近红外光谱的应用与发展
XXX
毕 业 设 计
近红外光谱的应用与发展
系 别: 化学与药学系
专 业: 生物制药
姓 名: XXX
学 号:
指导教师姓名、职称: XXX 讲师
完成日期 2011 年 3 月 10 日
XXX本科毕业设计开题报告
近红外光谱的应用与发展
摘要
本文主要概述了现近代红外光谱技术的发展历史和应用进展,介绍了近红外光谱技术的特点和近红外仪器的类型和特点,说明了NIR-AOTF光谱技术的原理和性能以及NIR-AOTF光谱技术在制药过程控制中的应用进展,也简单介绍了近红外光谱技术在制药业中的应用前景。
近红外光谱是介于可见光和中红外之间的电磁辐射波,美国材料检测协会将近红外光谱区定义为780-2526nm的区域,是人们在吸收光谱中发现的第一个非可见光区。近红外光谱区与有机分子中含氢基团(OH、NH、CH)振动的合频和各级倍频的吸收区一致,通过扫描样品的近红外光谱,可以得到样品中有机分子含氢基团的特征信息,而且利用近红外光谱技术分析样品具有方便、快速、高效、准确和成本较低,不破坏样品,不消耗化学试剂,不污染环境等优点,因此该技术受到越来越多人的青睐。近红外光谱技术量测信号的数字化和分析过程的绿色化又使其具有典型的时代特征,近年来,近红外光谱技术已成为发展最快,最引人注目的光谱分析技术。
关键词
红外光谱 应用 发展 特点
Application of near infrared spectroscopy and Development
Abstract
This article is an overview of the development of modern IR technology and
application advances in history, describes the characteristics of near infrared spectroscopy and near-infrared instrument types and characteristics, indicating that the NIR-AOTF spectroscopy principles and performance, and NIR-AOTF spectroscopy in the pharmaceutical process control application progress, but also introduces the near-infrared spectroscopy in the pharmaceutical industry in the application.
Near infrared spectroscopy is in the visible and infrared range of electromagnetic radiation between the United States Association of Testing Materials is defined as the near infrared spectral region 780-2526nm region, is that people found in the absorption spectra of the first non-visible area.Near-infrared spectral regions and groups of organic molecules of hydrogen (OH, NH, CH) vibration frequency and the combined frequency of the absorption area at all levels of the same samples by scanning near-infrared spectroscopy, the sample can be hydrogen-based organic moleculesGroup characteristics of information and by near infrared spectroscopy analysis of samples with a convenient, fast, efficient, accurate and low cost, without destroying the sample, do not consume chemical reagents, do not pollute the environment, etc., so the technology by more and moreof all ages.Near infrared spectroscopy measurement and analysis of digital signal process of green and it has the typical characteristics of the times, in recent years, near infrared spectroscopy technology has become the fastest growing, most notably spectroscopy.
