您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览1 | 下载0

目的:利用Box-Behnken响应面和BP神经网络法结合G1-熵权法多指标优选芪脊方醇提工艺,并对这两种方法的优化结果进行比较.方法:以黄芪甲苷、毛蕊异黄酮葡萄糖苷、阿魏酸、厚朴酚、和厚朴酚含量与总固体量为指标,采用G1-熵权法确定各指标权重系数,通过Box-Behnken响应面法以及基于 3 种不同训练策略的BP神经网络法,对芪脊方醇提过程中乙醇浓度、溶剂倍数、提取时间的非线性影响进行反映,确定最佳提取工艺,并对两种方法的工艺优化结果进行比较验证.结果:对比采用Box-Behnken响应面法与不同训练策略的BP神经网络法优化获得的最佳工艺结果可知,基于少量神经元、全训练集(无验证集、无测试集)的BP神经网络法预测的最佳工艺综合评分更高,与工艺验证结果一致,最佳醇提工艺为:浸泡时间 0.5 h,乙醇浓度 54.79

作者:王欣欣;郇鹏飞;何建成;王莉莉;许金国;陆兔林;谢辉

来源:中药材 2023 年 46卷 3期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:1 | 下载:0
作者:
王欣欣;郇鹏飞;何建成;王莉莉;许金国;陆兔林;谢辉
来源:
中药材 2023 年 46卷 3期
标签:
芪脊方 G1-熵权法 Box-Behnken响应面法 BP神经网络
目的:利用Box-Behnken响应面和BP神经网络法结合G1-熵权法多指标优选芪脊方醇提工艺,并对这两种方法的优化结果进行比较.方法:以黄芪甲苷、毛蕊异黄酮葡萄糖苷、阿魏酸、厚朴酚、和厚朴酚含量与总固体量为指标,采用G1-熵权法确定各指标权重系数,通过Box-Behnken响应面法以及基于 3 种不同训练策略的BP神经网络法,对芪脊方醇提过程中乙醇浓度、溶剂倍数、提取时间的非线性影响进行反映,确定最佳提取工艺,并对两种方法的工艺优化结果进行比较验证.结果:对比采用Box-Behnken响应面法与不同训练策略的BP神经网络法优化获得的最佳工艺结果可知,基于少量神经元、全训练集(无验证集、无测试集)的BP神经网络法预测的最佳工艺综合评分更高,与工艺验证结果一致,最佳醇提工艺为:浸泡时间 0.5 h,乙醇浓度 54.79