簡單的街舞動作的第二風格，與牛仔的風格相互對應，使成套內容更為豐富。核心動作有：（1）刺激大腿外側肌群，修飾腿部線條，增強踝關節(jié)的靈活性的點地動作（Tap）；（2）鍛煉青少年背闊肌、胸大肌，提高肩關節(jié)靈活性，有效地糾正駝背、斜肩等不良姿態(tài)的動肩；（3）增強踝關節(jié)力量，預防崴腳，提高腿部靈活性與協(xié)調性的恰恰（cha cha）；（4）鍛煉小腿肌肉控制力，增強下肢運動協(xié)調性的漫步（Mambo）以及增強大腿和踝關節(jié)爆發(fā)力、定點控制能力、增強膝關節(jié)靈活性，鍛煉大腿前側肌群的彈踢腿（Skip）。

中學組輕器械套路選擇具有中華民族特色的扇子，利用扇子來寓意翅膀，表現(xiàn)當代中學生勇于拼搏、積極向上的精神。將街舞中的Up-Down的律動融入創(chuàng)編中，簡單易學，節(jié)奏感與發(fā)力制動感強。核心動作有：（1）踹腿街舞動作，需配合腹背肌收縮完成，隨音樂節(jié)奏加大動作幅度，可鍛煉腰腹與腿部發(fā)力的協(xié)調性，增強腹背肌力量，美化腰部線條，對大腿前側肌肉以及身體控制力與爆發(fā)力都有很好的鍛煉效果；（2）吸腿跳（Knee lift）可隨吸腿高度的增加，加強對大腿前側肌肉的力量鍛煉；（3）鍛煉小肌肉群的力量與協(xié)調性，同時可開發(fā)小腦，提高手指的靈活性的開扇經(jīng)典動作。

從普及組健美操兩套動作的內容分析中我們可以看出，普及組健美操主題鮮明，動作簡單易學，內容豐富多彩，為健美操愛好者提供了更多的選擇機會。第二風格更是各套動作亮點所在，在很大程度上增加了各套動作的新穎性、趣味性、時尚性和觀賞性，為普及組健美操的推廣提供了可靠的技術基礎。

2010年7月11日，全國普及組健美操規(guī)定動作首次培訓班在杭州隆重開班，考核合格的學員將具備本年度普及組健美操聯(lián)賽分站賽的執(zhí)法資格，為普及組健美操在全國的推廣邁出了關鍵的一步。2010年12月11日，湖南省普及組健美操教練員培訓班在湖南師范大學體育學院舉行，為我省及全國普及組健美操的推廣做出了重要貢獻。緊接著2011年1月29日，中國健美操協(xié)會推出了《全國普及健美操系列推廣活動管理辦法（試行）》，為普及組健美操在全國的推廣做出了賽制的保障。2011年3月，國家體育總局體操運動中心公布了《2011年全國普及健美操系列推廣活動競賽規(guī)程》，普及組健美操競賽在全國開始具體實施。通過比賽達到宣傳、交流、促進的效果。普及組健美操有其自身獨特的競賽觀賞性，充分挖掘健身運動競賽表演市場，并通過建立全國以及地方性的聯(lián)賽制度，調研設計賽事頻率、賽事規(guī)模，來促進普及組健美操賽事的發(fā)展，以賽事來宣傳、以賽事來促進健身操運動技術的交流，真正實現(xiàn)以賽促練、以賽帶練的目的。

合理的健美操場地和舒適的環(huán)境是普及組健美操的物質保障，場地的地面材料、高度都會影響健美操鍛煉者的練習效果。普及組健美操場地選擇室內場地較為適宜，地面應為木質材料地板且地面平坦、無裂痕、有彈性、防滑并保證室內空氣流通。鏡子是健美操鍛煉不可缺少的設備，一般來說，可選擇高度在2米以上，寬度貼于整個墻面的壁鏡，這樣投影清晰、照出的人體不變形。音響設備是健美操鍛煉所必需的設備，要求聲音純正、效果好。目前，我國中學體育設施及場館不斷完善，為普及組健美操的推廣與發(fā)展創(chuàng)造了有利條件。

二、從各方面入手，加大健美操推廣的力度

相關部門和單位應該設計合理的賽事，建立全方位的賽制，促進健身操運動技術的交流。積極組織不同的普及組健美操比賽，發(fā)現(xiàn)人才，加快普及組健美操在中學的影響力，通過比賽達到宣傳、交流、促進普及組健美操發(fā)展的效果。

