基于BP神經(jīng)網(wǎng)絡(luò)的微波輔助提取無花果黃酮工藝優(yōu)化

,,, ，*, ,,

(1.浙江省森林資源生物與化學(xué)利用重點(diǎn)實(shí)驗(yàn)室,浙江省林業(yè)科學(xué)研究院森林食品所,浙江杭州 310023;2.中國(guó)林業(yè)科學(xué)研究院南京林產(chǎn)化學(xué)工業(yè)研究所,江蘇南京 210042；3.浙江大學(xué)生命科學(xué)學(xué)院,浙江杭州 310058)

基于BP神經(jīng)網(wǎng)絡(luò)的微波輔助提取無花果黃酮工藝優(yōu)化

劉煥燕1,鄭光耀2,王衍彬1,賀亮1，*,劉于3,程俊文1,李衛(wèi)旗3

(1.浙江省森林資源生物與化學(xué)利用重點(diǎn)實(shí)驗(yàn)室,浙江省林業(yè)科學(xué)研究院森林食品所,浙江杭州 310023;2.中國(guó)林業(yè)科學(xué)研究院南京林產(chǎn)化學(xué)工業(yè)研究所,江蘇南京 210042；3.浙江大學(xué)生命科學(xué)學(xué)院,浙江杭州 310058)

為優(yōu)化微波輔助提取無花果黃酮成分的工藝參數(shù),在響應(yīng)面實(shí)驗(yàn)數(shù)據(jù)的基礎(chǔ)上,采用神經(jīng)網(wǎng)絡(luò)與遺傳算法(BP-GA)相結(jié)合的方法優(yōu)化微波輔助提取無花果黃酮的工藝參數(shù),以提取時(shí)間、微波頻率、料液比和提取溫度作為網(wǎng)絡(luò)輸入,黃酮提取量作為網(wǎng)絡(luò)輸出對(duì)微波輔助提取無花果黃酮工藝進(jìn)行分析模擬。結(jié)果表明,利用BP-GA得到微波輔助提取無花果黃酮的最優(yōu)工藝條件為提取時(shí)間22 min,微波頻率609 W,料液比1∶30 g/mL,提取溫度50 ℃,此條件下無花果黃酮提取量為14.6610 mg/g;與BP-GA神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)值相對(duì)誤差為0.15%,表明神經(jīng)網(wǎng)絡(luò)優(yōu)化無花果黃酮提取工藝具有很好的可靠性和實(shí)用價(jià)值,為其工藝優(yōu)化提供了可行的途徑。

神經(jīng)網(wǎng)絡(luò),微波提取,無花果,黃酮,優(yōu)化

無花果(FicuscaricaLinn)是一種隸屬于?？崎艑俚拈_花植物,主要生長(zhǎng)于一些熱帶和溫帶的地方,屬亞熱帶落葉小喬木,常見品種多為綠色植物,可作食用,亦可藥用。廣大學(xué)者研究發(fā)現(xiàn),無花果富含多種營(yíng)養(yǎng)物質(zhì),主要包括氨基酸、維生素、礦物質(zhì)以及多種活性成分[1],活性成分主要有黃酮、多糖、超氧化物歧化酶(SOD)、呋喃香豆素內(nèi)酯、補(bǔ)骨脂素等物質(zhì)[2]。其中黃酮類化合物具有抗心腦血管病、抗氧化性,抗癌、抑菌、降壓、消炎、免疫調(diào)節(jié)等多種生物活性[3],在食品、醫(yī)藥、保健品等方面具有廣泛的應(yīng)用。

近年來,關(guān)于無花果葉中黃酮的提取已有一些文獻(xiàn)報(bào)道[3-6],但關(guān)于無花果中總黃酮提取的研究鮮有報(bào)道。微波輔助技術(shù)具有穿透力強(qiáng),加熱快速而均勻的優(yōu)點(diǎn),能夠較大程度地提高黃酮類物質(zhì)的提取率,同時(shí)避免其在強(qiáng)熱條件下長(zhǎng)時(shí)間加熱,可以有效地保護(hù)黃酮的活性[7-8],微波提取法已被廣泛應(yīng)用于植物有效物質(zhì)的提取中,是替代傳統(tǒng)提取工藝方法實(shí)現(xiàn)高效、節(jié)能現(xiàn)代高新技術(shù)手段[9],本研究擬采用微波輔助的方法提取無花果中的黃酮類化合物。

