時間序列分析在全國gdp預(yù)測中的應(yīng)用及生物催化法生產(chǎn)r-扁桃酸及其年產(chǎn)500噸規(guī)模的工廠工藝設(shè)計

時間序列分析在全國GDP預(yù)測中的應(yīng)用ApplicationofTimeSeriesAnalysisinForecastGDPofTheWholeNation摘要：從《中國統(tǒng)計年鑒2009》選取全國1978年～2008年31個年度的GDP的歷史數(shù)據(jù)并畫出時序圖，再根據(jù)時間序列的確定性分析的指數(shù)平滑法和隨機性分析的取對數(shù)法及Excel、SAS軟件對其進行分析與預(yù)測，最后得到比較滿意的未來5年GDP的預(yù)測結(jié)果。關(guān)鍵詞：GDP時間序列指數(shù)平滑法預(yù)測Abstract：From“ChinaStatisticalYearbook2009"selectnational1978-200831yearofGDPofhistoricaldataanddrawoutplots,againbasedontimeseriesofdeterministicanalysisofexponentialsmoothing,andanalysisofthelogarithmsofrandomnessandExcel,SASsoftwaretoanalyzeandforecast,theresultingquitesatisfactoryforthenext5yearsGDPestimates.Keywords:GDPTimeseriesExponentialsmoothingForecast

目錄TOC\o"1-4"\h\z\u摘要 iAbstract ii第一章時間序列分析的概況和基本方法 11.1研究背景及意義 11.2指數(shù)平滑法 11.3Auto-Regressive模型的建模步驟 21.3.1對序列趨勢進行Auto-Regressive擬合 21.3.2殘差自相關(guān)檢驗 3檢驗原理 3Durbin-Waston檢驗 4模型擬合 5確定自回歸模型的階數(shù) 5參數(shù)估計 5模型預(yù)測 6第二章實例分析 72.1數(shù)據(jù)來源 72.2確定性分析--指數(shù)平滑法 72.3隨機性分析 132.3.1取對數(shù)后Auto-Regressive模型擬合法 132.4未來5年全國GDP的預(yù)測 17結(jié)論 18成果聲明 20參考文獻 21致謝 22第一章時間序列分析的概況和基本方法1.1研究背景及意義預(yù)測是人們根據(jù)事物之間的相互聯(lián)系，事物發(fā)展的歷史數(shù)據(jù)及相關(guān)信息，利用己經(jīng)掌握的科學(xué)知識和手段，對客觀事物的未來發(fā)展?fàn)顩r或趨勢進行事前分析和推斷的科學(xué)與藝術(shù)。預(yù)測的科學(xué)性在于，它有科學(xué)基礎(chǔ)，包括理論、資料、方法、計算等因素，依賴于對客觀經(jīng)濟規(guī)律的認識和掌握。預(yù)測的藝術(shù)特征在于，它依賴于預(yù)測者提出假設(shè)、選擇方法、利用資料的技巧和運用自己的學(xué)識、經(jīng)驗、獲得的情報進行判斷的能力。預(yù)測的目的在于為制定計劃或進行決策提供客觀依據(jù)。事物是發(fā)展變化的，其結(jié)果具有不確定性，與人們的生產(chǎn)活動密切相連?！胺彩骂A(yù)則立，不預(yù)則廢”。社會經(jīng)濟、工程等諸多領(lǐng)域都離不開預(yù)測，日常天氣的預(yù)測、太陽黑子活動的預(yù)測、網(wǎng)絡(luò)流量的預(yù)測、企業(yè)產(chǎn)品銷售量的預(yù)測、股票走勢預(yù)測等等，無一不和我們的生活息息相關(guān)。印度洋海嘯把人們卷入苦難的深淵，也引發(fā)諸多思考。我們現(xiàn)在的預(yù)測方法還不夠成熟，對一些重大的自然災(zāi)害，比如說地震，海嘯等，沒有形成一種比較合理有效的預(yù)測方法。而解決預(yù)測問題的最有力的方法是發(fā)現(xiàn)、揭示給定動態(tài)過程或現(xiàn)象背后的規(guī)律。如果其規(guī)律能被徹底發(fā)現(xiàn)并描述，例如用一組普通的不等式來描述，那么當(dāng)初始條件已知時就可通過解這組不等式而預(yù)測未來，但不幸的是有關(guān)事物的信息經(jīng)常是不完全的，有關(guān)理論也是不完善的，人們對事物的了解僅限于觀察數(shù)據(jù)，因此只能利用現(xiàn)有的歷史數(shù)據(jù)構(gòu)造模型，進而預(yù)測未來。時間序列是按照時間順序取得的一系列觀測值。很多數(shù)據(jù)是以時間序列的形式出現(xiàn)的，如股票市場的每日波動，科學(xué)實驗，一個工廠裝船貨物數(shù)量的月度序列，公路事故數(shù)量的周期序列，某化工生產(chǎn)過程按小時觀測的產(chǎn)量等等。人們希望通過對時間序列的分析，從中發(fā)現(xiàn)和揭示某一現(xiàn)象的發(fā)展變化規(guī)律，或從動態(tài)的角度描述某一現(xiàn)象和其他現(xiàn)象之間的內(nèi)在數(shù)量關(guān)系及其變化規(guī)律，從而盡可能多地從中提取出所需要的準(zhǔn)確信息，并將這些知識和信息用于預(yù)測，以更好地掌握和控制未來行為。從經(jīng)濟到工程技術(shù)，從天文地理到氣象，幾乎在自然科學(xué)和社會科學(xué)各個領(lǐng)域中都會遇到時間序列，因此對時間序列預(yù)測方法進行研究具有重要意義。1.2指數(shù)平滑法指數(shù)平滑法是利用平滑平均數(shù)的計算對時間序列進行修勻的一種方法。它對過去的數(shù)據(jù)分別加以不同的權(quán)數(shù)，而且更重視近期的數(shù)據(jù)。即數(shù)據(jù)越近，權(quán)數(shù)越大；數(shù)據(jù)越遠，權(quán)數(shù)越小。與重近輕遠原則完全吻合。重近輕遠原則所用的權(quán)數(shù)是按等比級數(shù)逐一遞減的，這個級數(shù)的首項叫平滑常數(shù)，用表示，公比為。在指數(shù)平滑法中，平滑常數(shù)的大小與修勻程度成反比；而在反應(yīng)最新數(shù)據(jù)的敏感性方面，與取值大小成正比。如果指數(shù)平滑的目的在于用新的指數(shù)平滑平均數(shù)去反映時間序列中所包含的長期趨勢，一般取0.1～0.3。指數(shù)平滑的基本公式是:--時間的平滑值--時間的實際值--時間的平滑值--平滑常數(shù)，其取值范圍為1.3Auto-Regressive模型的建模步驟1.3.1對序列趨勢進行Auto-Regressive擬合Auto-Regressive模型的構(gòu)造思想是首先通過確定性因素分解方法提取序列中主要的確定性信息：式中，為趨勢效應(yīng)擬合；為季節(jié)效應(yīng)擬合?？紤]到因素分解方法對確定性信息的提取可能不夠充分，因而需要進一步檢驗殘差序列的自相關(guān)性。如果檢驗結(jié)果顯示殘差序列自相關(guān)不顯著，說明以上這個確定性回歸模型對信息的提取比較充分，可以停止分析了。如果檢驗結(jié)果顯示殘差序列自相關(guān)性顯著，說明以上這個確定性回歸模型對信息的提取不充分，這時可以考慮對殘差序列擬合自回歸模型，進一步提取相關(guān)信息：這樣構(gòu)造的模型：稱為（殘差）自回歸模型。實踐中，對趨勢擬合常用如下兩種方式：自變量為時間的冥函數(shù)2.自變量為歷史觀察值第二種方式和差分方式的原理雷同。對季節(jié)效應(yīng)的擬合也有兩種常用的方式：給定季節(jié)指數(shù)式中，是某個已知的季節(jié)指數(shù)。建立季節(jié)自回歸模型假定固定周期為。1.3.2殘差自相關(guān)檢驗檢驗原理確定性模型擬合好之后，我們要對該模型的擬合效果進行檢驗。如果殘差序列顯示出純隨機的性質(zhì)，即就說明確定性模型擬合得非常好，已經(jīng)能夠充分提取序列中的相關(guān)信息了，我們不需要再對殘差序列進行二次信息提取了，分析結(jié)束。