基于深度神经网络与Box-Behnken响应面法优化石榴皮酚酸提取工艺研究

摘要

目的 建立石榴皮酚酸提取工艺的多模型协同优化方法。方法 采用Box-Behnken响应面法（BBD-RSM）设计甲醇浓度（A）、料液比（B）、提取温度（C）三因素实验（=17），通过熵权法计算安石榴苷（权重0.450 5）与鞣花酸（权重0.549 5）的综合评价值。构建五层深度神经网络（DNN）：输入层（3节点）→隐藏层（64-32-16节点，Sigmoid激活）→输出层（1节点），以均方误差（MSE）为损失函数，学习率0.001迭代2 000次。结果 BBD-RSM预测最优工艺为A=91.576%、B=28.70∶1、C=75.978℃（综合评分33.032）;DNN预测最优工艺为A=90%、B=30∶1、C=80℃（综合评分32.8）。两模型Pearson相关系数达0.902 5(<0.001)。结论 本研究构建的BBD-DNN协同优化模型预测偏差<2%（相对误差），为中药复杂工艺优化提供可解释性智能建模方法。

关键词

石榴皮 / 酚酸 / 响应面法 / 深度神经网络

基金资助

国家自然科学基金项目(82360824); 内蒙古自治区科技计划项目(2023YFHH0018); 中央引导地方科技发展资金项目(2022ZY0176); 内蒙古自治区自然科学基金项目(2022MS08023); 内蒙古医科大学“创客培育”项目(101322024099); 大学生创新创业训练计划项目(S202410132001)