中药浸膏粉体及复方颗粒关键质量属性实时预测模型——数据驱动工艺管控的构建与实现

中药浸膏粉体及复方颗粒关键质量属性实时预测模型——数据驱动工艺管控的构建与实现摘要中药浸膏粉体及复方颗粒的关键质量属性（Critical Quality Attributes, CQAs）——包括含水率、粒径分布（D10/D50/D90）、堆密度及休止角等——直接影响制粒质量、片剂成型性和最终产品的稳定性。传统的离线检测方法存在检测周期长、批次间一致性差等瓶颈问题，无法满足现代中药连续制造对实时质量监控的需求。本文基于过程分析技术（Process Analytical Technology, PAT）理念，以近红外光谱（Near-Infrared Spectroscopy, NIRS）为核心软测量手段，结合偏最小二乘回归（Partial Least Squares Regression, PLSR）、支持向量回归（Support Vector Regression, SVR）、随机森林（Random Forest, RF）和多层感知机（Multi-Layer Perceptron, MLP）四种机器学习算法，构建了一套完整的中药浸膏粉体及复方颗粒关键质量属性实时预测模型体系。全文从工艺背景、数据采集与预处理、光谱特征工程、多目标预测模型构建、模型评估与选择、在线部署方案及异常检测六个方面展开，提供了覆盖数据加载、光谱预处理、特征筛选、模型训练、参数调优、实时预测接口及模型更新全流程的可执行Python代码。实验结果表明，融合多源光谱数据与机器学习策略可显著提升CQAs的预测精度，为中药制药过程的智能化和连续化管控提供了数据驱动的技术解决方案。一、引言中药浸膏粉体作为中药配方颗粒和固体制剂的核心中间