反之，如果殘差序列顯示出顯著的自相關(guān)性，即那就說明確定性模型擬合得不夠精確，序列中的相關(guān)信息沒有得到充分提取，我們應(yīng)該對殘差序列再次擬合，提取其中殘存的相關(guān)信息，以提高模型擬合的精度。Durbin-Waston檢驗Durbin-Waston檢驗（簡稱DW檢驗）是由J.Durbin和G.S.Watson于1950年在考慮多元回歸模型的殘差獨立性時提出的一個自相關(guān)檢驗統(tǒng)計量。我們把它借鑒過來進行時間序列殘差自相關(guān)檢驗。構(gòu)造DW檢驗統(tǒng)計量：在大數(shù)場合，有所以DW檢驗統(tǒng)計量近似等于根據(jù)自相關(guān)系數(shù)的定義，有即因為，所以。當(dāng)時，序列正相關(guān)，且時，；時，。根據(jù)這個性質(zhì)，再給定，由n和k的大小查DW分布表，可以確定兩個臨界值，當(dāng)時，序列顯著正相關(guān)，當(dāng)時，序列顯著不相關(guān)。當(dāng)時，現(xiàn)有數(shù)據(jù)還無法做出肯定判斷，需要更多的信息支持。當(dāng)時，序列正相關(guān)，且時，；時，。同理可以確定兩個臨界值，當(dāng)時，序列顯著負相關(guān)，當(dāng)時，序列顯著不相關(guān)。當(dāng)時，現(xiàn)有數(shù)據(jù)還無法做出肯定判斷，需要更多的信息支持。根據(jù)的對稱性，有模型擬合確定自回歸模型的階數(shù)殘差序列的自相關(guān)圖從左到右輸出的信息分別是：自相關(guān)系數(shù)值和自相關(guān)圖，而它的偏自相關(guān)圖從左到右輸出的信息分別是：偏自相關(guān)系數(shù)和偏自相關(guān)圖。從自相關(guān)圖和偏自相關(guān)圖可以看出：如果殘差自相關(guān)系數(shù)或偏自相關(guān)系數(shù)在最初的階明顯大于倍標(biāo)準(zhǔn)差范圍，而后幾乎95%的自相關(guān)系數(shù)都落在2倍標(biāo)準(zhǔn)差的范圍以內(nèi)，而且由非零自相關(guān)系數(shù)衰減為小值波動的過程非常突然，這時，通常視為自相關(guān)系數(shù)截尾。截尾階數(shù)為；如果有超過5%的樣本相關(guān)系數(shù)落入倍標(biāo)準(zhǔn)差范圍之外，或者是由顯著非零的相關(guān)系數(shù)衰減為小值波動的過程比較緩慢或者非常連續(xù)，這時，通常視為相關(guān)系數(shù)不截尾。為了有效彌補根據(jù)自相關(guān)圖和偏自相關(guān)圖定階的主觀性，AIC準(zhǔn)則和SBC準(zhǔn)則能夠在有限的階數(shù)范圍內(nèi)，幫助我們尋找相對最優(yōu)擬合模型。之所以稱為相對最優(yōu)模型而不是絕對的最優(yōu)模型，是因為我們不可能比較所有模型的AIC和SBC函數(shù)值，再選擇其中AIC和SBC函數(shù)值達到最小的那個模型作為最終的擬合模型，因而這樣得到的最優(yōu)模型就是一個相對最優(yōu)模型。參數(shù)估計 單純根據(jù)殘差序列的值可以非常容易地確定殘差自回歸模型的口徑：但是，由于殘差序列與序列回歸值之間具有相關(guān)性，所以按照上述方法將它們分開求解實際上忽略了相關(guān)性的影響，這將會降低模型擬合的精度。所以，參數(shù)最優(yōu)估計應(yīng)該是在前面分析的基礎(chǔ)上，確定回歸模型的結(jié)構(gòu)和殘差自回歸模型的階數(shù)，將所有參數(shù)聯(lián)合求解。模型預(yù)測根據(jù)檢驗和比較的結(jié)果,選擇最后的方程模型,將相應(yīng)的值帶入,就得到原時間序列的將來走勢。第二章實例分析2.1數(shù)據(jù)來源《中國統(tǒng)計年鑒2009年》中的19782008年共31年的數(shù)據(jù)。國內(nèi)生產(chǎn)總值(GDP)受經(jīng)濟基礎(chǔ)、人口增長、資源、科技、環(huán)境等諸多因素的影響,這些因素之間又有著錯綜復(fù)雜的關(guān)系,因此,運用結(jié)構(gòu)性的因果模型分析和預(yù)測GDP往往比較困難。將歷年的GDP作為時間序列,根據(jù)過去的數(shù)據(jù)得出其變化規(guī)律,建立預(yù)測模型,用此來預(yù)測未來的發(fā)展變化,有著重要的意義。下面以全國1978—2006年國內(nèi)生產(chǎn)總值數(shù)據(jù)(見表1)為例,介紹用時間序列分析法對數(shù)據(jù)分析的過程,并通過其預(yù)測2007年、2008年的生產(chǎn)總值與實際的生產(chǎn)總值進行比較，選出合理的預(yù)測方法，再對未來5年全國GDP做出預(yù)測。表1全國1978-2006年國內(nèi)生產(chǎn)總值（GDP）數(shù)據(jù)（單位：億元）年份GDP年份GDP年份GDP19783645.22198815042.82199884402.2819794062.58198916992.32199989677.0519804545.62199018667.82200099214.5519814891.56199121781.52001109655.219825323.35199226923.482002120332.719835962.65199335333.922003135822.819847208.05199448197.862004159878.319859016.04199560793.732005183217.4198610275592006211923.5198712058.62199778973.032.2確定性分析--指數(shù)平滑法首先對數(shù)據(jù)進行平穩(wěn)性與隨機性檢驗繪制原始GDP的時序圖如下：圖1序列GDP的時序圖由時序圖可以看出數(shù)據(jù)呈現(xiàn)顯著的指數(shù)遞增趨勢。圖2原始GDP自相關(guān)圖從原始自相關(guān)圖可以看出，自相關(guān)系數(shù)遞減到零的速度相當(dāng)緩慢，在很長的延遲時期里，自相關(guān)系數(shù)一直為正，則可以說明該時間序列是非平穩(wěn)的，由于圖檢驗帶有很強的主觀色彩，為了客觀起見，再用單位根檢驗其平穩(wěn)性，其結(jié)果如下：圖3原始GDP單位根檢驗檢驗結(jié)果顯示，無論考慮何種類型的模型,Tau檢驗統(tǒng)計量的P值均顯著大于,所以可以認為國內(nèi)生產(chǎn)總值GDP序列顯著非平穩(wěn)。因此選用三次平滑法比較具有合理性。由于指數(shù)平滑存在滯后現(xiàn)象，因此，無論一次指數(shù)平滑或二次、三次指數(shù)平滑值都不宜直接作為預(yù)測值，但可以利用它來修勻時間序列，以獲得時間序列的變化趨勢，從而建立預(yù)測模型。一次指數(shù)平滑法的一般表達式為：可以通過整理得：無論取何值，它們的都等于。則分別選取，，，，對原始數(shù)據(jù)做指數(shù)平滑。一次指數(shù)平滑法的指數(shù)平滑預(yù)測值的運算過程如下表所示：表2一次指數(shù)平滑法計算表年度(億元）指數(shù)平滑預(yù)測值--19783645.2219794062.583645.223645.223645.223645.223645.2219804545.623686.9563707.8243728.6923749.563770.42819814891.563772.8223833.4933892.0783948.5754002.98619825323.353884.6963992.2034091.9744184.3214269.55819835962.654028.5624191.8754338.2494469.0784585.69619847208.054221.974457.4924663.1294842.4714998.78219859016.044520.5784870.0755172.1145433.8665661.562198610275.184970.1255491.975940.8996329.4096667.906198712058.625500.636209.4526807.7557315.8527750.088198815042.826156.4297086.8277857.9288