[发明专利]基于R语言的同时提取甘草中皂苷和总黄酮的优化提取工艺

摘要

本发明公开了一种基于R语言的同时提取甘草中皂苷和总黄酮的优化提取工艺，选用响应面法中的中心组合设计实验，以甘草中皂苷和黄酮含量作为检测指标，运用R语言环境下的熵权法对上述2指标进行权重赋值，建立BP神经网络和遗传算法数学模型，对提取工艺进行目标寻优，最终得到最佳提取工艺。结果得到最佳提取条件为氨浓度0.62％，乙醇浓度64％，回流时间1.8h，液固比12∶1。模型综合评价预测值与验证实验的平均综合评价值的相对误差为1.43％，证明神经网络和遗传算法具有较好的预测性。本发明建立的数学模型寻求同时提取甘草皂苷和总黄酮最佳提取条件是科学可行的，为实现中药化学成分乃至药效物质基础多目标寻优提供了新的参考和思路。

主权项

一种基于R语言的同时提取甘草中皂苷和总黄酮的优化提取工艺，其特征在于所述工艺包括以下步骤：(1)设计提取条件的因素水平，以甘草提取中的不同控制参数为因子，按照中心组合试验设计条件安排因子组合设计实验，并进行提取，检测其中的皂苷和总黄酮含量；(2)使用R语言进行熵权法编程，计算权重值，分别得到甘草皂苷和甘草总黄酮的权重系数，然后甘草皂苷和总黄酮的含量各自乘以其权重系数，得到综合评价值；(3)采用3层结构的BP神经网络进行建模，输入节点数为不同因子；输出节点数为1个，即综合评价值；将中心组合设计实验的数据分别进行全数据交叉验证和留一法交叉验证，进行神经元的训练，对不同隐层神经元的个数进行模型的测试训练，以拟合误差和预测误差作为对隐层神经元选取的依据，选取最优的隐层神经元个数；(4)采用R语言的实数编码程序，由遗传算法寻优得到最佳的综合评价值及其对应的因子水平；(5)根据最优综合评价值对应的控制参数因子水平，在最优化条件下提取甘草中的皂苷和总黄酮，按照步骤(2)的权重系数计算实际综合评价值，与网络预测值相比较，验证模型的可靠性。