Keywords
IR application development features
目录
1选题意义 .................................................................. 1
2现代近红外光谱分析技术 .................................................... 1
3近红外光谱技术的发展历史 .................................................. 2
4近红外光谱技术的特点 ...................................................... 3
5近红外仪器的类型和特点 .................................................... 4
6 NIR-AOTF光谱技术 ......................................................... 4
6.1 NIR-AOTF光谱技术的原理和性能 ........................................... 5
6.2 NIR-AOTF光谱技术在制药过程控制中的应用进展 ............................. 5
6.2.1 在原料药分析中的应用 .................................................. 5
6.2.2 在药物制剂质量控制中的应用 ............................................ 6
(1)粉末混合过程控制 ....................................................... 6
(2)包衣过程监控 ........................................................... 6
(3) 片剂生产过程控制 ...................................................... 7
6.2.3 在中药材生产过程中的应用 .............................................. 7
6.3 存在的不足 .............................................................. 7
7.研究方案:NIR-AOTF光谱技术烟草质量研究和检测 ............................. 8
8总结 ..................................................................... 10
9.参考文献 ................................................................. 11
10.致谢: .................................................................. 12
1选题意义
近红外(NIR)谱区是人类认识最早的非可见光谱区,波长范围在0.75—2.5 m之间,用波数表示时则在13330—4000cm-1之间。由于近红外的吸收谱带复杂,谱峰重叠,信号弱,在分析上难以应用,长期以来没有受到人们的重视。近十多年来,随着近红外仪器的改良,新的光谱理论和光度分析方法的建立,特别是计算机技术和化学计量学的广泛应用和迅速发展,使近红外光谱技术成为目前发展最快、最引人注目的分析技术,并以其简单快速、实时在线、无损伤无污染分析等特点,在复杂物质的分析上得到广泛应用。在包括制糖和制药的许多与化学分析和品质管理有关的行业中的应用前景极其广阔。
2现代近红外光谱分析技术
现代近红外光谱(NIR)分析技术是近年来分析化学领域迅猛发展的高新分析技术,越来越引起国内外分析专家的注目,在分析化学领域被誉为分析“巨人”,它的出现可以说带来了又一次分析技术的革命。
我国对近红外光谱技术的研究及应用起步较晚,除一些专业分析工作人员以外,近红外光谱分析技术还鲜为人知。但1995年以来已受到了多方面的关注,并在仪器的研制、软件开发、基础研究和应用等方面取得了较为可喜的成果。但是目前国内能够提供整套近红外光谱分析技术(近红外光谱分析仪器、化学计量学软件、应用模型)的公司仍是寥寥无几。随着中国加入WTO及经济全球化的浪潮,国外许多大型分析仪器生产商纷纷登陆中国,想在第一时间占领中国的近红外光谱分析仪器市场。由此也可以看出近红外光谱分析技术在分析界炙手可热的发展趋势。在不久的未来,近红外光谱分析技术在分析界必将为更多的人所认识和接受。