要將教練員、裁判員的培訓工作列入項目推廣的首要工作，定期開展培訓，培養(yǎng)專業(yè)人才，讓他們熟練掌握普及組健美操的專業(yè)知識，從而推動學校乃至全國組健美操的發(fā)展，促進健美操技術水平的提高。

從學校教育體系出發(fā)，將普及組健美操作為“體育、藝術2+1”項目工程的課外體育活動，逐步建立從小學到大學普及組健美操運動員的培養(yǎng)體系，立足于校園，實現(xiàn)該運動項目的可持續(xù)發(fā)展。

普及組健美操的推廣應建立在黨委和政府的領導下，制訂教育、

篇（7）

【中圖分類號】G 【文獻標識碼】A

【文章編號】0450-9889（2017）03C-0008-03

一、問題的提出

早在1956年，國務院就頒布了關于推廣普通話（以下簡稱推普）的文件。然而，位處祖國邊疆的廣西少數(shù)民族地區(qū)，由于種種原因，在很長一段時間內推普工作進展緩慢。直到20世紀末，普通話在廣西少得褡宓厙的普及率仍然不高。1998年的“廣西語言文字使用情況調查研究”結果顯示，42.6%的受訪者還基本不會說普通話。

進入新世紀后，廣西的推普工作取得了長足的發(fā)展。2013年，廣西語委組織了“廣西中小學教師使用普通話教學現(xiàn)狀”調查，結果顯示，全區(qū)中小學校已全部使用普通話進行授課，普通話已成為師生課堂內外交流的首選語言。但是，廣西中小學教師的普通話水平大部分處于二乙水平（56.39%），二甲及以上水平的只占21.25%，而三甲以下水平的有22.36%。這從一個側面反映了現(xiàn)階段廣西普通話總體水平不高的事實，特別是廣西少數(shù)民族，在掌握普通話方面存在更多的難題。如何使廣西少數(shù)民族掌握的普通話從說得出到說得好，是今后廣西推普工作的重點。

關于廣西少數(shù)民族學習普通話的問題，已有不少學者做過研究。韋茂繁和韋樹關詳細地分析了壯族人民學習普通話的語音難點所在；覃鳳余也指出，廣西少數(shù)民族的普通話語音上存在“夾壯”“夾粵”“夾平”問題，詞匯、語法上存在偏離現(xiàn)象；覃如冰則用實驗的方法對比了壯族人民的普通話與標準普通話在聲學參數(shù)上的差異。

然而，僅從語言之間的差異來研究這個問題是不夠的。語言是一種交際工具，語言的使用是一種社會現(xiàn)象。社會成員對語言的選擇既是個性心理的反映，也是社會心理的體現(xiàn)。研究廣西少數(shù)民族學習普通話的問題，不僅要研究語言本身的問題，也要從社會學、心理學的角度研究語言使用者的問題。

二、少數(shù)民族學習普通話的社會心理表現(xiàn)

近年來，隨著新媒體的出現(xiàn)以及義務教育的普及，普通話在廣西少數(shù)民族地區(qū)的使用日益廣泛，城鎮(zhèn)以上的居民大多數(shù)能聽、能說普通話。少數(shù)民族人民學習普通話有主動的向往，也有被動的接受；是個人的選擇，也是時展的結果。據(jù)調查，當前廣西少數(shù)民族學習普通話的社會心理主要有以下一些表現(xiàn)。

（一）認同與追求

認同與追求是當前廣西少數(shù)民族對普通話最基本的社會心理表現(xiàn)。這種認同與追求體現(xiàn)在使用的廣泛性和學習的積極性上。如今，廣西少數(shù)民族地區(qū)縣級及以上的辦公場所，主流的語言都已經(jīng)由民族語或漢語方言轉為普通話（鄉(xiāng)鎮(zhèn)地區(qū)普通話與民族語、漢語方言多語共存）。在大部分的民族自治縣或少數(shù)民族聚居區(qū)，普通話漸漸為人們所接受，并悄然發(fā)展成為大眾交流的工具。人們對普通話的學習積極性空前高漲，孩子們從幼兒園起就開始學習普通話，部分家長甚至送孩子去培訓機構專門學習普通話。

廣西少數(shù)民族對普通話的認同與追求心理從根本上說是時展的必然結果，主要是由以下幾方面因素促成的。

1.學校教育。據(jù)廣西語委的資料記載，廣西自1998年起要求全區(qū)各級教學機構都要使用普通話進行教學。此后，普通話不僅被作為語文科目的內容，更被當作學習其他科目必備的工具，得到師生乃至整個社會前所未有的重視。1990年后出生的一代也因此有機會從小學開始就接受系統(tǒng)的普通話教育。如今，這些受過系統(tǒng)教育的學生陸續(xù)走向社會，成為社會上說普通話的中堅力量。