501.5449042.648198916992.327045.0688280.2269294.90610136.8610842.7199018667.828039.7939587.0410834.3911850.7312687.59199121781.59102.59610949.1612401.081355514481.66199226923.4810370.4912574.0114277.1615611.6316671.61199335333.9212025.7914726.4316806.4218439.59197478614356.617817.5520511.9222663.1724423.2199560793.7317740.7322374.626049.1129046.8431555.59199671176.5922046.0328137.4732998.0336983.5740327.04199778973.0326959.0834593.3440633.7545531.8249581.9199884402.2832160.4841250.2948301.653892.1258399.24199989677.0537384.6647723.0955521.7461519.66662005542613.954016.1862352.868559.0173243.222001109655.1748273.9660795.9469725.1576222.8981034.622002120332.6954412.0868124.8277711.1584580.9689620.792003135822.7661004.147595686235.4693518.998834.362004159878.3468486.0184936.0296152.92104094.9109930.92005183217.477625.2496177.37108898118040.7124915.12006211923.588184.45109233.4123761.9134334.9142405.82007-100558.4124636.9141394.2153732163261.1一次指數(shù)平滑法只需要較少的數(shù)據(jù)量和較小的計算量。一次指數(shù)平滑的初值的確定有兩種方法：方法一是取第一期的實際值為初值，方法二是取最初幾期的平均值為初值。因此，本文選用第一種方法來確定初值。分別計算五種預(yù)測結(jié)果的均方差，也就是平均誤差平方。（1）平滑常數(shù)（2）平滑常數(shù)（3）平滑常數(shù)（4）平滑常數(shù)（5）平滑常數(shù)最終發(fā)現(xiàn)當(dāng)時所對應(yīng)的均方差最小，所以選定0.3作為平滑常數(shù)。二次指數(shù)平滑法是在一次平滑的基礎(chǔ)上再做一次平滑,其預(yù)測模型適用于時間序列數(shù)據(jù)呈線性趨勢的情況,但二次曲線指數(shù)平滑法不僅考慮了線性增長的因素，而且也考慮了二次拋物線的增長因素。雖然二次曲線指數(shù)平滑法的計算方法比前幾種指數(shù)平滑法略微復(fù)雜，但對非平穩(wěn)時間序列的預(yù)測相當(dāng)有效，它能隨著時間序列呈拋物線增長而調(diào)整預(yù)測值。二次曲線指數(shù)平滑法的初始值依賴于兩個時期的觀察值和，而它的平滑常數(shù)由一次指數(shù)平滑法的平滑常數(shù)來確定。已知和，假設(shè)：那么：，，。為了預(yù)測全國和年的國內(nèi)生產(chǎn)總值，取，分別取。由指數(shù)平滑數(shù)值可計算出：，，故得二次曲線指數(shù)平滑預(yù)測模型為：計算過程列在表3中。表3二次曲線指數(shù)平滑法預(yù)測全國國內(nèi)生產(chǎn)總值年度19783645.223645.223645.223645.2219794062.583770.433682.783656.493919.4357.4711.27-19804545.624002.993778.843693.204365.62136.4925.443982.5319814891.564269.563926.063763.054793.55191.1033.154514.8319825323.354585.704123.953871.325256.56237.8138.415001.2319835962.654998.784386.404025.855862.99300.8646.255513.5719847208.055661.564768.954248.786926.62441.5968.416186.9819859016.046667.915338.644575.738563.55664.30104.037402.42198610275.187750.096062.075021.6410085.69802.79118.949279.85198712058.629042.656956.245602.0211861.23953.40134.4810947.94198815042.8210842.708122.186358.0714519.621244.13175.6712881.87198916992.3212687.599491.807298.1916885.541392.40184.0715851.58199018667.8214481.6610988.768405.3618884.051416.03167.0518369.97199121781.5016671.6112693.619691.8421625.821578.76179.3120383.61199226923.4819747.1714809.6811227.1926039.662041.16248.8823294.23199335333.9224423.2017693.7313167.1533355.532984.72404.6128205.26199448197.8631555.5921852.2915772.6944882.604558.43665.5836542.56199560793.7340327.0427394.7219259.3058056.266056.75881.0649773.82199671176.5949581.9034050.8723696.7770289.866941.37950.8664553.54199778973.0358399.2441355.3828994.3680125.937049.05860.1177706.67199884402.2866200.1548808.8134938.6987112.716477.00646.7587605.04199989677.0573243.2256139.1441298.8392611.085687.16415.8093913.08200099214.5581034.6263607.7847991.51100272.035512.10332.5598506.142001109655.1789620.7971411.6855017.56109644.875715.77333.36105950.412002120332.6998834.3679638.4862403.84119991.466052.78360.23115527.322003135822.76109930.8888726.2070300.55133914.577034.97510.43126224.352004159878.34124915.1299582.8879085.25155081.979266.77887.99141204.762005183217.40142405.80112429.7589088.60179016.7411485.951218.65164792.732006211923.50163261.11127679.16100665.77207411.6214028.481573.82191112.022007222227.00由表中的得預(yù)測結(jié)果為：表4指數(shù)平滑法07、08預(yù)測結(jié)果與實際結(jié)果比較年份預(yù)測值（億元）實際值（億元）相對誤差2007222227257305.6-13.633%2008238616.2300670-20.639%其中，相對誤差=|(估計值-實際值)/實際值|。