人工神經(jīng)網(wǎng)絡(luò)結(jié)合粒子群優(yōu)化算法優(yōu)化 不同產(chǎn)地廣藿香揮發(fā)油提取工藝

張浩科，高靜，趙智龍，宮海燕，唐莎莎

1.新疆醫(yī)科大學(xué)第一附屬醫(yī)院，新疆 烏魯木齊 830011；2.新疆塔城市人民醫(yī)院，新疆 塔城 834700； 3.新疆醫(yī)科大學(xué)第五附屬醫(yī)院，新疆 烏魯木齊 830011；4.達(dá)州中醫(yī)藥職業(yè)學(xué)院，四川 達(dá)州 635000

廣藿香是唇形科植物廣藿香Pogostemon cablin（Blanco）Benth.的干燥地上部分，具有芳香化濕、和胃止嘔、祛暑解表功效，成方制劑有藿香正氣水、藿膽丸等。藥效學(xué)研究表明，揮發(fā)油作為廣藿香主要 活性成分，具有抑菌[1-2]、抗真菌[3]、抗氧化[4]、免疫調(diào)節(jié)[5]等作用。不同產(chǎn)地廣藿香揮發(fā)油的主要成分存在差異，提取工藝有所不同。廣東省湛江市遂溪縣的廣藿香揮發(fā)油以廣藿香酮為主要成分[6]；四川省中江縣的廣藿香揮發(fā)油以胡薄荷酮和薄荷酮為主要化學(xué)成分[7]。廣藿香揮發(fā)油應(yīng)用廣泛，但目前相關(guān)提取工藝的報(bào)道較少。

神經(jīng)網(wǎng)絡(luò)技術(shù)具有結(jié)構(gòu)簡(jiǎn)單、自主學(xué)習(xí)、自組織、非線性分類處理能力強(qiáng)等優(yōu)點(diǎn)。反向傳播人工神經(jīng)網(wǎng)絡(luò)（BP-ANN）每次只對(duì)獲勝神經(jīng)元進(jìn)行學(xué)習(xí)，造成輸入樣本和競(jìng)爭(zhēng)神經(jīng)元之間信息資源的浪費(fèi)，在網(wǎng)絡(luò)學(xué)習(xí)的初始階段對(duì)初始值十分敏感。偏差太大的初始權(quán)值會(huì)導(dǎo)致部分神經(jīng)元不被利用而成為“死”點(diǎn)，導(dǎo)致輸入向量在競(jìng)爭(zhēng)層不能很好聚類，影響分類的準(zhǔn)確率。粒子群優(yōu)化算法（PSO）是一種全局優(yōu)化進(jìn)化算法，該算法簡(jiǎn)單，容易實(shí)現(xiàn)，對(duì)不同類型函數(shù)有廣泛的適應(yīng)性，具有很強(qiáng)的全局尋優(yōu)能力，應(yīng)用這一特性，可以給BP-ANN選擇初始權(quán)值[8-9]。本研究采用人工神經(jīng)網(wǎng)絡(luò)結(jié)合粒子群優(yōu)化算法（ANN-PSO）對(duì)不同產(chǎn)地廣藿香揮發(fā)油的提取工藝進(jìn)行優(yōu)化。

1 儀器與試藥

FA2004N型電子天平，常州市幸運(yùn)電子設(shè)備有限公司；KDM型可調(diào)控溫電熱套，山東鄄城華魯電熱儀器有限公司。

廣藿香于2017年9月采自云南曲靖、2017年7月采自廣東化州，經(jīng)新疆醫(yī)科大學(xué)藥學(xué)院中藥鑒定教研室徐海燕副教授鑒定為唇形科刺蕊草屬植物Pogostemon cablin（Blanco）Benth.的干燥地上部分。

2 方法與結(jié)果

2.1 正交試驗(yàn)優(yōu)化提取工藝

廣藿香樣品充分干燥后，采用2015年版《中華人民共和國(guó)藥典》附錄“水蒸氣蒸餾法”提取揮發(fā)油。通過(guò)單因素考察，篩選影響揮發(fā)油產(chǎn)率的主要因素（料液比、提取時(shí)間、提取次數(shù)），以揮發(fā)油提取率（%，mL/g）為考察指標(biāo)，采用L9（34）正交試驗(yàn)設(shè)計(jì)，對(duì)不同產(chǎn)地廣藿香揮發(fā)油的提取工藝進(jìn)行優(yōu)化，因素水平見(jiàn)表1，試驗(yàn)結(jié)果和方差分析見(jiàn)表2～表5。