2.職業(yè)要求。首先，部分職業(yè)如教師、播音、主持等對普通話水平有專門的要求，個人要拿到相關的從業(yè)資格證，必須先拿到相應的普通話水平測試等級證書。這也促使從事這些職業(yè)或有志于從事這些職業(yè)的人員說好普通話。其次，政府提倡在學校、機關、企事業(yè)單位等公開、正式的場合使用國家通用的語言，這也促使人們重視普通話的學習和使用。再次，廣西語言眾多，絕大多數(shù)互相不能通話。隨著社會的發(fā)展，少數(shù)民族要到外地去求學、謀生，或不熟悉某地民族語言的人要到該地區(qū)去工作，都要學習普通話，借助普通話進行交流。這也直接促進了普通話在該地區(qū)的傳播和發(fā)展。

3.媒體宣傳。隨著經(jīng)濟的發(fā)展、生活水平的提高，人們有機會接觸到各種媒體，如網(wǎng)絡、電視、電影、手機等，而這些大眾媒體的主流語言是普通話，人們要想理解這些媒體的信息，就必須掌握普通話。這也使得一部分人雖然沒有職業(yè)要求，也沒接受過相關的教育，也會認同和自覺學習普通話。

4.從眾心理。從眾心理是指個體在群體中因受到群體的壓力，而在知覺、判斷、信仰以及行為上，表現(xiàn)出與群體中的大多數(shù)人一致的一種行為傾向。上述三方面的因素，使得社會的主流群體把普通話作為重要的交流工具，這種現(xiàn)象無疑會對當?shù)厣鐣a(chǎn)生廣泛而深遠的影響。一些基層民眾受到影響后，遂產(chǎn)生學習模仿心理，這樣也會促使他們認同和追求普通話，自覺學習普通話。

當前正是這種對普通話的認同與追求，極大地促進普通話在廣西少數(shù)民族地區(qū)的發(fā)展與傳播。然而，伴隨著少數(shù)民族對普通話的認同和追求，還有他們在學習和使用普通話中的隨流和畏難心理。

（二）隨流

當前，使用普通話在廣西少數(shù)民族地區(qū)已經(jīng)成為一種潮流，說的人越來越多，就形成了越來越強的普通話語境。但這種普通話并不是標準的普通話，而是帶有明顯的地方語言特色的“地方普通話”。這種“地方普通話”只有本地人熟悉，外地人聽來往往“不知所云”，十分不利于更廣泛的交流。但個體處在這樣的語境中，很容易受到影響而表現(xiàn)出隨流心理。隨流也是一種從眾。隨流心理不僅出現(xiàn)在學習普通話的過程中，也出現(xiàn)在使用普通話的過程中，通常表現(xiàn)為個體對周圍他人的發(fā)音特點和使用習慣的認可和接受上，并使自己的普通話使用表現(xiàn)出與周圍他人相似的特點。

第二，確保少數(shù)民族教師能得到足夠的有效培訓。首先，培訓要常態(tài)化。不僅要讓教師在考證前得到培訓，考證后也能得到培訓，以保持一定的水平。其次，指導要專業(yè)化。培訓人員應具備相應的語言學知識。再次，活動要經(jīng)常化。相關活動的支撐也是必要的。如可以經(jīng)常開展誦讀、演講等可以提升普通話水平的活動。

（三）加強對相關領域的研究

少數(shù)民族學習普通話是一種學習第二語言的實踐活動，這種實踐活動若能有正_的理論指導則能事半功倍。因此，加強對相關領域的研究是十分必要的。

第一，要加強對少數(shù)民族語言與普通話的對比研究。不同的民族語背景的少數(shù)民族學習普通話的難點不同。只有找出他們母語與普通話之間的差異，才能找到他們學習普通話的難點所在，進而找到合適的方法幫助他們。

第二，要加強對地方普通話的研究。影響少數(shù)民族普通話水平進一步提高的原因，除了母語的影響，更有來自地方普通話的影響。這種“地普”實際上是一種“中介語”，嚴重地阻礙了普通話水平的進一步提高。這種影響一定程度上甚至比來自母語的影響更大，因而應給予足夠的重視。

第三，要加強對少數(shù)民族學習普通話的特點和規(guī)律的研究。少數(shù)民族學習普通話雖然屬于第二語言的學習，但不完全等同于對外國語言的學習，不能照搬外國那套第二語言學習的理論和方法。且不同母語的人學習普通話會有不同的學習心理特點，呈現(xiàn)出不同的學習曲線。語言教育家要研究這些不同的學習特點和規(guī)律，形成一定的理論，以指導實踐。