人工神經(jīng)網(wǎng)絡(luò)是一種受生物神經(jīng)元啟發(fā),模擬人體大腦系統(tǒng)處理多個(gè)變量之間高度復(fù)雜的非線性關(guān)系的數(shù)學(xué)模型,具有可以逼近任意非線性系統(tǒng)的能力[10-11],能夠快速、準(zhǔn)確的實(shí)現(xiàn)對(duì)數(shù)據(jù)信息的模擬預(yù)測(cè),這是其它模型所不能做到的。BP神經(jīng)網(wǎng)絡(luò)又稱為誤差反向傳播(Back Propagation,BP)神經(jīng)網(wǎng)絡(luò),是人工神經(jīng)網(wǎng)絡(luò)中的一種多層的前饋神經(jīng)網(wǎng)絡(luò),最具有代表性和廣泛性,但其也存在收斂速度慢、迭代步數(shù)多、易于陷入局部極小值等缺點(diǎn)[10-13],而遺傳算法(Genetic Algorithm,GA)作為一種自適應(yīng)的啟發(fā)式搜索算法,已被證明能夠成功的求解線性和非線性最優(yōu)化問題[14],利用它的非線性尋優(yōu)能力結(jié)合神經(jīng)網(wǎng)絡(luò)的非線性擬合能力,可以克服BP神經(jīng)網(wǎng)絡(luò)的不足,有效的尋找函數(shù)最優(yōu)值,顯著提高人工神經(jīng)網(wǎng)絡(luò)(ANN)的性能,為解決非線性關(guān)系系統(tǒng)的模型預(yù)測(cè)和優(yōu)化提供了新的途徑[15-19]。人工神經(jīng)網(wǎng)絡(luò)結(jié)合遺傳算法已被應(yīng)用在蔥白總黃酮提取[16],醋酸發(fā)酵培養(yǎng)基制備[17],綠豆渣制取水溶性纖維素[20],微波真空膨化漿果脆片[21]等工藝參數(shù)的優(yōu)化中,目前,采用BP神經(jīng)網(wǎng)絡(luò)與遺傳算法相結(jié)合的方法優(yōu)化微波輔助提取無花果黃酮成分的工藝條件的研究還未見報(bào)道。

本研究擬采用BP神經(jīng)網(wǎng)絡(luò)與遺傳算法相結(jié)合的方法優(yōu)化微波輔助提取無花果黃酮成分的工藝參數(shù),預(yù)測(cè)最佳的工藝參數(shù),為其加工工藝條件提供一種新的優(yōu)化方法,為以后深入研究開發(fā)利用無花果組織,更好的利用自然資源奠定基礎(chǔ)。

1 材料與方法

1.1材料與儀器

無花果 浙江省武義桑合專業(yè)水果合作社;蘆丁標(biāo)準(zhǔn)品 Sigma公司;乙醇、亞硝酸鈉、硝酸鋁、氫氧化鈉 成都市科龍化工試劑廠;本實(shí)驗(yàn)用的化學(xué)試劑皆為分析純,水為蒸餾水。

CL31R型多功能高速離心機(jī) 美國(guó)Thermo公司;R-210型旋轉(zhuǎn)蒸發(fā)儀 瑞士BUCHI公司;DZF-6020型真空干燥箱 上海博迅實(shí)業(yè)有限公司;FA1604 型電子天平 上海天平儀器廠;KQ-250E型超聲清洗器 昆山市超聲儀器有限公司;U-1900型可見分光光度計(jì) 日本HITACHI公司;冷凍干燥機(jī) 美國(guó)LABCONCO公司。

1.2實(shí)驗(yàn)方法

1.2.1 主要工藝流程 參考文獻(xiàn)[8-9，22]、無花果粉末(干燥,1.00 g)→加入75%乙醇→微波提取→離心取上清液(備用)→濾渣→加入75%乙醇→微波提取(相同工藝參數(shù))→離心取上清液→合并兩次上清液→真空干燥(45 ℃)至恒重→得無花果提取物粗品。

1.2.2 無花果醇提物樣品液制備 參照文獻(xiàn)[22],并加以修改,取適量無花果醇提物樣品加75%乙醇充分?jǐn)嚢枞芙?并于超聲清洗器中處理,使其充分溶解。抽濾,得樣品溶液,于50 mL容量瓶中,加75%乙醇至刻度,配成50 mL溶液。4 ℃冰箱保存?zhèn)溆谩?/p>

1.2.3 標(biāo)準(zhǔn)曲線的繪制 準(zhǔn)確稱取干燥至恒重的蘆丁標(biāo)準(zhǔn)品110.0 mg,加適量75%乙醇,微熱使其溶解,于100 mL容量瓶中,加75%乙醇稀釋至刻度,搖勻。準(zhǔn)確吸取1.0、2.0、3.0、4.0、5.0、6.0 mL分別于25 mL容量瓶中,添加30%乙醇補(bǔ)充至10 mL,再精確加入5%亞硝酸鈉溶液1.0 mL,搖勻,放置6 min;再加10%硝酸鋁溶液1.0 mL,搖勻,放置6 min;最后加1 mol/L氫氧化鈉溶液10 mL,蒸餾水稀釋至刻度,搖勻,放置15 min。以不加樣品為參比,用分光光度計(jì)在510 nm波長(zhǎng)處測(cè)定吸光度,根據(jù)結(jié)果以吸光度為縱坐標(biāo),蘆丁濃度為橫坐標(biāo),繪制標(biāo)準(zhǔn)曲線,得回歸方程為y=0.0117x+0.1114,R2=0.9993。