由表4中可以看到，預(yù)測2007年的相對誤差為-13.633%，但是預(yù)測2008年的相對誤差卻為-20.639%，說明預(yù)測的精確度隨時間的遞增卻大幅度地降低。2.3隨機性分析 2.3.1取對數(shù)后Auto-Regressive模型擬合法對于含有指數(shù)趨勢的時間序列，可以通過取對數(shù)將指數(shù)趨勢轉(zhuǎn)化為線性趨勢，則對原始數(shù)據(jù)先取對數(shù)后畫出時序圖并檢驗平穩(wěn)性如下：圖4原始數(shù)據(jù)取對數(shù)后時序圖圖5原始數(shù)據(jù)取對數(shù)后自相關(guān)圖從原始數(shù)據(jù)取對數(shù)后自相關(guān)圖可以看出，自相關(guān)系數(shù)遞減到零的速度相當(dāng)緩慢，在很長的延遲時期里，自相關(guān)系數(shù)一直為正，則可以說明該時間序列是非平穩(wěn)的，由于圖檢驗帶有很強的主觀色彩，為了客觀起見，再用單位根檢驗其平穩(wěn)性，其結(jié)果如下：圖6原始數(shù)據(jù)取對數(shù)后單位根檢驗檢驗結(jié)果顯示，無論考慮何種類型的模型,Tau檢驗統(tǒng)計量的P值均顯著大于,所以可以認為取對數(shù)后的GDP序列顯著非平穩(wěn)，又加上時序圖顯示序列l(wèi)nGDP有一個明顯的隨時間線性遞增的趨勢，所以不妨考慮使用Auto-Regressive模型擬合該序列的發(fā)展。序列l(wèi)nGDP關(guān)于變量year的線性回歸模型最小二乘估計輸出結(jié)果如圖所示：圖7序列l(wèi)nGDP關(guān)于變量year的線性回歸模型最小二乘估計結(jié)果輸出結(jié)果顯示DW統(tǒng)計量的值等于0.2064，輸出概率顯示殘差序列顯著正相關(guān)。所以應(yīng)該考慮對殘差序列擬合自相關(guān)模型，修改AUTOREG程序得到最終擬合模型圖形如下：圖8原始數(shù)據(jù)取對數(shù)后最終擬合模型輸出結(jié)果從以上結(jié)果可以看出:SBC函數(shù)值等于-88.651723，AIC函數(shù)值等于-94.120906，它們都是通過在選定范圍內(nèi)的模型當(dāng)中選出最小的兩個值，還有擬合殘差自回歸模型的總體等于0.9991，擬合誤差MSE等于0.00180，表明誤差很小，所以考慮殘差自相關(guān)后,不但提高模型預(yù)測精度,而且模擬的曲線更符合數(shù)據(jù)變化的實際趨勢(圖7)。得到最終擬合模型為：同時我們可以根據(jù)下表得到殘差預(yù)測值，表如下：表5殘差輸出結(jié)果xptrendlnGDPyear8.1107510.0263788.1107518.219788.343781-0.022718.2636178.3119798.422919-0.002928.4164838.4219808.540513-0.040518.569358.519818.611214-0.031218.7222168.5819828.704122-0.014128.8750828.6919838.8439230.0360779.0279488.8819849.0865620.0234389.1808149.1119859.332507-0.092519.333689.2419869.3925350.0074659.4865479.419879.5734780.0465229.6394139.6219889.825999-0.0869.7922799.7419899.877799-0.04789.9451459.8319909.9567290.03327110.098019.99199110.167280.03271910.2508810.2199210.404170.06582910.4037410.47199310.697830.08216610.5566110.78199411.009610.01039310.7094811.02199511.18236-0.0123610.8623411.17199611.266240.01375711.0152111.28199711.35423-0.0142311.1680711.34199811.393670.00633211.3209411.4199911.470120.03988111.4738111.51200011.62472-0.0147211.6266711.61200111.72669-0.0266911.7795411.7200211.82042-0.0004211.932411.82200311.968450.0115512.0852711.98200412.1568-0.036812.2381412.12200512.28427-0.0242712.39112.262006表6殘差預(yù)測與對數(shù)預(yù)測值年份20072008殘差預(yù)測值-0.01070.0012對數(shù)值預(yù)測值12.754012.7659則可得GDP預(yù)測值為：表707、08年預(yù)測結(jié)果與實際結(jié)果比較年份預(yù)測值（億元）實際值（億元）相對誤差2007296884.7265257305.6015.38%2008350087.8787300670.0016.44%為了得到直觀的擬合效果，還可以利用OUTPUT命令將擬合結(jié)果存入SAS數(shù)據(jù)集中，并對輸出結(jié)果作圖，輸出圖形如下：圖9原始數(shù)據(jù)取對數(shù)后擬合效果圖2.4未來5年全國GDP的預(yù)測通過上面兩種方法對全國GDP的分析及對2007、2008年GDP預(yù)測值與原始值的比較，可以發(fā)現(xiàn)第二種方法的預(yù)測結(jié)果比較好。因此，選擇第二種方法對全國未來5年GDP做出預(yù)測。表8未來5年全國GDP的預(yù)測值年份20092010201120122013GDP預(yù)測值（億元）411430.7481629.4561661.5653146.4758171由此結(jié)果可以看出全國GDP在未來5年中將會繼續(xù)呈逐年上升的趨勢。結(jié)論本文使用了時間序列分析的方法對全國生產(chǎn)總值的年度數(shù)據(jù)序列分別進行了確定性分析和隨機性分析，并運用兩種分析方法中的指數(shù)平滑法和Auto-Regressive模型預(yù)測方法對全國的國內(nèi)生產(chǎn)總值進行了小規(guī)模的預(yù)測。通過對論文中涉及的兩種方法得到的結(jié)果進行比較：表9指數(shù)平滑法07、08預(yù)測結(jié)果與實際結(jié)果比較年份預(yù)測值（億元）實際值（億元）相對誤差2007222227257305.6-13.633%2008238616.2300670-20.639%表10Auto-Regressive模型07、08年預(yù)測結(jié)果與實際結(jié)果比較年份預(yù)測值（億元）實際值（億元）相對誤差2007296884.7265257305.6015.38%2008350087.8787300670.0016.44%由比較結(jié)果可以看出第二種方法的預(yù)測值與實際值最為接近，即該種方法比較好，故最后選取第二種方法對全國未來5年的GDP做出預(yù)測。從該論文分別采取確定性和隨機性分析的方法對時間序列做出分析和預(yù)測的結(jié)果中可以看出，隨機性分析要遠好于確定性分析。Auto-Regressive模型是一種擬合非平穩(wěn)時間序列的方法,它既能提取序列的確定性信息,又能提取其隨機性信息,不僅提高了模型的擬合精度,還使結(jié)果符合實際,變得更易解釋,兼具了時間序列確定性分析和隨機性分析的優(yōu)點。當(dāng)一個時間序列具有明顯的確定性趨勢或季節(jié)效應(yīng)時,可考慮應(yīng)用此模型。本文采用的我國1978～2008年間國內(nèi)生產(chǎn)總值的案例中,原始數(shù)據(jù)取對數(shù)后的時間序列呈明顯的線性上升趨勢,若僅用一般線性回歸進行擬合，殘差序列會存在自相關(guān)性,提示對序列信息的提取不充分,進一步應(yīng)用Auto-Regressive模型擬合后發(fā)現(xiàn)信息提取充分,大大降低了擬合(模型)誤差、提高了模型的精度。