现代近红外光谱分析是将光谱测量技术、计算机技术、化学计量学技术与基础测试技术的有机结合。是将近红外光谱所反映的样品基团、组成或物态信息与用标准或认可的参比方法测得的组成或性质数据采用化学计量学技术建立校正模型,然后通过对未知样品光谱的测定和建立的校正模型来快速预测其组成或性质的一种分析方法。
与常规分析技术不同,近红外光谱是一种间接分析技术,必须通过建立校正模型(标定模型)来实现对未知样品的定性或定量分析。具体的分析过程主要包括以下几个步骤:一是选择有代表性的样品并测量其近红外光谱;二是采用标准
或认可的参考方法测定所关心的组分或性质数据;三是将测量的光谱和基础数据,用适当的化学计量方法建立校正模型;四是未知样品组分或性质的测定。由近红外光谱分析技术的工作过程可见,现代近红外光谱分析技术包括了近红外光谱仪、化学计量学软件和应用模型三部分。三者的有机结合才能满足快速分析的技术要求,是缺一不可的。
与传统分析技术相比,近红外光谱分析技术具有诸多优点,它能在几分钟内,仅通过对被测样品完成一次近红外光谱的采集测量,即可完成其多项性能指标的测定(最多可达十余项指标)。光谱测量时不需要对分析样品进行前处理;分析过程中不消耗其它材料或破坏样品;分析重现性好、成本低。对于经常的质量监控是十分经济且快速的,但对于偶然做一两次的分析或分散性样品的分析则不太适用。因为建立近红外光谱方法之前必须投入一定的人力、物力和财力才能得到一个准确的校正模型。
近红外光谱主要是反映C-H、O-H、N-H、S-H等化学键的信息,因此分析范围几乎可覆盖所有的有机化合物和混合物。加之其独有的诸多优点,决定了它应用领域的广阔,使其在国民经济发展的许多行业中都能发挥积极作用,并逐渐扮演着不可或缺的角色。主要的应用领域包括:石油及石油化工、基本有机化工、精细化工、冶金、生命科学、制药、医学临床、农业、食品、饮料、烟草、纺织、造纸、化妆品、质量监督、环境保护、高校及科研院所等。在石化领域可测定油品的辛烷值、族组成、十六烷值、闪点、冰点、凝固点、馏程、MTBE含量等;在农业领域可以测定谷物的蛋白质、糖、脂肪、纤维、水分含量等;在医药领域可以测定药品中有效成分,组成和含量;亦可进行样品的种类鉴别,如酒类和香水的真假辨别,环保废弃物的分检等。
3近红外光谱技术的发展历史
近红外光谱技术的发展大体上可分为5个阶段。在发现近红外谱区后的150年中,其应用极为有限,被行内人士称为“被遗忘的谱区”。直到20世纪50年代,由于近红外仪器的进步和Norris等人所做的大量研究工作,近红外光谱分析技术首先在农产品品质快速分析中得到广泛应用。由于经典近红外光谱分析的灵敏度低、抗干扰性差,该项技术的研究和应用进入了一个沉默时期。 80年代以后,计算机技术的飞速发展,带动了仪器数字化和化学计量学(Chemometrics)学科的发展,也使以弱信号和多元信息处理为基本特征的近红外光谱分析获得了技术
支持和依靠。90年代以后,近红外光谱技术步入快速发展时期。计算机技术、数字化仪器和化学计量学方法的有机结合,形成了现代近红外光谱技术。化学计量学方法和分析软件成为现代近红外光谱技术的重要组成部分。在欧美等发达国家中近红外光谱分析仪已成为品管实验中必备的仪器。
4近红外光谱技术的特点
与传统化学分析方法相比,近红外光谱分析技术有鲜明的技术特点。
1、分析速度快。扫描速度快,可在数十秒内获得一个样品的全光谱图,通过数学模型既可快速计算出样品的浓度。
2、多种成分同时分析。一次全光谱扫描,可获得多种成分的光谱信息,通过建立不同的数学模型,就可定量分析样品的多种物质成分。
3、无污染分析。样品不需特别的预处理,不使用有毒有害试剂。根据样品的物质状态和透光能力采用透射或漫反射方式测定,可直接测定不经预处理的液态、固态或气态样品。
4、无损伤分析。测定过程不破坏或消耗样品,不影响外观、内在结构和性质。
5、实时分析和远距离测定。实时在线分析特别适合工业生产上应用。利用光导纤维技术远离主机取样,将光谱信号实时传送回主机,直接计算出样品成分的含量。
6、操作简单,分析成本低。除需要电能外,不需要任何耗材,大大地降低测试费用。操作上不需要专门技能和特别训练。
近红外光谱分析技术也有其固有的弱点。该项技术是一种间接的分析技术,它必须依赖常规的化学分析方法,测定出特定背景范围内多个标准样品成分的化学值,利用化学计量学方法建立数学模型,并通过数学模型计算待测样品的成分含量。数学模型预测的准确性与常规化学分析的准确性、建模样品的代表性、模型使用的合理性有很大关系。另外,近红外光谱分析的测试灵敏度较低,待测样品的成分含量一般不少于0.1%。
5近红外仪器的类型和特点
近红外光谱仪器已由传统的滤光片型、光栅色散型,发展到目前流行的主导产品傅立叶变换型。
滤光片型仪器是主要用于专用分析仪器。该类仪器的波长准确性差,测量准确性也就差,建立的数学模型不能转移。由于滤光片镀膜分子经常变化,引起内部波长漂移,所建立的分析数学模型要经常校正误差,使用很麻烦,应用局限性大,数学模型不能传递。该类仪器的价格也便宜。
