近红外光谱(NIR)法是制药工业领域中应用最为广泛的过程分析技术(PAT),在中草药产品质量的实时在线检测和控制中越来越受到重视。与化学药相比,中草药具有组成的复杂性和生产加工过程的特殊性,对使用化学计量学建立NIR预测模型及模型在实际生产中的应用提出了新的挑战。本文的研究目的在于突破该挑战,主要内容如下:第一,以某企业生产的某中草药口服液为研究对象,使用系统工程的方法采用GA-PLS算法完成该口服液中两个重要质量指标(多糖和蒽醌)的近红外定量模型。这两个质量指标在近红外光谱区没有明显的特征吸收峰,使用传统方法建立模型预测性能较差,本文使用多种预处理方法与选波段方法相结合的方式,对有效建模波段进行选择,结合生产中可能对建模造成影响的各环节使用化学计量学的方法建立准确性较高、稳健性较好的多糖及蒽醌模型。多糖模型的预处理方法为Detrend(linear),蒽醌模型的预处理方法为一阶求导w=3,二者均使用GA算法进行有效波段的选择,所建立模型对训练数据、验证数据及生产中采集的盲样数据预测值与实际值间的相对误差均控制在10%以内,此误差范围达到该企业生产质量控制过程的验收标准,并且也是目前文献报道中复方中草药中多糖含量预测误差最小的。第二,对模型在实际应用过程中的通用性进行了研究。1、平行装置上平行探头模型间的通用性研究:使用平行探头中的1号探头采集的数据建模,使用该模型对2号探头采集的数据预测,预测性能较差,结合PCA及T~2-Q统计分析得出结论:平行探头模型间的通用性较差。提出两个解决方案:(1)平行探头采集的数据建立各自的单探头模型,再将各单探头模型应用于相应的探头。此方案可进行数据的准确预测,但缺点是需采集大量数据,建模过程及模型维护与更新耗费巨大的人力物力。(2)将平行探头采集的数据混合用作建模数据,建立一个双(多)探头模型,再将此模型应用于各探头。此方案既可对数据进行准确预测,与方案(1)相比又可节省大量人力物力。2、更换探头前后模型的通用性研究:使用原探头采集的数据(采集周期足够长,建议为1年)建模,使用该模型对新探头采集的数据预测,预测性能较好;再使用原探头采集的数据(采集周期较短,本文为3个月)建模,对新探头采集的数据预测,预测性能较差,结合PCA及T~2-Q统计分析得出结论:在原模型建模数据的采样时间足够长(建议为1年)时,更换探头前后模型的通用性较好。第三,当只有产品不变、质量指标不变其它条件全部改变时,如生产地点、设备、探头采样方式等,新条件下的光谱会发生吸光度差异及光谱漂移,探究了该条件下的模型转移。使用DS算法对新条件下采集的光谱进行校正,使之转化为相当于原条件下采集的光谱,再使用原模型预测,预测值与实际值的相对误差可控制在10%的误差内。这解决了近红外光谱模型在中草药质量监控实际应用过程中的重要问题,避免了重新建模所带来的一系列问题,节省了大量人力物力。