Auto-Regressive模型的計算雖然復(fù)雜,但借助計算機技術(shù)可方便快捷地實現(xiàn)這一過程,如應(yīng)用SAS/ETS模塊中的AUTOREG過程,通過自行編程可以靈活實現(xiàn)不同領(lǐng)域時間序列的Auto-Regressive模型擬合。因此Auto-Regressive模型的應(yīng)用有良好的發(fā)展前景。由本文得到的較為滿意的擬合結(jié)果可知時間序列短期預(yù)測精度是比較高的。由此可見，時間序列預(yù)測法是一種重要的預(yù)測方法，其模型比較簡單，對資料的要求比較單一，只需變量本身的歷史數(shù)據(jù)，在實際中有著泛的適用性。在應(yīng)用中，應(yīng)該根據(jù)所要解決的問題及問題的特點等方面因素來綜合考慮并選擇相對最優(yōu)的模型。當(dāng)然國內(nèi)生產(chǎn)總值是國民經(jīng)濟的核心內(nèi)容，經(jīng)濟狀況幾乎要牽涉到經(jīng)濟體系中的一切的部分，像這樣復(fù)雜的現(xiàn)象是不可能用任何一個或者幾個個別的因素來說明的。因此本文還有著許多的不足之處，會在以后的學(xué)習(xí)中將其不斷完善。成果聲明本人鄭重聲明：所呈交的畢業(yè)論文是本人在指導(dǎo)老師的指導(dǎo)下獨立進行研究所取得的成果。除文中已經(jīng)注明引用的內(nèi)容外,本論文不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫過的科研成果。本文的研究和撰寫對做出重要貢獻的個人和集體,均已在文中以明確方式標(biāo)明。本人完全意識到本聲明的法律責(zé)任由本人承擔(dān)。另外：本文版權(quán)屬貴州民族學(xué)院所有。論文作者簽名：日期：參考文獻[1]張利.\o"基于時間序列ARIMA模型的分析預(yù)測算法研究及系統(tǒng)實現(xiàn)"基于時間序列ARIMA模型的分析預(yù)測算法研究及系統(tǒng)實現(xiàn)[D].江蘇大學(xué),2008.[2]安鴻志，陳兆國，杜金觀，潘一民.時間序列的分析與應(yīng)用[M].北京:科學(xué)出版社，1983.[3]遲靈芝.指數(shù)平滑法在糧食產(chǎn)量預(yù)測中的應(yīng)用[J].本溪冶金高等專科學(xué)校學(xué)報,2004,(04).[4]劉薇.\o"時間序列分析在吉林省GDP預(yù)測中的應(yīng)用"時間序列分析在吉林省GDP預(yù)測中的應(yīng)用[D].東北師范大學(xué),2008.[5]王燕.應(yīng)用時間序列分析.北京:中國人民大學(xué)出版社,2005.[6]《中國統(tǒng)計年鑒2009》.中國統(tǒng)計出版社.[7]徐國祥.統(tǒng)計預(yù)測和決策.上海：上海財經(jīng)大學(xué)出版社，2008.11.[8] 侯青霞.中國人均GDP的函數(shù)系數(shù)自回歸模型的預(yù)測研究[D].西安理工大學(xué),2008.[9] 邱淵磊.浙江省人均GDP時間序列模型的建立與預(yù)測[J].浙江海洋學(xué)院學(xué)報(自然科學(xué)版),2009,(02).[10]劉曉冬,景睿,孟祥臻,李向云.\o"殘差自回歸模型及SAS程序?qū)崿F(xiàn)相似度58%"殘差自回歸模型及SAS程序?qū)崿F(xiàn)[J].中國衛(wèi)生統(tǒng)計,2008,(05).致謝謹向我的指導(dǎo)老師黃老師表示衷心的感謝。感謝黃老師在過去的三年中，在我完成學(xué)業(yè)和畢業(yè)論文的寫作過程中，對我的悉心指導(dǎo)和幫助;在生活上，對我的關(guān)心和照顧。當(dāng)我遇到困難的時候，黃老師總是熱心幫助，給我支持和鼓勵。我被黃老師誠懇的待人方式，廣博扎實的專業(yè)知識，嚴(yán)謹?shù)闹螌W(xué)態(tài)度，富有啟發(fā)的思維方式，孜孜不倦的誨人態(tài)度，非凡的人格魅力所折服，使我受益非淺，令我終生難忘。再次向黃老師深表謝意！在我學(xué)習(xí)道路上對我的培養(yǎng)。難忘各位老師的辛勤付出和鼓勵支持，再次表示感謝。感謝在我的學(xué)習(xí)和生活中曾幫助和關(guān)心過我的所有理學(xué)院同學(xué)！最誠摯地感謝所有辛勤審評的專家和對此文提出寶貴建議的老師和同學(xué)們！論文作者簽名：日期：碩士學(xué)位論文論文題目：生物催化法生產(chǎn)R-扁桃酸及其年產(chǎn)500噸規(guī)模的工廠工藝設(shè)計作者姓名指導(dǎo)教師教授副教授學(xué)科專業(yè)生物工程所在學(xué)院生環(huán)學(xué)院提交日期BiocatalyticsynthesisofR-mandelicacidandprocessdesignof500t/ascaleSubmittedtoZhejiangUniversityofTechnologyforMasterDegreeWrittenbyShenzhufeiMajoringinBiologicalEngineeringSupervisedbyProfessorZhengYuguoCollegeofBiologicalandEnvironmentalEngineeringofZhejiangUniversityofTechnologyMay,2013目錄TOC\o"1-4"\h\z\u摘要 IAbstract III第一章文獻綜述 11.1簡介 11.2R-MA的工業(yè)合成方法 21.3生物催化法合成R-MA 61.3.1脂肪酶法生物催化合成R-MA 61.3.2氧化還原酶催化合成R-MA 71.3.3腈水解酶催化合成R-MA 81.4腈水解酶研究概況 91.5生物制藥過程放大研究進展 121.5.1生物制藥工藝設(shè)計 121.5.2生物工程優(yōu)化與放大 121.5.3生物反應(yīng)器設(shè)計 141.6本論文的研究目的與內(nèi)容 15第二章生物催化法生產(chǎn)R-MA小試試驗工藝研究 162.1發(fā)酵產(chǎn)酶工段工藝 172.1.1材料和方法 17菌株 17培養(yǎng)基 17菌種培養(yǎng)條件 18生物量測定 18腈水解酶活力測定 192.1.2誘導(dǎo)劑的選擇 192.1.3發(fā)酵溫度優(yōu)化 202.1.4最優(yōu)條件下5L發(fā)酵罐中培養(yǎng) 212.1.5pH連續(xù)調(diào)控對產(chǎn)酶的影響 222.1.6補加甘油對產(chǎn)酶的影響 232.1.7小結(jié) 242.2不對稱水解工段工藝 252.2.1材料與方法 25酶催化劑 25靜息細胞制備 25主要試劑 25腈水解酶活力測定 25HPLC分析方法 26薄層色譜層析(TLC) 262.2.2pH對腈水解酶活性的影響 262.2.3溫度對酶活性的影響 272.2.4不同底物濃度對腈水解酶活性的影響 292.2.5金屬離子對轉(zhuǎn)化反應(yīng)的影響 302.2.6助溶劑對催化反應(yīng)的影響 322.2.7分批補料催化生產(chǎn)R-MA 332.2.8小結(jié) 342.3分離純化工段工藝 35第三章生物催化法生產(chǎn)R-MA工藝放大研究 383.1產(chǎn)腈水解酶發(fā)酵罐放大工藝研究 383.23L催化體系與100mL體系反應(yīng)結(jié)果比較 413.3小試工藝路線修正 423.3.1發(fā)酵液中催化反應(yīng)的研究 433.3.2離子交換層析分離純化R-MA 433.4本章小節(jié) 44第四章年產(chǎn)500tR-MA的工藝設(shè)計 464.1概論 464.1.1設(shè)計任務(wù) 464.1.2設(shè)計的技術(shù)依據(jù) 464.1.3設(shè)計原則 464.1.4工藝流程 464.2發(fā)酵工段工藝 474.2.1操作流程 484.2.2滅菌操作 484.2.3操作要點 494.3物料衡算 494.3.1生產(chǎn)規(guī)模 49生產(chǎn)批量 49各階段產(chǎn)量 49種子罐公稱體積 50罐參數(shù)匯總 504.3.2發(fā)酵罐進出物料衡算 50發(fā)酵培養(yǎng)基原料計算 