光栅色散型仪器是70-80年代常用的仪器类型,其采用全息光栅分光、PbS或其他光敏元件作检测器,有较高的信噪比,但波长准确度仍较低,数学模型仍不能传递。仪器中可动部分可能磨损,影响光谱采集的可靠性,不适合在线分析。该类仪器的价格较滤光片型仪器贵。
傅立叶变换近红外光谱仪是90年代中期以后市场的主导产品,其较传统的滤光片型和光栅色散型近红外光谱仪有更为明显的优点,表现为波长准确度和分辨率更高、扫描速度更快、不受自然散光影响、检出限量高等;由于这些优点,用户在使用时不需要对仪器进行外部校准,数学模型在同类型仪器间转移和传递成为可能。另外,光导纤维探头和积分球采样系统等附件的应用,对不规则样品的分析测定就更加方便。样品的形态可以是固体、粉末状、颗粒状、液体,甚至气体。可远距离提取样品光谱信息,从而实现在线分析。这些技术的发展,大大拓宽了近红外光谱分析的应用范围。该类仪器价格较贵。
6 NIR-AOTF光谱技术
近红外光谱最突出的研究进展是能够实现药品和食品生产的在线过程控制,因此在多种物质品质检测方面有着良好的应用前景和市场潜力。
NIR-AOTF是20世纪90年代近红外光谱(near-infrared spectroscopy,NIR)最突出的进展——声光可调(acousto-optic tunable filter,AOTF)近红外光谱仪。它不仅结构简单、体积小、重现性好,而且采用了全固态一体化的密封设计,具有优异的抗震性能,且对温度、湿度、灰尘均有较好的适应性。NIR-AOTF在国外主要用于制药过程控制,推广NIR-AOTF光谱技术在制药过程控制领域的应用,对提高药品质量有重要意义。
6.1 NIR-AOTF光谱技术的原理和性能
NIR-AOTF的核心分光器件AOTF采用单晶体设计。因设备内部构造简单、光径最短,保证了最大光学效能输出,满足了生产在线快速无损检测需求。
近红外光谱区(780~2 526 nm)的光谱信息来源于分子内部振动的倍频吸收和合频吸收。传统的近红外光谱分析的专一性差、模型性能不稳定、难以实现在线检测[1,2]。随着计算机技术和光学技术的迅速发展,NIR-AOTF除具有传统近红外傅立叶变换分光系统的优点外[3],还具有以下性能:(1)信噪比比傅立叶变换技术高10~100倍,可以检测药物中痕量物质的含量;(2)采用全固化设计,没有任何可移动和转动的部件,具有很好的抗震性能,不仅可随混合器一起转动,而且仪器不需要定期校准,长时间运行数据稳定可靠,适用于在线连续长时间检测;(3)在中药提取和浓缩的在线检测中,仪器不受温度、湿度、灰尘等外界环境的影响,不受管路中气泡的影响,不需预处理就能准确测定提取液和浓缩液中万分之几的低含量指标;(4)光谱测量技术与化学计量学学科有机结合,具有强大的软件功能,包括光谱采集软件SNAP!2.03和化学计量学软件The Unscrambler,这些软件集成仪器能够在线实时显示各项指标数据,精度高,移植性好
6.2 NIR-AOTF光谱技术在制药过程控制中的应用进展
NIR-AOTF在制药工业中的应用日趋广泛,从药物的定性、定量分析,到生产过程各阶段如提取、浓缩、合成、混合、干燥、压片及包装等的在线监控,表现出巨大的潜力。
6.2.1 在原料药分析中的应用
用近红外直接识别了装在密闭玻璃瓶里的9种活性药物中间体,并发展了一个用于判别分析的可转移的基础光谱库。Blanco等提出了建立用于药物原料识别近红外光谱库的步骤和策略,使用相关系数作为判别准则,库中化合物的数量可根据需要扩容。对于用近红外谱图库难以细分的相似物,他们提出建立层叠子库的设想,即用马氏距离或者残余方差方法进一步识别,能够分类和判别,效果良好。Li等用近红外定标模型,根据原料药在不同温度及湿度条件下A、B 2种晶型有着不同的物理性质,对晶型B进行了离线和在线过程监控,效果较满意。
6.2.2 在药物制剂质量控制中的应用
制剂过程控制分析是药物分析的重要研究内容。NIR-AOTF的最大特点是操作
简便、快速,不破坏样品进行原位测定,不使用化学试剂,不必预处理样品,可
直接分析颗粒状、固体状、糊状、不透明的样品。这些特点使得NIR-AOTF特别适
宜于在线的过程控制分析。
(1)粉末混合过程控制
用近红外光谱对水杨酸和乳糖粉末的混合均匀性进行在线监测。验证分3个
阶段。第1阶段,收集样品的特征光谱,筛选出最有效的光谱区域,模拟混合过
程并建立定标模型;第2阶段,改变混合条件,利用前面建立的模型预测混合的
均一性。结果与传统HPLC检测对应点的分析值之间相关性良好,证明近红外光谱
可以对不同混合条件下的样品进行均匀性鉴别;第3阶段,将校正模型用于生产。
结果表明,在特定光谱区域内,NIR-AOTF作为一种对药物混合均匀性的“实时”
的非侵入式分析方法是可行的、有效的。不仅如此,混合物的颗粒大小也能得到
很好的鉴别。
徐晓杰等[8]采用偏最小二乘法检测六味地黄丸生产粉末的混合均匀度,建立的方
法基本可以满足药品生产过程中粉末混合均匀度测定的要求,并提出通过加大样