總而言之，認同與追求、隨流和畏難是當前廣西少數(shù)民族學習普通話過程中普遍存在的心理狀態(tài)。少數(shù)民族對普通話的認同與追求心理非常有利于普通話在廣西民族地區(qū)的傳播與發(fā)展，應加以保護和利用。而隨流和畏難心理則會影響少數(shù)民族普通話水平的進一步提高，有關部門要注意引導，并制定相關的措施，以幫助他們消除或緩解這些不良心態(tài)。

【參考文獻】

[1]陸紅.廣西推普問題調查與研究[G]//陳海倫，李連進.廣西語言文字使用問題調查與研究.南寧：廣西教育出版社，2005

[2]韋茂繁，韋樹關.壯族人學習普通話語音難點突破[M].南寧：廣西民族出版社，2004

[3]覃鳳余.廣西人的普通話面貌[G]//陳海倫，李連進.廣西語言文字使用問題調查與研究.南寧：廣西教育出版社，2005

[4]覃如冰.壯族人學習普通話語音教學對策研究[D].南寧：廣西大學，2008

[5]沙蓮香.社會心理學[M].北京：中國人民大學出版社，2011

[6]許余龍.對比語言學[M].上海：上海外語教育出版社，2010

[7]廣西壯族自治區(qū)地方志編纂委員會.廣西通志?少數(shù)民族語言志[M].南寧：廣西人民出版社，2000

篇（8）

血清苯丙氨酸（Phe）和血清酪氨酸（Tye）均參與蛋白質的合成，也是哺乳動物必需的氨基酸和生酮生糖氨基酸，科學測定兩種物質在苯丙酮尿癥（PKU）的診斷、治療和預后方面具有非常重要的參考價值[1]。本研究采用高效液相色譜-熒光檢測法測定確診PKU和健康新生兒Phe濃度、Tye濃度及Phe/Tye比值，現(xiàn)報道如下。

1 資料與方法

1.1 一般資料 本研究所有資料來源于鄭州市婦幼保健院2010年1月-2012年7月期間檢驗科，空腹靜脈采血時間均在上午7∶30-10∶00，按照實驗室操作規(guī)范待血清自然析出后行離心分離，然后在-30 ℃冰箱中保存待測。將21例經(jīng)實驗室確診的PKU新生兒作為觀察組，其中男12例，女9例；出生3～28 d，平均（16.4±4.5）d。選擇同期22例健康新生兒作為對照組，其中男12例，女10例；出生3～28 d，平均（16.5±4.5）d。組間性別和出生時間比較差異無統(tǒng)計學意義（P>0.05），具有可比性。

1.2 測定設備、試劑和方法 所有新生兒均采用高效液相色譜-熒光檢測法測定Phe和Tye濃度，并計算Phe/Tye比值。高效液相色譜儀及其附件由安捷倫公司提供；實驗用水為超純水，經(jīng)美國Millipore公司Milli-Q純水器處理；苯丙氨酸和酪氨酸標準品由美國Sigma公司提供；其他試劑為常規(guī)實驗室優(yōu)級純或分析純。測定方法參考蔣姣伏等[2]研究，按照實驗室規(guī)范進行操作，色譜柱為Hypersil C8注，流動相為100：900體積比的乙腈-水，流速1 ml/min，熒光波長303 nm，激發(fā)波長210 nm。苯丙氨酸批內CV為4.08%，批間CV為7.11%，線性范圍12.21～1220.03 μmol/L，最低檢測限3.00 μmol/L，平均回收率102.52%；酪氨酸批內CV為2.98%，批間CV為5.24%，線性范圍5.52～550.11 μmol/L，平均回收率102.19%，最低檢測限0.82 μmol/L。