1.2.4 總黃酮含量的測(cè)定 取樣品液4 mL于25 mL容量瓶中,添加30%乙醇溶液補(bǔ)充至10 mL,加入5%亞硝酸鈉溶液1.0 mL,搖勻,放置6 min;再加入10%硝酸鋁1.0 mL,搖勻,放置6 min;加入1 mol/L氫氧化鈉溶液10 mL,混勻;蒸餾水定容,放置15 min。測(cè)定其在510 nm處的吸光度,并通過標(biāo)準(zhǔn)曲線求黃酮含量,計(jì)算公式為式(1)。

式(1)

注:C-標(biāo)準(zhǔn)曲線上的對(duì)應(yīng)濃度,mg/mL;M-樣品質(zhì)量,g;V-定容體積,mL;N-稀釋倍數(shù)。

1.2.5 單因素實(shí)驗(yàn)設(shè)計(jì)

1.2.5.1 提取時(shí)間對(duì)黃酮提取量的影響 取一定質(zhì)量的無花果干燥粉末,在微波功率為450 W,料液比為1∶30 g/mL,提取溫度為50 ℃的條件下,分別提取10、20、30、40、50 min。

1.2.5.2 微波功率對(duì)黃酮提取量的影響 取一定質(zhì)量的無花果干燥粉末,分別在微波功率為250、350、450、550、650 W,提取溫度為50 ℃,料液比為1∶30 g/mL的條件下提取20 min。

1.2.5.3 料液比對(duì)黃酮提取量的影響 取一定質(zhì)量的無花果干燥粉末,分別按照1∶10、1∶20、1∶30、1∶40、1∶50 g/mL的料液比,在提取溫度為50 ℃,微波功率為550 W的條件下提取20 min。

1.2.5.4 提取溫度對(duì)黃酮提取量的影響 取一定質(zhì)量的無花果干燥粉末,按照1∶30 g/mL的料液比,在微波功率為550 W,提取溫度分別為30、40、50、60、70 ℃的條件下提取20 min。

1.2.6 響應(yīng)面實(shí)驗(yàn)設(shè)計(jì) 根據(jù)單因素實(shí)驗(yàn)結(jié)果確定提取時(shí)間(A)、微波功率(B)、料液比(C)和提取溫度(D)四個(gè)因素的變量范圍,以黃酮提取量為響應(yīng)目標(biāo),利用Design-Expert 7.1.4軟件中的Box-Behnken設(shè)計(jì)原理設(shè)計(jì)優(yōu)化實(shí)驗(yàn),響應(yīng)面實(shí)驗(yàn)因素設(shè)計(jì)見表1。

表1 響應(yīng)面實(shí)驗(yàn)設(shè)計(jì)因素水平Table 1 Factors and levels Table of response surface experiment

1.2.7 BP神經(jīng)網(wǎng)絡(luò)的構(gòu)建 BP神經(jīng)網(wǎng)絡(luò),是人工神經(jīng)網(wǎng)絡(luò)中應(yīng)用最廣泛的一種學(xué)習(xí)算法,由輸入層、隱含層、輸出層及各層神經(jīng)元之間連接而成[12]。利用響應(yīng)面實(shí)驗(yàn)數(shù)據(jù)作為BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本,以提取時(shí)間、微波頻率、料液比、提取溫度4個(gè)因素作為神經(jīng)網(wǎng)絡(luò)模型輸入層的4個(gè)神經(jīng)元,中間含有1個(gè)隱含層,無花果黃酮提取量作為神經(jīng)網(wǎng)絡(luò)輸出層,建立微波輔助提取無花果黃酮工藝的BP神經(jīng)網(wǎng)絡(luò)模型。

1.2.8 遺傳算法優(yōu)化方法 網(wǎng)絡(luò)訓(xùn)練結(jié)束后,對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行全面模擬仿真,并結(jié)合遺傳算法對(duì)無花果黃酮物質(zhì)提取工藝進(jìn)行優(yōu)化。遺傳算法尋優(yōu)的過程以BP神經(jīng)網(wǎng)絡(luò)的仿真函數(shù)為基準(zhǔn)編寫適應(yīng)度函數(shù),對(duì)輸入變量以染色體編碼的方式進(jìn)行編碼,進(jìn)而模擬遺傳運(yùn)算機(jī)制探索不同變量空間的區(qū)域,根據(jù)適應(yīng)度函數(shù)對(duì)數(shù)據(jù)進(jìn)行數(shù)值評(píng)價(jià)并搜索到全局符合目標(biāo)函數(shù)的最優(yōu)值,即問題最優(yōu)解[17-19]。在MATLAB R2014a軟件中調(diào)用遺傳算法工具箱進(jìn)行工藝優(yōu)化。

1.3數(shù)據(jù)處理

采用Design-Expert 7.1.4軟件進(jìn)行響應(yīng)面優(yōu)化實(shí)驗(yàn)設(shè)計(jì)和數(shù)據(jù)分析,神經(jīng)網(wǎng)絡(luò)與遺傳算法優(yōu)化分析則使用MATLAB R2014a軟件。此外為進(jìn)一步保證實(shí)驗(yàn)準(zhǔn)確性,每次實(shí)驗(yàn)均采用三次平行實(shí)驗(yàn)的平均值進(jìn)行分析計(jì)算。