本量以及扩大设计浓度范围。NIR-AOTF可用于六味地黄丸粉末混合过程的质量控
制,为中药生产现代化、粉末混合过程的实时在线质量控制提供了好方法。
(2)包衣过程监控
片剂样品近红外光谱的变化与包衣厚度相关。他们进一步考察了NIR-AOTF在
片剂包衣过程监控中的应用。在用乙基纤维素(EC)或羟丙基纤维素(HPMC)进
行包衣的过程中,按一定的时间间隔取样,测定片剂样品的近红外光谱。采用二
阶导数变换和多元散射校正2种方法处理光谱,然后用主成分分析建立计算包衣
厚度的校正模型。由于NIR-AOTF具有非破坏性,可以进一步测定样品的溶出度,
考察包衣厚度与溶出度的相关性,从而更好地控制包衣制剂的质量。
为控制药物活性成分的释放,研究人员正在研究一种以包衣技术为核心的制
剂新工艺,即在缓释药物片心外面包一层含有快速释放药物的包衣。这需要对外
层包衣中药物活性成分进行快速、非破坏性的定量分析,NIR-AOTF则可对这种高
精度要求的包衣过程进行监控。
(3) 片剂生产过程控制
比较NIR-AOTF与HPLC和卡费法对头孢片剂存在形式和生产中间体的测定,
结果令人满意。国外也有报道,将NIR-AOTF用于抗生素片剂的生产控制,以及
NIR-AOTF结合化学计量学方法对抗菌素头孢呋肟酯片剂的生产进行全过程监测。
他们用对原始光谱数据的判别分析、对主成分分析、得分判别分析和聚类分析3
种方法分别鉴别了头孢呋肟酯的原料药、颗粒、片心和片剂,结果较好;并用多
元线性回归和偏最小二乘法对此化合物的含量和含水量进行定量分析,也取得了
满意的结果。
6.2.3 在中药材生产过程中的应用
中药鉴别是保证中药质量的重要环节,传统的中药鉴别方法主要有性状鉴别、
显微鉴别和理化鉴别等,但对一些亲缘关系较近的品种和伪品很难获得准确的鉴
别结果。目前将NIR-AOFT用于黄芪、当归、人参等药材地道性的鉴别研究,准确
率达100 %。研究人员还建立了NIR-AOTF结合偏最小二乘法测定牛膝中蜕皮甾酮
含量的方法,样品的预测值和真实值之间的相关系数为0.948 9。此法的建立为近
红外漫反射光谱技术用于中药有效成分的定量分析提供了可能。以红参提取液的
浓缩过程为例,用标准正态变量法和一阶导数预处理光谱,建立近红外光谱与浓
度参考值之间的校正模型。此模型能实时测得红参醇提取液浓缩过程中浓缩液的
乙醇和人参总皂苷的浓度,在线反映了浓缩过程的状态,为中药制药过程的质量
控制提供了新方法。觅译铜等[11]将NIR-AOTF与模糊神经网络相结合,以参麦注
射液为例,研究了此分析方法用于快速检测与评价中药产品质量类别的效果。
6.3 存在的不足
近红外用于在线检测需要建立测量模型,建模需要标准样品和相关的一级数
据。模型的准确性受定标样品的选择、制备、操作技术和计算机化学计量软件的
影响。如遇生产工艺调整、产品质量和性能指标发生变化,近红外模型则需要维
护,否则模型对样品的测试误差偏大控制可能出现失误。此外,近红外仪器价格
较贵,对于偶然做一两次分析或分散性样品的分析不太适用。
7.研究方案:NIR-AOTF光谱技术烟草质量研究和检测
烟草主要化学成分测试模型:
烟草主要化学成分的测试模型建立过程如下:选择有代表性的烟叶标样,根
据烟草所传递的标样,利用流动分析仪,测试标样的化学值(作为烟叶化学指标
的真值),利用近红外仪器扫描标样的近红外光谱,建立并优化模型。利用流动
分析仪与近红外,对其他样品进行平行测试对比,以判断近红外的测试精度。烟
草主要化学成分方面,建立了以下化学成分的测试模型:烟碱、总糖、还原糖、
总氮、钾、氯,结果如下。测试结果表明,这样的测试精度已经满足我们大多数
使用场合的测试要求(根据我们的经验,相关系数R>0.98的话,测试精度基本达
到使用要求)
测量方式:
使用美国 Brimrose 公司 Luminar 5030型近红外光谱仪采集样品的光谱数
据。将样品放置于样品盒的槽中,用盒盖将样品刮平,连同盒盖一起放置于支架
上,光谱仪的探头卡在样品盒盖的圆孔中,垂直卡紧,采用漫反射的测样方式采
集光谱(或将样品放置于样品杯中,用砝码将样品压实后,取出砝码,将样品杯
放置到旋转的支架上,采用旋转的方式采集漫反射光谱) 。每一张光谱都是 300 次扫描的平均结果。波长范围从 1100nm到 2500nm,波长增量为 2nm。固定支架
采用小型的样品盒盛装样品,需要约5克左右的样品量即可;旋转支架采用样品
杯盛装样品,需要约 50 克左右的样品量。固定支架小巧灵活,旋转支架测试的
准确度略好。
PLS1回归模型:
将所有光谱数据经过一阶微分处理(9 点平滑) ,导入 The Unscrambler分
析软件,然后将各指标的数据与样品一一对应,采用 PLS1 方式进行计算建立定
量校正模型。
结果:
由以上粉末样品各个指标的模型中可以看出,每个模型均有非常好的线性关
系,各项指标的相关性R,都在 0.96 以上。而且建立模型的样品足够多,各指标
的数据梯度分布也比较好,因此,可得到很好的验证偏差。
近红外预测值和化学预测值对比 :
8总结
随着近红外光谱仪技术的不断提高和化学计量学的发展,近红外光谱在制药