50發(fā)酵罐進出物料 51發(fā)酵罐設(shè)計 52發(fā)酵罐物料平衡圖 54發(fā)酵罐示意圖 564.3.3不對稱水解工段物料平衡 564.3.4離子交換樹脂HZ202計算 574.3.5制備R-MA總物料衡算 574.4能耗分析 584.4.1蒸汽耗量分析 58發(fā)酵空消與實消 58干燥工段 58蒸發(fā)結(jié)晶精提取工段 594.4.2冷卻水耗量分析 59發(fā)酵工段 59雙效濃縮器濃縮工段 594.5經(jīng)濟效益分析 604.5.1年經(jīng)營費用計算 60折舊費和大修費 60原材料、燃料消耗費用 604.5.2利潤、利潤率、投資回收期計算 61利潤 61利潤率 61投資回收期 614.5.3生產(chǎn)盈虧平衡點 614.6車間布置 614.6.1車間區(qū)域和工藝設(shè)備布置原則 614.6.2工藝過程工序劃分 624.6.3車間區(qū)域布置及其環(huán)境設(shè)計等級確定 624.7“三廢”處理 62第五章結(jié)語 64參考文獻 65附錄一：工藝流程圖 69附錄二：發(fā)酵罐示意圖 70附錄三：車間布置平面圖 71致謝 73浙江工業(yè)大學(xué)碩士學(xué)位論文PAGE4生物催化法生產(chǎn)R-扁桃酸及其年產(chǎn)500噸規(guī)模的工廠工藝設(shè)計摘要R-扁桃酸是一種重要的精細化工中間體和手性藥物前體，被廣泛應(yīng)用于制藥與化工行業(yè)。生物催化法合成手性藥物具有條件溫和、催化效率高以及高度選擇性等優(yōu)點，并且無污染和能耗低，是一種環(huán)境友好型的綠色合成方法。腈水解酶作為生物催化法制備R-扁桃酸的一種重要工業(yè)酶，得到了廣泛關(guān)注。本文以腈水解酶產(chǎn)生菌重組E.coliQ196S為研究對象，優(yōu)化了重組腈水解酶的制備工藝，開發(fā)了pH連續(xù)調(diào)控工藝和甘油補加工藝，并在30L發(fā)酵罐中經(jīng)放大驗證，產(chǎn)酶水平可提高至24991U/L。研究了靜息細胞不對稱水解扁桃腈的轉(zhuǎn)化條件，以及分批補料操作生產(chǎn)高濃度的R-扁桃酸，確定了最優(yōu)催化工藝條件：菌體濃度50g/L，加入1mM的Ba2+和1%(v/v)異辛醇作為助溶劑，最適底物濃度64mM，pH7.5，反應(yīng)溫度45°C。經(jīng)過9.5h的轉(zhuǎn)化時間后，R-扁桃酸的積累濃度可達到587mM，e.e.值99%。本文還進一步研究了反應(yīng)混合液中R-扁桃酸的分離純化工藝，在不影響e.e.值的前提下得到了高純度的R-扁桃酸。在小試研究基礎(chǔ)上，本文經(jīng)過中試工藝優(yōu)化及修正，確定了工藝放大法則采用體積溶氧系數(shù)KLa=常數(shù)，以及在分離純化工段使用離子交換層析代替萃取操作。通過工藝流程設(shè)計、物料衡算、能量衡算、車間布置設(shè)計、“三廢處理”及綜合利用等內(nèi)容的設(shè)計，完成了年產(chǎn)500噸純度99%的R-扁桃酸工廠工藝設(shè)計。關(guān)鍵詞生物催化，腈水解酶，R-扁桃酸，工藝設(shè)計BiocatalyticsynthesisofR-mandelicacidandprocessdesignof500t/ascaleAbstractR-mandelicacidistheimportantfinechemicalintermediatesandchiralprodrugwithbroadusesinpharmaceuticalandchemicalindustry.Synthetizingchiraldrugwithbiologicalcatalysismethodhasmanyadvantages,suchasmildconditions,highefficiencyandhighstereoselectivity,etc.Inaddition,itisnon-pollutionandlowenergyconsumption,whichisanenvironmentfriendlygreensynthesismethod.AsnitrilasesareimportantindustrialenzymesthatconvertmandelonitriledirectlyintotheR-mandelicacid,theyreceiveextensiveattention.ThisdissertationisdevotedtothecomprehensiveunderstandingofthefermentationfundamentalofnitrilaseintherecombinantE.coliQ196S,optimizingthepreparationtechnicsofrecombinantnitrilaseanddevelopinganoveltechnologyofcontinuousregulatingpHandglycerolfed-batchfermentation.Subseguently,theoptimumprocesswasverifiedin30-Lfermenter,andtheproductionofnitrilasewas24991U/L.ThepaperinvestigatedthebioconversionconditionsofmandelonitriletoR-mandelicacidwithrestingcellsandpreparationofR-mandelicacidathighaccumulativeconcentrationwithfed-batch.Theoptimalcatalysisconditionsareasfollows:50g/Lrestingcells,1mMBa2+,1%(v/v)isooctanolasco-solvent,substrate64mM,pH7.5and45°C.Aftercontinuousreactionfor9.5h，acquired587mMR-mandelicacidandthee.e.valuewas99%.Afterwards,theseparationandpurificationofR-mandelicacidfromthereactionmixturewerestudied.Basedonlabexperiment,theprocessconditionswereinvestigatedbymagnifiedtestanddesignofindustrialproduction.Aftertheprocessrevised,KLawasthescale-upprincipleandextractionwasreplacedbyionexchangechromatography.Toobtainprocessworkshopof500tonsR-mandelicacidperyear,severalcontents,suchasprocessdesign,materialcalculation,energycalculation,workshoplayoutdesign,“threewastes”treatmentandcomprehensiveutilizationweresystematicallyinvestigatedanddesigned.Keywords:biocatalysis,nitrilase,R-mandelicacid,processdesign第一章文獻綜述1.1簡介單一構(gòu)型手性藥物已成為當(dāng)前國內(nèi)外新藥開發(fā)和研究的關(guān)注重點，手性技術(shù)在新藥研制中逐漸開始受到重視。