基于深度前馈神经网络优化毛菊苣中菊苣酸的提取工艺

摘要

目的 基于深度前馈神经网络(Deep feed-forward neural networks, DFFNN)模型优化毛菊苣中菊苣酸的提取工艺。方法 采用回流提取法提取毛菊苣中菊苣酸，采用单因素和正交实验研究乙醇浓度、提取温度、提取时间和料液比对其得率的影响，使用Python编程语言构建DFFNN模型，对菊苣酸提取工艺进行优化并进行验证。结果 单因素实验结果显示，乙醇浓度40%、提取温度70℃、提取时间2.5 h和料液比1∶25(g/mL)的条件下菊苣酸得率最高，可作为正交实验设计水平的中间参考值；正交实验结果显示，乙醇浓度60%,提取温度60℃,提取时间3 h和料液比1∶25的条件下毛菊苣中菊苣酸得率最高，为223.09μg/g; DFFNN模型预测得率与实际得率相近，模型构建成功。DFFNN模型预测的最佳提取工艺为：乙醇浓度58%、提取温度78℃、提取时间3 h、料液比1∶32(g/mL),菊苣酸得率为235.93μg/g,与正交实验最佳提取工艺相比得率更高。结论 DFFNN模型优化的最佳工艺条件准确稳定，实际提取率较高，适用于毛菊苣中菊苣酸的提取。

关键词

深度前馈神经网络 / 毛菊苣 / 菊苣酸 / 提取工艺