过程中的应用全面展开,有关近红外光谱的研究及应用迅速增加,成为发展最快、
最引人注目的一门独立的分析技术。它在制药过程控制中的应用愈加广泛,发达
国家已将近红外方法使用在质量控制、品质分析或在线分析中,作为快速、无损、
绿色、环保的分析手段。来自美国航天技术的AOTF近红外光谱技术倍受人们注目
和青睐,其独有的光学分光系统和强大的光谱采集软件及化学计量学软件,使分
析技术更加准确、快速,并可进行微量、痕量分析,在液体制剂生产、无菌监控、
光学异构体拆分等方面有着光明的前景。
9.参考文献
[1]周德成,刘木清,周小丽,等. 近红外光谱分析在食品药品检测中的应用[J]. 红外,2006,3(27):28-31
[2] 周学球,刘旭,吴严巍,等. 傅立叶变换近红外过程分析技术在中国的应用
[J]. 光谱学与光谱分析,2006,26(7):155-158.
[3] 刘燕德,钟储智,欧阳爱国. 近红外反射光谱分析在液态食品分析中的应用
[J]. 农机化研究,2005,3(2):213-215.
[4]任玉林,等.PLS—近红外漫反射光谱法非破坏分析安乃近.吉林大学自然科学学报,1997, 3:99
[5]何嘉耀,彭荣非,张展霞. 光谱学与光谱分析. 2002,22(1):67
[6] Ulmschneider M, Barth G, Reder B. Transferable basic library for the identification of active substances using near infrared spectroscopy[J]. Pharmazeutische Ind, 2000, 62 (4): 301-304.
[7] Blanco M, Romero M A. Near infrared libraries in the pharmaceutical industry: a solution for identity confirmation[J]. Analyst, 2001, 126(12): 2212-2217
[8]EL-Hagrasy A S, Drennen J K A. Process analytical technology approach to near-infrared processcontrol of pharmaceutical powder blending[J]. J Pharm Sci, 2006, 95(2): 422-434.
[9]C. D. Tran, G. H. Gao. Anal.Chem., 1996, 68: 2264
[10]Near-Infrared Spectrophotometry .USP25-NF second supplement, p2903-2907
[11] Burks, T. F., Shearer, S. A., Gates, R. S., and Donohue, K. D. 2000. Backpropagation neural network design and evaluation for classifying weed species using color image texture. Trans. ASAE 43:1029-1037.
[12] Chang, H. W., Shaw, J. T., Lee, S. M., and Hong, M. C. 2000. Classifying varieties of paddy rice by near-infrared and image processing technique. J. Agric. Mach. 9:1-16.
[13] Majumdar, S., and Jayas, D. S. 2000. Classification of cereal grains using machine vision: Combined morphology, color, and texture models. Trans. ASAE 43:1689-1694.
10.致谢:
本课题在选题及研究过程中得到XXX老师的悉心指导,他严肃的科学态度,严谨的治学精神,精益求精的工作作风,深深地感染和激励着我。因此,我首先感谢XXX老师对我的指导和关怀。他丰富经验和渊博的知识让我少走了许多弯路,他对人态度的谦和使我受益良多。XXX老师不仅在学业上给我以精心指导,同时还在思想、生活上给我以无微不至的关怀。在此我再次感谢XXX老师对我的帮助,没有他的指导,我无法做好论文。
另外,感谢四年来所有传授我知识的老师,老师们教会我的不仅仅是专业知识,更多的是对待学习、对待生活的态度。我还要感谢我可爱的同学,大学四年给我了那么多的帮助与鼓励,在我不开心的时候,总能让我开心起来,不会忘记,大学四年里我们一起渡过的欢乐时光,那些开心的日子,总是那么令人难以忘怀。 最后对老师,同学和家人再次致以我最衷心的感谢!
XXX
2011.03.28