2 結(jié)果與分析

2.1單因素實(shí)驗(yàn)

2.1.1 提取時(shí)間對(duì)黃酮提取量的影響 不同提取時(shí)間對(duì)黃酮提取量的影響結(jié)果如圖1所示,由圖1可以看出當(dāng)提取時(shí)間為20 min時(shí)黃酮提取量達(dá)到最大值,繼續(xù)增加提取時(shí)間,黃酮提取量出現(xiàn)下降最后趨于穩(wěn)定?？赡苁怯捎谔崛r(shí)間達(dá)到20 min時(shí),黃酮已經(jīng)完全溶出,繼續(xù)增大提取時(shí)間會(huì)破壞黃酮分子空間結(jié)構(gòu),同時(shí)伴隨其他雜質(zhì)的溶出,在一定程度上抑制了黃酮的溶出,導(dǎo)致提取量下降。因此后續(xù)實(shí)驗(yàn)中提取時(shí)間選取20 min較好。

圖1 提取時(shí)間對(duì)黃酮提取量的影響Fig.1 Effect of extraction timeon extraction yield of flavonoids

2.1.2 微波功率對(duì)黃酮提取量的影響 不同微波功率對(duì)黃酮提取量的影響結(jié)果見圖2,由圖2可知隨著微波功率的增大,無花果黃酮的提取量逐漸增大,當(dāng)微波功率為550 W時(shí),黃酮提取量達(dá)到最大值,因此后續(xù)實(shí)驗(yàn)中微波功率選取550 W較好。

圖2 微波功率對(duì)黃酮提取量的影響Fig.2 Effect of microwave poweron extraction of yield of flavonoids

2.1.3 料液比對(duì)黃酮提取量的影響 不同料液比對(duì)黃酮提取量的影響結(jié)果如圖3所示,由圖3可以看出隨著提取溶劑量的增加,黃酮提取量不斷增加,當(dāng)料液比為1∶30 g/mL時(shí),黃酮提取量達(dá)到最大,可以看出此時(shí)黃酮的溶出效果最佳;隨著料液比的增大,黃酮提取量出現(xiàn)緩慢下降并趨于穩(wěn)定,綜合考慮后續(xù)實(shí)驗(yàn)中料液比選取1∶30 g/mL較好。

圖3 料液比對(duì)黃酮提取量的影響Fig.3 Effect of the ratio of solidto ethanol on extraction yield of flavonoids

2.1.4 提取溫度對(duì)黃酮提取量的影響 不同微波提取溫度對(duì)黃酮提取量的影響結(jié)果如圖4所示,由圖4可以看出不斷升高微波提取溫度,黃酮的提取量呈現(xiàn)先增加而后緩慢下降的趨勢(shì),當(dāng)提取溫度為50 ℃時(shí),提取量達(dá)到最大值。可能是由于過高的溫度氧化破壞了黃酮類化合物結(jié)構(gòu),導(dǎo)致其提取量下降,所以后續(xù)實(shí)驗(yàn)中提取溫度選取50 ℃較好。

圖4 提取溫度對(duì)黃酮提取量的影響Fig.4 Effect of extraction temperatureon extraction yield of flavonoids

2.2響應(yīng)曲面實(shí)驗(yàn)

參照1.2.6節(jié)所述,根據(jù)Box-Behnken實(shí)驗(yàn)設(shè)計(jì)原理,以黃酮的提取量為目標(biāo)函數(shù),以提取時(shí)間(A)、微波功率(B)、料液比(C)和提取溫度(D)為自變量,按表1設(shè)計(jì)4水平3因素的響應(yīng)面分析實(shí)驗(yàn),共29個(gè)實(shí)驗(yàn)點(diǎn)(25～29為中心點(diǎn)),每組實(shí)驗(yàn)重復(fù)3次,取平均值,分析所選因素對(duì)黃酮提取量的綜合影響。響應(yīng)面實(shí)驗(yàn)設(shè)計(jì)及結(jié)果見表2。

表2 響應(yīng)面實(shí)驗(yàn)設(shè)計(jì)及結(jié)果Table 2 Experimental design and resultsfor response surface analysis

采用Design-Expert 7.1.4統(tǒng)計(jì)軟件對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析,得到目標(biāo)函數(shù)黃酮提取量對(duì)提取時(shí)間(A)、微波功率(B)、料液比(C)和提取溫度(D)的二次多項(xiàng)回歸方程為:黃酮提取量=14.21+0.41A+0.67B+0.79C+0.63D-0.73AB+0.093AC-1.03AD+0.26BC-0.58BD-0.26CD-1.84A2-1.10B2-1.11C2-1.24D2,回歸二次方程的方差顯著性檢驗(yàn)分析結(jié)果見表3。

表3 響應(yīng)面實(shí)驗(yàn)結(jié)果方差分析表Table 3 Variance analysis forresponse surface quadratic model