表1 廣藿香揮發(fā)油提取工藝正交試驗(yàn)因素水平

表2 云南曲靖廣藿香揮發(fā)油提取工藝正交試驗(yàn)結(jié)果

表3 云南曲靖廣藿香揮發(fā)油提取工藝正交試驗(yàn)結(jié)果方差分析

表4 廣東化州廣藿香揮發(fā)油提取工藝正交試驗(yàn)結(jié)果

云南曲靖廣藿香揮發(fā)油提取工藝正交試驗(yàn)結(jié)果表明，對(duì)揮發(fā)油提取率的影響為提取時(shí)間（C）＞料液比（A）＞提取次數(shù)（B）。各因素水平的影響為A2＞A1＞A3，B3＞B2＞B1，C3＞C2＞C1，最佳提取條件為A2B3C3，即料液比1∶10、提取3次、提取8 h。方差分析結(jié)果表明，料液比（A）、提取時(shí)間（C）均為顯著影響因素，其中提取時(shí)間（C）影響最大。

廣東化州廣藿香揮發(fā)油提取工藝正交試驗(yàn)結(jié)果表明，對(duì)揮發(fā)油提取率的影響為提取時(shí)間（C）＞料液比（A）＞提取次數(shù)（B）。各因素水平的影響為A1＞A3＞A2，B2＞B3＞B1，C3＞C2＞C1，最佳提取條件為A1B2C3，即料液比1∶8、提取2次、提取8 h。方差分析結(jié)果表明，提取時(shí)間（C）是顯著影響因素，對(duì)揮發(fā)油提取率影響最大。

表5 廣東化州廣藿香揮發(fā)油提取工藝正交試驗(yàn)結(jié)果方差分析

2.2 人工神經(jīng)網(wǎng)絡(luò)結(jié)合粒子群優(yōu)化算法優(yōu)化提取工藝

人工神經(jīng)網(wǎng)絡(luò)由輸入層（自變量）、若干隱藏層和輸出層（因變量）組成。將單因素試驗(yàn)和正交試驗(yàn)確定的3個(gè)因素（料液比、提取次數(shù)、提取時(shí)間）作為3個(gè)輸入層節(jié)點(diǎn)，將揮發(fā)油提取率作為1個(gè)輸出層節(jié)點(diǎn)，建立BP-ANN（見(jiàn)圖1）。根據(jù)Kolmogorov定理，1個(gè)三層網(wǎng)絡(luò)足以完成任何n維到m維的非線性映射，故只設(shè)置1個(gè)隱藏層結(jié)構(gòu)。

圖1 BP-ANN模型的最優(yōu)結(jié)構(gòu)

2.2.1 訓(xùn)練樣本選擇

在正交試驗(yàn)得到的9個(gè)樣本數(shù)據(jù)基礎(chǔ)上，為建立可靠模型，引入虛擬樣本進(jìn)行擴(kuò)容。將料液比、提取次數(shù)和提取時(shí)間按±Δi（Δi＝0.1%）對(duì)正交試驗(yàn)得出的每組數(shù)據(jù)擴(kuò)容，每個(gè)實(shí)際樣本產(chǎn)生7個(gè)虛擬樣本，獲得63個(gè)參加BP-ANN訓(xùn)練和檢驗(yàn)的樣本。在加大訓(xùn)練樣本密度的基礎(chǔ)上，有效強(qiáng)化訓(xùn)練的記憶效果。

2.2.2 模型訓(xùn)練與預(yù)測(cè)

將料液比、提取次數(shù)、提取時(shí)間的值作為輸入層數(shù)據(jù)，實(shí)際測(cè)得的揮發(fā)油提取率作為輸出層數(shù)據(jù)，從63個(gè)樣本中隨機(jī)抽取50組數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò)，13組數(shù)據(jù)測(cè)試網(wǎng)絡(luò)的擬合性。

2.2.3 粒子群優(yōu)化算法

使用已訓(xùn)練好的BP-ANN作為PSO的適應(yīng)度函數(shù)，設(shè)置種群數(shù)量為30，迭代次數(shù)為100，將粒子飛行速度、粒子飛行邊界限制在實(shí)驗(yàn)室因素內(nèi)，使用MATLAB環(huán)境運(yùn)行，通過(guò)每代所有解的“信息”共享、整合，最優(yōu)解群逐漸趨向穩(wěn)定，最后達(dá)到群體最優(yōu)解。

2.2.4 提取工藝優(yōu)化

采用MATLAB R2016a編程，得到人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)誤差＜0.5%，見(jiàn)圖2。

圖2 不同產(chǎn)地廣藿香揮發(fā)油提取工藝BP-ANN模型誤差預(yù)測(cè)