1.3 計算方法 血清苯丙氨酸（酪氨酸）=苯丙氨酸（酪氨酸）峰面積×標準液中苯丙氨酸（酪氨酸）濃度÷標準液中苯丙氨酸（酪氨酸）峰面積。

1.4 統(tǒng)計學處理 所有數(shù)據(jù)采用SPSS 19.0統(tǒng)計軟件包進行分析，計量資料以（x±s）表示，采取t檢驗，P

2 結果

3 討論

作為人體不能自身合成的必須氨基酸和芳香族氨基酸之一，苯丙氨酸具有非常顯著的生理活性，在機體內可被輔酶四氫生物蝶呤不可逆地轉化為酪氨酸，再經(jīng)酪氨酸途徑代謝為腎上腺素和黑色素，最終經(jīng)轉氨基生成少量苯丙氨酸。當機體內輔酶四氫生物蝶呤合成缺陷或編碼聚羥基脂肪酸酯途徑的基因發(fā)生改變時，酪氨酸羥化生成系統(tǒng)被破壞，降低或消失了聚羥基脂肪酸酯活性，腎上腺素和黑色素未能正常代謝而大量蓄積，從而增多了苯丙酮酸的生成，如果經(jīng)實驗室檢測發(fā)現(xiàn)血和尿中出血高濃度苯丙酮酸，則嚴重影響嬰兒的智力發(fā)育，表現(xiàn)為PKU。現(xiàn)代研究證實，大量苯丙氨酸能夠抑制神經(jīng)元突觸的形成和其他氨基酸進入大腦，從而影響大腦的發(fā)育，同時苯丙氨酸循旁路途徑代謝為苯丙酮酸隨尿液排出，表現(xiàn)為苯丙酮酸尿癥[3]。因此，科學測定正常幼兒血清苯丙氨酸、酪氨酸水平及比值對診斷和鑒別PKU尤為重要。

目前實驗室檢測的方法較多，主要有細菌抑制法、高效液相色譜法或熒光法等，其中細菌抑制法由于操作簡便和成本低等因素適用于大規(guī)模檢測Phe濃度，但半定量的檢測耗時較長，檢測結果容易受血清標本中抗生素影響較大；單純熒光法測定血清Phe濃度定量優(yōu)勢明顯，在自動化處理系統(tǒng)下靈敏度和精確度等方面優(yōu)于細菌抑制法，但檢測時間在4 h左右，同時熒光試紙空白校正非特異熒光能夠提高精確度，當不同廠家試劑盒和儀器檢測值差距較大，參考價值有效；高效液相色譜法對儀器和檢驗人員要求較高，不僅可以同時定量檢測Phe濃度和Tye濃度，而且具有快速、高效和靈敏度高等特點，是早期診斷和預防PKU的有效方法之一。高效液相色譜-熒光檢測法能夠同時檢測Phe濃度和Tye濃度，在短時間內經(jīng)色譜柱分離后用熒光檢測器在選定激發(fā)和發(fā)射波長完成檢測，臨床檢測和診斷更加簡便、快捷和準確。本研究觀察組Phe濃度、Phe/Tye比值明顯低于對照組（P

參考文獻

[1] 李影林.中華醫(yī)學檢驗全書（上卷）[M].北京：人民衛(wèi)生出版社，1996：672.

[2] 蔣姣伏，唐愛國，洪敏.正常幼兒血清苯丙氨酸、酪氨酸水平及比值測定[J].中國現(xiàn)代醫(yī)學雜志，2004，14（12）：95-96.

篇（9）

實踐教學管理是高校為了培養(yǎng)學生實踐能力所采用的新的管理模式，是根據(jù)高校的教學目的來開展的有規(guī)律的、有計劃的實踐教學活動。[1]而實踐網(wǎng)站是高校實踐教學管理信息化的重要組成部分，能有效提高實踐教學管理的效率。該網(wǎng)站不僅是一個實踐教學信息和通知的窗口，它更是一個分享平臺，讓校外人員清楚了解學校開展實踐教學的情況，為其他學校提供可借鑒的經(jīng)驗，同樣接受別人的合理提議和意見;讓師生能快速、方便的找到學校實踐教學發(fā)展的方向和各種活動資料;讓管理者能清楚自己的工作是否給廣大師生帶來便利。在前幾年網(wǎng)站建設熱潮中，多數(shù)高校都建設有完整的實踐教學網(wǎng)站。

但隨著高校數(shù)字化校園的發(fā)展，近年來各高校紛紛引入包括實踐教學管理系統(tǒng)等各種教學信息管理系統(tǒng)，這些信息管理系統(tǒng)大大提高了教學管理的效率，已經(jīng)成為高校信息化發(fā)展的核心。而實踐網(wǎng)站的建設開始不那么受重視了。

2 廣東省普通高校實踐網(wǎng)站建設現(xiàn)狀調研

為了解廣東省本科學校實踐網(wǎng)站的建設情況，我們選取了廣東省26所二A類本科高校進行了調研。因為這類高校屬于應用型高校，主要培養(yǎng)高級技術技能型人才，更注重學生實踐能力的培養(yǎng)。調查的方法：瀏覽各高校的網(wǎng)站。我們通過查看各校網(wǎng)站及教務處網(wǎng)頁，看其是否有完整的實踐網(wǎng)站、還是只有部分實踐教學模塊、或者完全沒有實踐教學內容并進行統(tǒng)計，調查情況如下圖：

