基于神经网络优化模型的中药复方安慰剂配色模拟研究

摘要

目的 构建粒子群反向传播（Particle swarm optimization-back propagation, PSO-BP）神经网络对中药复方颗粒剂安慰剂制备着色剂的用量进行预测，为中药复方颗粒剂安慰剂颜色的模拟提供一种新思路。方法 运用BP神经网络建立样品颜色参数L、a^*、b^*与色素质量分数的模型，利用粒子群算法的全局搜索能力优化BP神经网络权重和偏置，防止模型出现局部最小值，再采用线性降低权系数法和引入变异算子提高粒子群算法的全局寻优能力；以颜色综合评价指标（ΔE）为客观评价标准，验证试验结果。结果 训练结果表明，改进的PSO-BP神经网络拟合精度最高达到98.31%;预测结果表明，改进的PSO-BP神经网络的预测误差最小，平均绝对百分比误差（MAPE）、均方根误差（RMSE）和平均色差（ΔE）分别为0.411 5、2.164 6、2.56;制备3种颗粒的验证样品进行验证，验证样品与模型药物的ΔE分别为1.73、2.63、4.11,肉眼直观评价其中两组与模型药物色差较小。结论 基于改进粒子群优化算法的BP神经网络可模拟中药复方颗粒剂安慰剂制备着色剂用量预测，可作为安慰剂配色研究的推荐优化模型。

关键词

中药复方颗粒 / 安慰剂 / 颜色模拟 / 神经网络 / 粒子群算法 / CIELab颜色系统