手性藥物在國內(nèi)外上市銷售的藥物總數(shù)中所占比例正逐年上升，2005年全球范圍內(nèi)上市的新藥已經(jīng)有60%是單一構(gòu)型藥物ADDINEN.CITE<EndNote><Cite><Author>孫志浩</Author><Year>2004</Year><RecNum>1</RecNum><record><rec-number>1</rec-number><foreign-keys><keyapp="EN"db-id="sstps0ed9tterie5wvcxtetyfeaa59vpf59a">1</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author><styleface="normal"font="default"charset="134"size="100%">孫志浩</style></author></authors></contributors><titles><title><styleface="normal"font="default"charset="134"size="100%">手性技術(shù)與生物催化</style></title><secondary-title><styleface="normal"font="default"charset="134"size="100%">生物加工過程</style></secondary-title></titles><periodical><full-title>生物加工過程</full-title></periodical><pages><styleface="normal"font="default"size="100%">6</style><styleface="normal"font="default"charset="134"size="100%">-10</style></pages><volume>2</volume><number>4</number><dates><year><styleface="normal"font="default"charset="134"size="100%">2004</style></year></dates><urls></urls></record></Cite></EndNote>[1]。據(jù)報道，手性藥物2000年銷售增長率超過13%，達到1330億美元，2008年銷售額已達2000億美元ADDINEN.CITE<EndNote><Cite><Author>C</Author><Year>2001</Year><RecNum>2</RecNum><record><rec-number>2</rec-number><foreign-keys><keyapp="EN"db-id="sstps0ed9tterie5wvcxtetyfeaa59vpf59a">2</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author>StinsonSC</author></authors></contributors><titles><title><styleface="normal"font="default"size="100%">Chiral</style><styleface="normal"font="default"charset="134"size="100%"></style><styleface="normal"font="default"size="100%">pharmaceutica</style></title><secondary-title><styleface="normal"font="default"size="100%">Chem</style><styleface="normal"font="default"charset="134"size="100%"></style><styleface="normal"font="default"size="100%">Eng</style><styleface="normal"font="default"charset="134"size="100%"></style><styleface="normal"font="default"size="100%">News</style></secondary-title></titles><periodical><full-title>ChemEngNews</full-title></periodical><pages><styleface="normal"font="default"size="100%">79</style><styleface="normal"font="default"charset="134"size="100%">-97</style></pages><volume>79</volume><number>40</number><dates><year>2001</year></dates><urls></urls></record></Cite></EndNote>[2]。自從歐洲爆發(fā)的“反應(yīng)?！睉K劇后，人們開始逐漸意識到消旋藥物中的兩個對映異構(gòu)體在人體中的藥理毒性、代謝過程以及藥理活性都存在著極大的差異ADDINEN.CITE<EndNote><Cite><Author>M</Author><Year>1995</Year><RecNum>3</RecNum><record><rec-number>3</rec-number><foreign-keys><keyapp="EN"db-id="sstps0ed9tterie5wvcxtetyfeaa59vpf59a">3</key></foreign-keys><ref-typename="Book">6</ref-type><contributors><authors><author><styleface="normal"font="default"size="100%">Nogarradi</style><styleface="normal"font="default"charset="134"size="100%"></style><styleface="normal"font="default"size="100%">M</style></author></authors></contributors><titles><title>SteroselectiveSynthesis</title></titles><dates><year>1995</year></dates><pub-location>Weinhim,Germany</pub-location><publisher>2ndED.VCH</publisher><urls></urls></record></Cite></EndNote>[3]。所以，美國食品及藥物管理局FDA規(guī)定，使用消旋體申報的新藥，需要提供關(guān)于消旋體和各對映異構(gòu)體分別實施的毒理和藥理實驗報告，否則會被鑒定為藥物中含有50%的雜質(zhì)而不予批準(zhǔn)，還規(guī)定包含手性分子藥物必須以單一對映異構(gòu)體形式申報。由于存在著巨大的利潤還有市場需求，全球各大制藥企業(yè)紛紛將工作重點投入到手性藥物的研究開發(fā)，掀起了一陣手性藥物開發(fā)的熱潮。扁桃酸(mandelicacid，MA)又稱作苦杏仁酸、苯乙醇酸或α-羥基苯乙酸，兩種對映異構(gòu)體結(jié)構(gòu)如圖1-1。光學(xué)純R-扁桃酸(R-MA)是一種重要的精細化工中間體和手性藥物前體ADDINEN.CITE<EndNote><Cite><Author>M</Author><Year>2003</Year><RecNum>4</RecNum><record><rec-number>4</rec-number><foreign-keys><keyapp="EN"db-id="sstps0ed9tterie5wvcxtetyfeaa59vpf59a">4</key></foreign-keys><ref-typename="Book">6</ref-type><contributors><authors><author>CoppolaGM</author><author>SchusterHF</author></authors></contributors><titles><title><styleface="normal"font="default"size="100%"></style><styleface="normal"font="default"charset="161"size="100%">α-Hydroxyacidsinenantioselectivesynthese</style></title></titles><section><styleface="normal"