■

通過調查可看出，所調查的高校中，只有仲愷農(nóng)業(yè)工程學院、嘉應學院、廣東藥學院等3所高校設有專門的實踐網(wǎng)站，占調研高校的11.57%。有8所高校學校網(wǎng)站的教務處網(wǎng)頁下有部分關于實踐教學的模塊，占30.77%，并且這些模塊中，有些模塊內容是空白的。另外15所高校沒有實踐教學的相關內容，所占比例為57.69%。

從調查結果發(fā)現(xiàn)，多數(shù)高校沒有專門的實踐教學網(wǎng)站，有些高校網(wǎng)站甚至沒有任何關于實踐教學的介紹。為什么會出現(xiàn)這種情況，是高校不再重視實踐教學嗎？還是實踐網(wǎng)站確實訪問量低，對實踐教學管理幫助不大，高校只是不重視網(wǎng)站建設而非不重視實踐教學。

3 分析

為此我們對建設有完整實踐教學網(wǎng)站的仲愷農(nóng)學院師生進行關于實踐教學網(wǎng)站了解情況的調查，其中學生采取網(wǎng)絡問卷的方式調查，共回收有效問卷947份;教師采用紙質問卷的方式調查，共回收有效問卷30份。具體調查結果如下：

3.1 參與調查的絕大部分是校內的本科學生。接近7成的學生稱沒有了解過本校的實踐網(wǎng)站。而有8成的教師稱沒有了解過本校的實踐網(wǎng)站。超過7成的老師從來不知道學校有實踐網(wǎng)站。

3.2 關于什么情況會訪問網(wǎng)站，有超過6成的學生認為他們工作、學習需要的時候，才會查閱網(wǎng)站。有3成的教師認為他們工作、學習需要的時候，才會查閱網(wǎng)站。而對于是否清楚實踐網(wǎng)站的意義，超過一半的學生認為自己基本不了解網(wǎng)站建設的目的性和意義;有4成多的老師完選擇全不清楚。

通過調查我們發(fā)現(xiàn)，即使像仲愷農(nóng)業(yè)工程學院這樣建設有專門實踐教學網(wǎng)站的學習，學校師生也極少需要訪問到該網(wǎng)站。這一方面與技術進步和師生的閱讀習慣改變有關;近些年各高校教學管理系統(tǒng)、OA系統(tǒng)甚至數(shù)字化校區(qū)系統(tǒng)，qq群、好友圈、微博等通訊手段也在校園內廣泛應用，廣大師生已經(jīng)不再依賴網(wǎng)站來了解學校的教學情況。最近《第一財經(jīng)周刊》有報道，隨著消費者閱讀習慣的改變，國內四大門戶網(wǎng)站流量和市值已經(jīng)大不如前，各公司已經(jīng)把投入大多都轉向了社交、視頻、垂直網(wǎng)站上面。[2]可見，閱讀習慣的改變不僅僅發(fā)生在校園內，而是整個社會的發(fā)展。

另一方面高校網(wǎng)站信息量太多、重復率高也是造成實踐網(wǎng)站訪問量少的原因。經(jīng)過前些年網(wǎng)站建設熱潮中，許多高校各個部門、各院（系）甚至許多管理崗位都建設了網(wǎng)站。這樣的信息量太大了，別說4年就畢業(yè)的學生，連工作幾十年的老師也不可能清楚學校網(wǎng)站的所有內容。因此遇到較重要的通知，校園網(wǎng)主頁和部門主要都會同時，這又造成的信息的重復，學生既然在主頁就能找到信息了，就沒必要進入部門主頁了，更何況掛在部門主頁下面的實踐網(wǎng)站。

4 建議

4.1 定位明確。實踐教學網(wǎng)站應該起著輔助管理的作用，這就需要根據(jù)各高校的情況來定位網(wǎng)站的功能。如果學校已經(jīng)引入了實踐教學管理系統(tǒng)、大學生創(chuàng)新創(chuàng)業(yè)項目管理系統(tǒng)、實踐競賽管理系統(tǒng)、學生管理系統(tǒng)等信息化系統(tǒng)，那么大可不必設置專門的實踐教學網(wǎng)站。而類似仲愷農(nóng)業(yè)工程學院這樣雖然引入了實踐教學管理系統(tǒng)，但畢業(yè)論文、大學生創(chuàng)新創(chuàng)業(yè)訓練項目、實踐基地建設和實踐技能競賽等仍用傳統(tǒng)方式管理的學校，則可以設有相關的實踐教學網(wǎng)站來作為實踐教學管理信息的平臺。