注:差異顯著,p<0.05,差異極顯著,p<0.01;回歸系數(shù)R2=0.9270。

由表3可以看出該二次方程模型極顯著,回歸系數(shù)R2=0.9270,失擬項(xiàng)p=0.0567>0.05不顯著,表明實(shí)驗(yàn)結(jié)果和數(shù)學(xué)模型擬合良好,92.70%的數(shù)據(jù)可用此模型分析響應(yīng)值的變化,因此可用該數(shù)學(xué)模型推測(cè)實(shí)驗(yàn)結(jié)果。同時(shí),通過 Design-Expert 7.1.4軟件分析得到,在本研究實(shí)驗(yàn)設(shè)計(jì)范圍內(nèi),微波輔助提取無花果黃酮活性成分的最優(yōu)工藝條件為提取時(shí)間20.23 min,微波頻率580.41 W,料液比為1∶33.76 g/mL,提取溫度51.34 ℃。在此工藝條件下預(yù)測(cè)黃酮提取量理論值為14.5041 mg/g。根據(jù)實(shí)際條件的可行性調(diào)整上述工藝參數(shù)為提取時(shí)間20 min,微波頻率580 W,料液比為1∶34 g/mL,提取溫度51 ℃。根據(jù)此條件進(jìn)行三次平行驗(yàn)證實(shí)驗(yàn),結(jié)果得到無花果黃酮的平均值提取量為14.4432 mg/mL。

2.3無花果黃酮最佳提取工藝的BP神經(jīng)網(wǎng)絡(luò)優(yōu)化

2.3.1 網(wǎng)絡(luò)層數(shù) 已有理論研究證明,三層BP神經(jīng)網(wǎng)絡(luò)在非線性函數(shù)擬合方面是最典型的,只要在隱含層選擇合適的神經(jīng)元數(shù)目,就可以以任意精度逼近一個(gè)非線性函數(shù)。本研究采用只有1個(gè)隱含層的神經(jīng)網(wǎng)絡(luò),分別選取上述4個(gè)實(shí)驗(yàn)影響因素和1個(gè)響應(yīng)值作為神經(jīng)網(wǎng)絡(luò)的輸入變量和輸出變量,創(chuàng)建BP神經(jīng)網(wǎng)絡(luò)模型來模擬和預(yù)測(cè)微波輔助提取無花果黃酮的提取量。

2.3.2 神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)參數(shù)的確定 由于各輸入樣本和輸出樣本的單位和數(shù)量級(jí)不同,為了消除樣本數(shù)據(jù)其不一致的影響,本研究在MATLAB R2014a軟件中采用函數(shù)mapminmax來實(shí)現(xiàn)樣本數(shù)據(jù)的歸一化處理,將樣本數(shù)據(jù)映射到[-1,1]區(qū)間上,數(shù)據(jù)處理后能夠減少網(wǎng)絡(luò)學(xué)習(xí)時(shí)間,同時(shí)加速神經(jīng)網(wǎng)絡(luò)的收斂,提高擬合精度,網(wǎng)絡(luò)訓(xùn)練完成后,再對(duì)結(jié)果進(jìn)行反歸一化操作得到原始數(shù)據(jù)范圍內(nèi)的實(shí)際值[21]。在這項(xiàng)研究中,選取S型的正切函數(shù)tansig作為輸入層與隱含層之間的傳遞函數(shù),線性函數(shù)purelin作為隱含層和輸出層之間的傳遞函數(shù),用函數(shù)trainlm來訓(xùn)練網(wǎng)絡(luò),通過有限次嘗試,選擇的合適BP神經(jīng)網(wǎng)絡(luò)模型。

[21]利用響應(yīng)面實(shí)驗(yàn)數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò)時(shí)部分參數(shù)設(shè)置如下:

圖6 訓(xùn)練、驗(yàn)證、測(cè)試以及所有數(shù)據(jù)與BP神經(jīng)網(wǎng)絡(luò)仿真輸出值的擬合效果Fig.6 The scatter plots of BP model predicted versus actual values for training,validation,testing and all data sets

net.trainParam.show=100;

net.trainParam.lr=0.01;

net.trainParam.mc=0.02;

net.trainParam.epochs=1000;

訓(xùn)練函數(shù)采用net=train(net,P,T),其中P,T分別是歸一化后的輸入、輸出樣本。

2.3.3 隱含層的確定 將29組實(shí)驗(yàn)數(shù)據(jù)作為輸入樣本,以無花果黃酮提取量作為待建立模型輸出層的響應(yīng)信號(hào),通過改變隱含層的神經(jīng)元數(shù)比較不同網(wǎng)絡(luò)訓(xùn)練模型的范化能力,確定隱含層的最佳神經(jīng)元個(gè)數(shù),隱含層神經(jīng)元數(shù)范圍根據(jù)經(jīng)驗(yàn)公式(2)確定[23],通過試錯(cuò)法[24]多次改變隱含層神經(jīng)元個(gè)數(shù)。訓(xùn)練樣本的均方誤差函數(shù)(MSE)、決定系數(shù)(R2)作為神經(jīng)網(wǎng)絡(luò)的性能指標(biāo),來衡量網(wǎng)絡(luò)對(duì)訓(xùn)練樣本的學(xué)習(xí)程度,使用平均絕對(duì)誤差函數(shù)(MAPE)作為指標(biāo)評(píng)價(jià)神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)能力[25]。MSE、R2和 MAPE分別用式(3)、(4)和(5)計(jì)算。