font="default"size="100%">137</style><styleface="normal"font="default"charset="134"size="100%">-165</style></section><dates><year>2003</year></dates><pub-location>Weinheim</pub-location><publisher>Wiley-VCH</publisher><urls></urls></record></Cite></EndNote>[4]，廣泛應(yīng)用于多種光學(xué)活性藥物的合成，如頭孢菌素和半合成青霉素等抗生素ADDINEN.CITE<EndNote><Cite><Author>A</Author><Year>1976-05-18</Year><RecNum>5</RecNum><record><rec-number>5</rec-number><foreign-keys><keyapp="EN"db-id="sstps0ed9tterie5wvcxtetyfeaa59vpf59a">5</key></foreign-keys><ref-typename="BookSection">5</ref-type><contributors><authors><author>FurlenmeierA</author><author>QuittP</author><author>VoglerK</author></authors></contributors><titles><title>6-Acylderivativesofaminopenicillanicacid</title></titles><dates><year>1976-05-18</year></dates><pub-location>U.S.Pat.</pub-location><publisher>3,957,758</publisher><urls></urls></record></Cite><Cite><Author>A</Author><Year>1976-05-18</Year><RecNum>5</RecNum><record><rec-number>5</rec-number><foreign-keys><keyapp="EN"db-id="sstps0ed9tterie5wvcxtetyfeaa59vpf59a">5</key></foreign-keys><ref-typename="BookSection">5</ref-type><contributors><authors><author>FurlenmeierA</author><author>QuittP</author><author>VoglerK</author></authors></contributors><titles><title>6-Acylderivativesofaminopenicillanicacid</title></titles><dates><year>1976-05-18</year></dates><pub-location>U.S.Pat.</pub-location><publisher>3,957,758</publisher><urls></urls></record></Cite><Cite><Author>K</Author><Year>1990-01-30</Year><RecNum>6</RecNum><record><rec-number>6</rec-number><foreign-keys><keyapp="EN"db-id="sstps0ed9tterie5wvcxtetyfeaa59vpf59a">6</key></foreign-keys><ref-typename="BookSection">5</ref-type><contributors><authors><author>YoshiokaK</author><author>HaradaS</author><author>OchiaiM</author><author>MasuyaH</author></authors></contributors><titles><title>Antibioticderivatives,theirproductionanduse</title></titles><dates><year>1990-01-30</year></dates><pub-location>U.S.Pat.</pub-location><publisher>4,897,489</publisher><urls></urls></record></Cite></EndNote>[5,6]、抗腫瘤藥物ADDINEN.CITEADDINEN.CITE.DATA[7,8]、減肥藥物ADDINEN.CITEADDINEN.CITE.DATA[9]、農(nóng)藥ADDINEN.CITE<EndNote><Cite><Author>徐逸楣</Author><Year>1998</Year><RecNum>10</RecNum><record><rec-number>10</rec-number><foreign-keys><keyapp="EN"db-id="sstps0ed9tterie5wvcxtetyfeaa59vpf59a">10</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author><styleface="normal"font="default"charset="134"size="100%">徐逸楣</style></author></authors></contributors><titles><title><styleface="normal"font="default"charset="134"size="100%">光學(xué)活性農(nóng)藥開發(fā)的現(xiàn)狀與展望(下)</style></title><secondary-title><styleface="normal"font="default"charset="134"size="100%">農(nóng)藥譯叢</style></secondary-title></titles><periodical><full-title>農(nóng)藥譯叢</full-title></periodical><pages><styleface="normal"font="default"size="100%">21</style><styleface="normal"font="default"charset="134"size="100%">-32</style></pages><volume>20</volume><number>2</number><dates><year>1998</year></dates><urls></urls></record></Cite></EndNote>[10]及其他藥物ADDINEN.CITEADDINEN.CITE.DATA[11,12]。以R-鄰氯扁桃酸為中間體的抗血小板聚集藥物氯吡格雷居全球最暢銷藥品排行榜第二位ADDINEN.CITE<EndNote><Cite><Author>T</Author><Year>2007</Year><RecNum>13</RecNum><record><rec-number>13</rec-number><foreign-keys><keyapp="EN"db-id="sstps0ed9tterie5wvcxtetyfeaa59vpf59a">13</key></foreign-keys><ref-typename="JournalArticle">17</ref-type><contributors><authors><author><styleface="normal"font="default"size="100%">Ema</style><styleface="normal"font="default"charset="134"size="100%"></style><styleface="normal"font="default"size="100%">T</style></author><author><styleface="normal"font