篇（10）

[中圖分類號] R971；R927 [文獻標識碼] B [文章編號] 2095-0616（2013）21-61-03

癲癇（epilepsy）是多種原因導致的腦部神經(jīng)元高度同步化異常放電的臨床綜合癥[1]。癲癇的治療仍以藥物為主，臨床常用的有苯妥英鈉（PT）、苯巴比妥（PB）、卡馬西平（CBZ）等。但由于這些藥物常有不同程度的不良反應，且較容易發(fā)生中毒癥狀。因此需監(jiān)測抗癲癇藥物的血清濃度，進而保證使用安全。目前，高效液相色譜法（HPLC）與熒光偏振免疫法（FPIA）是最常用的監(jiān)測血藥濃度方法[2]。為了探究HPLC與FPIA在測定常用抗癲癇藥物血清濃度的相關性，本資料對其進行實驗研究并報道如下。

1 資料與方法

1.1 一般資料

研究對象為2012年6月～2012年12月在我院神經(jīng)內科治療的103例癲癇患者，按照使用抗癲癇藥物的不同，分為PT組31例，CBZ組43例，PB組29例。3組間患者的性別、年齡等一般情況比較差異無統(tǒng)計學意義。癲癇的診斷與分類按照1989年國際抗癲癇聯(lián)盟分類標準進行[3]。所有患者均在服藥前抽取靜脈血2～3mL，將分離后的血清分成2份，分別用HPLC法與FPIA法測定其藥物的穩(wěn)態(tài)谷濃度。

1.2 儀器與試劑

使用儀器主要包括Intergral-100 HPLC系統(tǒng)（美國Perkin-Elmer公司），TDxFLx熒光偏振免疫分析儀（美國雅培公司），LG10-3A高速冷凍離心機（北京醫(yī)用離心機廠），xw-80A旋渦混合器（上海醫(yī)科大學儀器廠），AG285電子分析天平（瑞士梅勒公司）等。

檢驗所用的PT、PB、CBZ均由中國藥品生物制品檢定所提供，內標物采用自制安眠酮。乙醚和甲醇分別為分析純乙醚和色譜純甲醇；FPIA法均使用雅培公司所生產(chǎn)的配套試劑盒、標準曲線盒、質控盒。

1.3 HPLC

1.3.1 色譜條件 色譜柱：Hypersil ODS柱（250mm× 4.6mm，5μm），流動相采用甲醇-水（6040），柱溫30℃，檢測波長254nm，流速為1.0mL/min，進樣量20μL。

標準儲備液制備：采用電子分析天平稱取CBZ、PT、PB及安眠酮，用色譜純甲醇作為溶劑制備成濃度為100μg/mL的內標液及標準貯備液，放入4℃冰箱內貯存。

1.3.2 血清樣品處理 取0.1mL血清樣品至10mL離心管內，加15μL內標液漩渦混合2min；加入乙醚2mL后再旋渦混合5min。然后在1500r/min轉速下離心5min，將上清液1.5mL置于45℃水浴中，并于N2流下?lián)]干，所得的殘渣加入流動相150μL后旋渦混合5min，再在4000r/min轉速下離心5min，取20μL上清液進樣分析。相同色譜條件下，待測物的分析不受空白血清提取物的干擾，得到PB、PT、CBZ及內標液的保留時間依次為4.2、5.4、6.3、7.8min。

1.3.3 制備標準曲線 用電子分析天平量取適當CBZ、PT、PB的標準制備液（濃度100μg/ml），放入N2流及45℃水浴中揮干，再精密加入空白血清0.1mL、內標液15μL，進行2min漩渦混合，按照1.3.2中的方式測定。線性回歸分析時，橫坐標X為藥物濃度，縱坐標Y為藥物與內標峰面積之比，得到回歸方程為YCBZ=0.0009+0.1054X（r=0.9993），線性范圍1.4～23.0μg/mL；YPT=0.0112+0.0189X（r=0.9992），線性范圍5.5～39.0μg/mL；YPB=0.0048+0.0169X（r=0.9995），線性范圍5.5～61.0μg/mL。

1.3.4 回收率及精密度試驗 分別制備低、中、高3種濃度的CBZ、PT、PB含藥血清，精密量取內標液15μL后旋渦混合2min。按照上述方法進行測定，將測得的藥物峰面積與內標峰面積之比（Y）代入回歸方程，計算出測得量（X），并計算回收率（測得量與加入量之比）。每種濃度在1d內測定6次，得到日內相對標準差；連續(xù)測定6d來計算日間相對標準差，結果詳見表1。

