Спектроскопия лазерно-индуцированной плазмы применена для количественного анализа содержания Ca, Mg, и K в корнях Angelica pubescens Maxim. f. biserrata Shan et Yuan, используемого в медицине. Для построения калибровочных моделей при проведении анализа методами внешнего стандарта и искусственных нейронных сетей выбраны спектральные линии Ca II 317.993 нм, Mg I 517.268 нм и K I 769.896 нм. Коэффициенты линейной корреляции рассчитанных и стандартных концентраций, определенныe методом искусственных нейронных сетей, для шести образцов составили 0.9896, 0.9945 и 0.9911 для Ca, Mg и K, соответственно, что лучше, чем при использовании метода внешнего стандарта. Для выбранных шести образцов метод нейронных сетей позволил также получить более точные по сравнению с методом внешнего стандарта данные для средней и максимальной относительной ошибки, средних относительных стандартных отклонений и верхнего предела относительных стандартных отклонений расчетных концентраций Ca, Mg и K. Установлено, что при количественном анализе содержания Ca, Mg и K в корнях Angelica pubescens метод искусственных нейронных сетей превосходит по характеристикам метод внешнего стандарта.
Laser-induced breakdown spectroscopy has been applied for the quantitative analysis of Ca, Mg, and K in the roots of Angelica pubescens Maxim. f. biserrata Shan et Yuan used in traditional Chinese medicine. Ca II 317.993 nm, Mg I 517.268 nm, and K I 769.896 nm spectral lines have been chosen to set up calibration models for the analysis using the external standard and artificial neural network methods. The linear correlation coefficients of the predicted concentrations versus the standard concentrations of six samples determined by the artificial neural network method are 0.9896, 0.9945, and 0.9911 for Ca, Mg, and K, respectively, which are better than for the external standard method. The artificial neural network method also gives better performance comparing with the external standard method for the average and maximum relative errors, average relative standard deviations, and most maximum relative standard deviations of the predicted concentrations of Ca, Mg, and K in the six samples. Finally, it is proved that the artificial neural network method gives better performance compared to the external standard method for the quantitative analysis of Ca, Mg, and K in the roots of Angelica pubescens.
The authors declare that there are no conflicts of interest present.