式(2)

式中:n-輸入層神經(jīng)元的數(shù)目;m-輸出層神經(jīng)元的數(shù)目;a-1到10之間的常數(shù)

式(3)

式(4)

式(5)

式中:yi.exp、yi分別為實(shí)驗(yàn)值和樣本的預(yù)測(cè)值,n代表樣本數(shù)量。

根據(jù)經(jīng)驗(yàn)公式(2)知人工神經(jīng)網(wǎng)絡(luò)模型隱含層中神經(jīng)元的數(shù)量為3到12,以最小的MSE和最大R2的作為評(píng)價(jià)標(biāo)準(zhǔn),選擇隱含層神經(jīng)元的最佳數(shù)目。在經(jīng)過多次神經(jīng)網(wǎng)絡(luò)訓(xùn)練之后,確定采4-6-1結(jié)構(gòu)的三層神經(jīng)網(wǎng)絡(luò)。當(dāng)隱含層含有6個(gè)神經(jīng)元時(shí),得到最小的MSE和最大的R2分別為0.0109和0.9684,因此,本研究構(gòu)建的最佳神經(jīng)網(wǎng)絡(luò)模型拓?fù)浣Y(jié)構(gòu)確定為4-6-1,圖5為最終確定的神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)示意圖。

圖5 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖Fig.5 Schematic representation ofthe BP neural network used in this study

2.3.4 神經(jīng)網(wǎng)絡(luò)模型的仿真及預(yù)測(cè)性能 在上述最佳神經(jīng)網(wǎng)絡(luò)模型的基礎(chǔ)上,將實(shí)驗(yàn)真實(shí)值與訓(xùn)練、驗(yàn)證和測(cè)試網(wǎng)絡(luò)每一步得到的預(yù)測(cè)數(shù)據(jù)進(jìn)行比較,其擬合效果見圖6,訓(xùn)練、驗(yàn)證、測(cè)試以及所有數(shù)據(jù)的相關(guān)系數(shù)(r)分別為0.9607、0.9993、0.9918和0.9684?？梢钥闯鏊⒌腂P模型對(duì)于訓(xùn)練樣本、測(cè)試樣本和驗(yàn)證樣本都有很好的逼近能力,相關(guān)系數(shù)都在0.99以上。因此,可見該網(wǎng)絡(luò)模型對(duì)所有的實(shí)驗(yàn)數(shù)據(jù)具有較好的預(yù)測(cè)能力,可以用此神經(jīng)網(wǎng)絡(luò)模型對(duì)微波輔助提取無花果黃酮進(jìn)行預(yù)測(cè)。

表4 優(yōu)化結(jié)果比較Table 4 Comparison of optimized results

利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對(duì)微波輔助提取無花果黃酮的工藝條件進(jìn)行仿真預(yù)測(cè),得到仿真數(shù)據(jù)見表2,由表2可以看出BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)值與實(shí)驗(yàn)值能夠較好的擬合。

2.4遺傳算法優(yōu)化結(jié)果與驗(yàn)證

利用BP神經(jīng)網(wǎng)絡(luò)所建立的模型作為遺傳算法的適應(yīng)度函數(shù)進(jìn)一步對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行優(yōu)化。本例采用遺傳算法對(duì)輸入變量進(jìn)行實(shí)數(shù)編碼,編碼長(zhǎng)度為4,編碼的下限為[-1 -1 -1 -1],上限為[1 1 1 1]。確定好適應(yīng)度函數(shù),編碼長(zhǎng)度,編碼上下限之后,設(shè)置遺傳算法的運(yùn)行參數(shù)并運(yùn)行。尋優(yōu)時(shí)參數(shù)設(shè)置:最大進(jìn)化代數(shù)為100,種群大小為50,交叉概率為0.8,變異概率為0.06。利用遺傳算法對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行尋優(yōu)算法在第51代停止訓(xùn)練,此時(shí)適應(yīng)度值的改變幅度小于預(yù)設(shè)值,同時(shí)得到最佳工藝參數(shù)結(jié)果:提取時(shí)間為21.68 min,微波頻率為608.5 W,料液比為1∶30 g/mL,提取溫度50 ℃。在此工藝條件下預(yù)測(cè)黃酮提取量理論值為14.6823 mg/g。為方便實(shí)驗(yàn)操作將工藝參數(shù)調(diào)整為:提取時(shí)間為22 min,微波頻率為609 W,料液比為1∶30 g/mL,提取溫度50 ℃,并在此條件下對(duì)優(yōu)化工藝進(jìn)行驗(yàn)證,并與響應(yīng)面優(yōu)化的預(yù)測(cè)值、驗(yàn)證實(shí)驗(yàn)的實(shí)際值進(jìn)行比較,結(jié)果如表4所示。采用BP神經(jīng)網(wǎng)絡(luò)結(jié)合遺傳算法優(yōu)化得到的模型預(yù)測(cè)值與實(shí)驗(yàn)值的相對(duì)誤差小于響應(yīng)面優(yōu)化的相對(duì)誤差,且神經(jīng)網(wǎng)絡(luò)優(yōu)化的工藝條件所得到的黃酮提取量更高,說明該神經(jīng)網(wǎng)絡(luò)模型可以更好地預(yù)測(cè)不同工藝參數(shù)下微波輔助提取無花果總黃酮的提取效果。