1.3.5 測定穩(wěn)定性與靈敏度 在室溫25℃以下的條件中，測定低中高不同濃度的含藥血清，結果顯示藥物濃度在6h內保持穩(wěn)定；含藥血清經(jīng)冷凍-融化3次之后，測定結果顯示含藥血清的藥物濃度也保持穩(wěn)定；于-30℃溫度下將不同濃度的含藥血清放置1個月，測定結果也顯示血清能保持穩(wěn)定。按照31的信噪比進行計算，CBZ、PB、PT的最低檢測濃度依次為0.2、1.0、1.0μg/mL。

1.4 FPIA法

用熒光偏振免疫分析儀來測定血清濃度，主要步驟為：量取患者血清150μL，注入專用的樣品杯后按照使用手冊進行操作，用配套的標準曲線盒、質控盒制備標準曲線并作隨機質控，分析儀進行自行取樣、分析測定。見表2。

1.5 統(tǒng)計學方法

HPLC法與FPIA法結果比較，運用SPSS13.0進行數(shù)據(jù)處理，采用配對t檢驗，P

2 結果

2.1 相關性分析

用線性回歸進行比較，橫坐標X為HPLC法的測定結果，縱坐標Y為FPIA法的測定結果，得到回歸方程為YCBZ=0.183+0.954X（r=0.944）；YPT=-1.421+1.141X（r=0.963）；YPB=-0.128+0.956X（r=0.949）。

2.2 配對t檢驗

將CBZ、PT、PB的兩種測定方法結果進行配對t檢驗，結果顯示這兩種方法所測得的值均差異無統(tǒng)計學意義（P>0.05）。見表3。

3 討論

當前，HPLC及FPIA都已在國內醫(yī)院或臨床藥學實驗室廣泛應用。在本資料中，HPLC法和FPIA法測定CBZ、PT、PB血清濃度結果的呈線性相關；對兩者監(jiān)測的數(shù)據(jù)進行配對t檢驗后發(fā)現(xiàn)，這兩種方法監(jiān)測的準確性方面沒有明顯差異。但是作為當前監(jiān)測血藥濃度的最常用方法，兩者仍存在著一定的優(yōu)劣。

HPLC法的專一性較FPIA法好，具有準確、靈敏、重現(xiàn)性好、專屬性強的優(yōu)點。由于高效的分離能力，HPLC法能同時測定多種藥物及其代謝產(chǎn)物的濃度，故而在很多實驗室中多采用HPLC法來對照比較其他監(jiān)測方法的合理及準確程度[4-5]。雖然HPLC法不必依賴于商品化的試劑盒，但所用樣品需進行預處理[6]，周期較長且技術難度較大，對操作者要求較高。

FPIA法具有監(jiān)測周期短、自動化程度高、操作簡便等優(yōu)點，因此適用于急診檢查與單一藥物的批量分析測定。但由于不能同時測定多種藥物，測定品種受試劑種類限制，且試劑價格昂貴，故而專屬性較差，不能滿足新藥研究與開發(fā)[7]。此外，有些受監(jiān)測藥物的活性代謝產(chǎn)物常常影響原藥濃度的測定。如FPIA法測定全血環(huán)孢霉素A的濃度測量值明顯偏高，主要原因就是代謝產(chǎn)物對原藥的監(jiān)測有干擾，使得監(jiān)測結果出現(xiàn)偏差[8]。

總的來說，高效液相色譜法與熒光偏振免疫法兩種方法測定抗癲癇藥血清濃度具有相關性。采用HPLC法和FPIA法進行CBZ、PT、PB的血清濃度測定各有利弊，須結合檢測藥物種類數(shù)目、受檢人數(shù)等合理選擇監(jiān)測方式。

[參考文獻]

[1] 賈建平.神經(jīng)病學[M].第6版.北京：人民衛(wèi)生出版社，2010：292-312.

[2] 周素琴，張鴻燕，趙慧.血藥濃度監(jiān)測技術的進展及存在的問題[J].中國醫(yī)院藥學雜志，2009，29（7）：568-571.

[3] Commission on Classification and Terminology of the International League Againts Epilepsy.Proposal for revised classification of epilepsies and epileptic syndromes[J].Epilepsia，1989，30（4）：389-399.

[4] 王曉秋，溫懷凱，朱光輝.HPLC法和FPIA法監(jiān)測丙戊酸血藥濃度的比較研究[J].中國衛(wèi)生檢驗雜志，2012，22（7）：1593-1595.

[5] 袁波，袁媛.HPLC在食品安全監(jiān)測中的研究進展[J].中國醫(yī)藥指南，2012，10（31）：77-79.

[6] 楊更亮，劉海燕.高效液相色譜整體柱在藥物分離分析中的應用進展[J].中國科學，2010，40（6）：631-640.