3 結(jié)論

本研究以提取時(shí)間、微波頻率、料液比和提取溫度為影響因素,無花果的黃酮提取量為響應(yīng)指標(biāo),設(shè)計(jì)響應(yīng)面實(shí)驗(yàn),并在其數(shù)據(jù)的基礎(chǔ)上,建立BP神經(jīng)網(wǎng)絡(luò)模型結(jié)合遺傳算法對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行預(yù)測(cè)優(yōu)化,得到采用微波輔助提取無花果黃酮成分的最佳工藝條件為提取時(shí)間22 min,微波頻率609 W,料液比1∶30 g/mL,提取溫度50 ℃時(shí),無花果黃酮提取量為14. 6610 mg/g,與神經(jīng)網(wǎng)絡(luò)模型得到的預(yù)測(cè)值14.6823 mg/g無明顯差異?？梢夿P神經(jīng)網(wǎng)絡(luò)結(jié)合遺傳算法尋優(yōu)的方法具有較強(qiáng)的可靠性,能較好地實(shí)現(xiàn)微波輔助提取無花果黃酮成分的工藝參數(shù)的優(yōu)化,可為食品、藥品等制備工藝參數(shù)的優(yōu)化提供一種有效的途徑。

參考文獻(xiàn)

[1]李金玉. GC-MS測(cè)定無花果中脂肪酸組成[J]. 中國(guó)食品工業(yè),2008(3):119-121.

[2]余希成,盧俊,曹為民. 水溶性無花果多糖的微波提取技術(shù)[J]. 食品研究與開發(fā),2009,30(9):19-23.

[3]楊潤(rùn)亞,明永飛,王慧. 無花果葉中總黃酮的提取及其抗氧化活性測(cè)定[J]. 食品科學(xué),2010,31(16):78-82.

[4]張澤俊,沙坤. 超聲波輔助提取無花果葉中總黃酮工藝的研究[J]. 食品研究與開發(fā),2011,32(6):14-16.

[5]張慧婧. 無花果葉中總黃酮的提取、精制及生理活性研究[D]. 濟(jì)南:山東大學(xué),2012.

[6]羅曉梅,張吟,黃丹丹,等. 紫外可見分光光度法測(cè)定無花果葉提取物中總黃酮的含量[J]. 中國(guó)藥房,2015(15):2111-2113.

[7]董華強(qiáng),寧正祥,崔志新,等. 微波輔助提取多穗柯嫩葉黃酮工藝研究[J]. 農(nóng)業(yè)工程學(xué)報(bào),2007,23(2):213-217.

[8]李秀信,王建華,劉莉麗,等. 微波輔助提取香椿葉黃酮工藝的研究[J]. 中國(guó)食品學(xué)報(bào),2012,12(1):46-51.

[9]向昌國(guó),向?qū)?黃成龍,等. 響應(yīng)面法優(yōu)化刺槐花黃酮類化合物的微波提取工藝[J]. 食品科學(xué),2011,32(22):32-36.

[10趙武奇,仇農(nóng)學(xué),王宏. 蘋果渣多酚提取工藝的神經(jīng)網(wǎng)絡(luò)建模與遺傳算法優(yōu)化[J]. 食品科學(xué),2007,28(12):138-142.

[11]周蘇娟,趙斌,孟江,等. 基于BP神經(jīng)網(wǎng)絡(luò)和遺傳算法優(yōu)化茺蔚子水蘇堿提取工藝的研究[J]. 廣州中醫(yī)藥大學(xué)學(xué)報(bào),2015,32(4):735-738.

[12]Thakker M R,Parikh J K,Desai M A. Microwave assisted extraction of essential oil from the leaves of Palmarosa:Multi-response optimization and predictive modelling[J]. Industrial Crops & Products,2016,86:311-319.

[13]應(yīng)艷杰,洪臺(tái),何佳杰,等. 神經(jīng)網(wǎng)絡(luò)優(yōu)化紫蘇葉黃酮微波提取及抗氧化活性比較研究[J]. 中國(guó)食品學(xué)報(bào),2011,11(3):36-42.

[14]Mehrabi F,Vafaei A,Ghaedi M,et al. Ultrasound assisted extraction of Maxilon Red GRL dye from water samples using cobalt ferrite nanoparticles loaded on activated carbon as sorbent:Optimization and modeling[J]. Ultrasonics Sonochemistry,2016(In press).

[15]何邦華,羅璟,劉澤,等.煙絲物理質(zhì)量的制絲工藝神經(jīng)網(wǎng)絡(luò)模型及其評(píng)價(jià)[J]. 云南農(nóng)業(yè)大學(xué)學(xué)報(bào),2016,31(5):874-879.

[16]朱俊訪,李博. 基于遺傳算法和BP神經(jīng)網(wǎng)絡(luò)在蔥白總黃酮提取工藝中的應(yīng)用研究[J]. 中國(guó)民族民間醫(yī)藥,2010,19(9):64-65.

[17]王瑩,欒天奇,樸美子. 基于神經(jīng)網(wǎng)絡(luò)和遺傳算法的醋酸發(fā)酵培養(yǎng)基優(yōu)化[J]. 中國(guó)食品學(xué)報(bào),2012,12(5):88-94.

[18]馬花月. 基于人工神經(jīng)網(wǎng)絡(luò)和遺傳算法的復(fù)合材料涂層工藝優(yōu)化[D]. 上海:上海大學(xué),2015:20-65.

[19李宏君. 遺傳算法結(jié)合人工神經(jīng)網(wǎng)絡(luò)優(yōu)化潤(rùn)滑油配方的研究[D]. 廣西:廣西大學(xué),2013:5-16.

[20]曹唏,吳毅強(qiáng),李積華. 人工神經(jīng)網(wǎng)絡(luò)-遺傳算法優(yōu)化酶法提取綠豆渣水溶性纖維素工藝研究[J]. 食品科技,2006(10):296-299.

[21]劉海軍,劉偉,張春芝,等. 基于BP神經(jīng)網(wǎng)絡(luò)的微波真空膨化漿果脆片工藝參數(shù)優(yōu)化[J]. 中國(guó)食品學(xué)報(bào),2016,16(3):103-107.

[22]吳冬青,徐新建,張麗,等. 響應(yīng)面分析法優(yōu)化竹節(jié)草黃酮提取工藝[J]. 食品科學(xué),2011,32(8):125-128.

[23]張晶. 人工神經(jīng)網(wǎng)絡(luò)在響應(yīng)曲面法實(shí)驗(yàn)優(yōu)化設(shè)計(jì)中的應(yīng)用研究[D].青海:青海師范大學(xué),2014.

[24]李媛媛,常慶瑞,劉秀英,等. 基于高光譜和BP神經(jīng)網(wǎng)絡(luò)的玉米葉片SPAD值遙感估算[J].農(nóng)業(yè)工程學(xué)報(bào),2016,32(16):135-142.

[25]Sodeifian G,Sajadian S A,Ardestani N S. Optimization of essential oil extraction fromLaunaeaacanthodes,Boiss:Utilization of supercritical carbon dioxide and cosolvent[J]. Journal of Supercritical Fluids,2016,116:46-56.

ProcessparameteroptimizationofmicrowaveassistedextractionofflavonoidsfromFicuscaricaLinnbasedonBPneuralnetwork

LIUHuan-yan1,ZHENGGuang-yao2,WANGYan-bin1,HELiang1，*,LIUYu2,CHENGJun-wen1,LIWei-qi3

(1.Zhejiang Provincial Key Laboratory of Biological and Chemical Utilization ofForest Resources,Zhejiang Forestry Academy,Hangzhou 310023,China;2.Institute of Chemical Industry of Forest Products,Chinese Academy of Forestry,Nanjing 210042,China;3.College of Life Science,Zhejiang University,Hangzhou 310058,China)

In order to explore the optimum microwave-assisted extraction of flavonoids from the fruits ofFicuscaricaLinn,Back-Propagation neural network with genetic algorithm(BP-GA)was used to optimize the process parameters of microwave assisted extraction of flavonoids fromFicuscaricaLinn based on the response surface experimental data. The simulation analysis of microwave assisted extraction of flavonoids fromFicuscaricawas carried out by using the extraction time,microwave frequency,the ratio of solid to ethanol and extraction temperature as the input of the network and flavonoids extraction amount as output. The optimized operation condition obtained by the neutral network method was extraction time of 22 min,microwave power of 609 W,the ratio of solid to ethanol of 1∶30 g/mL and extraction temperature of 50 ℃. And its maximum extraction yield climbed to 14.6610 mg/g under the optimal conditions,the deviation between verified and predicted values of yield was 0.15%,which indicated the reliability and practicability in the optimized conditions. The research may provide a new method for optimizing the processing conditions for further development and utilization of the fig organization and build the foundations for better use of natural resources.

neural network;microwave assisted extraction;FicuscaricaLinn;flavonoids;optimization

TS255.4

B

1002-0306(2017)19-0197-07

10.13386/j.issn1002-0306.2017.19.036

2017-03-06

劉煥燕(1991-)，女，碩士，研究方向：森林食品精深加工，E-mail：lhy010129@163.com。

*通訊作者:賀亮(1979-)，男，博士，研究員，研究方向：森林食品精深加工，E-mail：kite006@163.com。

浙江省林業(yè)廳省院合作項(xiàng)目(2015SY03)。