BP-ANN對(duì)云南曲靖廣藿香揮發(fā)油提取工藝的預(yù)測(cè)值與真實(shí)值誤差最大值為0.000 2（絕對(duì)值），正交試驗(yàn)得出的提取率最大值為1.60%、最小值為1.20%，最大誤差對(duì)其影響很小。BP-ANN對(duì)廣東化州廣藿香揮發(fā)油提取工藝的預(yù)測(cè)值與實(shí)際值誤差最大值為0.001 4（絕對(duì)值），正交試驗(yàn)得出的提取率最大值為1.82%、最小值為1.26%，最大誤差對(duì)其影響很小。表明BP-ANN模型映射出了準(zhǔn)確描述揮發(fā)油提取工藝過(guò)程參數(shù)與其評(píng)價(jià)指標(biāo)之間的關(guān)系。

采用MATLAB R2016a編程，使用MATLAB環(huán)境運(yùn)行，得到適應(yīng)度曲線（見(jiàn)圖3）。PSO在100次迭代內(nèi)找到最優(yōu)解，收斂迭代結(jié)果見(jiàn)表6、表7。

圖3 不同產(chǎn)地廣藿香揮發(fā)油提取工藝ANN-PSO適應(yīng)度曲線

表6 云南曲靖廣藿香揮發(fā)油提取工藝PSO收斂迭代結(jié)果（%）

表7 廣東化州廣藿香揮發(fā)油提取工藝PSO收斂迭代結(jié)果（%）

2.3 驗(yàn)證試驗(yàn)

對(duì)正交試驗(yàn)和ANN-PSO優(yōu)化工藝進(jìn)行驗(yàn)證，重復(fù)3次，結(jié)果見(jiàn)表8。經(jīng)ANN-PSO優(yōu)化，云南曲靖廣藿香揮發(fā)油提取工藝條件為：料液比1∶9，提取3次，提取時(shí)間3.5 h。驗(yàn)證試驗(yàn)結(jié)果表明，最佳提取率為1.98%，與預(yù)測(cè)值2.06%非常接近，高于正交試驗(yàn)結(jié)果（1.60%）。廣東化州廣藿香揮發(fā)油的ANN-PSO優(yōu)化提取工藝條件為：料液比1∶3，提取次數(shù)3次，提取時(shí)間4.5 h。驗(yàn)證試驗(yàn)結(jié)果表明，最佳提取率為2.46%，與預(yù)測(cè)值2.53%接近，高于正交試驗(yàn)結(jié)果（1.82%）。因此，ANN-PSO具有很好的預(yù)測(cè)性。

表8 正交試驗(yàn)和ANN-PSO優(yōu)化不同產(chǎn)地廣藿香揮發(fā)油 提取工藝驗(yàn)證試驗(yàn)結(jié)果（n＝3）

3 討論

本研究采用ANN-PSO優(yōu)化廣藿香揮發(fā)油的提取工藝，預(yù)測(cè)結(jié)果優(yōu)于正交試驗(yàn)。由于傳統(tǒng)的正交試驗(yàn)依賴非線性方程的回歸和解析，建模的擬合結(jié)果并不理想，難以優(yōu)化到具體的點(diǎn)和區(qū)域。實(shí)際提取過(guò)程中的時(shí)間和試驗(yàn)次數(shù)有限，ANN可彌補(bǔ)傳統(tǒng)的正交試驗(yàn)設(shè)計(jì)存在無(wú)法分析不可控因素和不確定復(fù)雜問(wèn)題等缺陷。應(yīng)用ANN優(yōu)化提取工藝，在解決非線性、多輸入、不確定復(fù)雜問(wèn)題時(shí)具有明顯的優(yōu)勢(shì)[10]。

目前，人工智能技術(shù)如ANN、PSO等方法已經(jīng)廣泛應(yīng)用于工藝優(yōu)化。ANN具有強(qiáng)大的學(xué)習(xí)功能和大規(guī)模計(jì)算能力，可以比較輕松地實(shí)現(xiàn)非線性映射過(guò)程。近年來(lái)，基于神經(jīng)網(wǎng)絡(luò)模型進(jìn)行的最優(yōu)化問(wèn)題計(jì)算、模式識(shí)別、判別和預(yù)測(cè)已廣泛應(yīng)用于生物醫(yī)藥領(lǐng)域，如工藝優(yōu)選等[11]，并具有較高可信度。PSO算法是一種基于種群的隨機(jī)優(yōu)化技術(shù)，群體中的每個(gè)成員通過(guò)學(xué)習(xí)自身經(jīng)驗(yàn)和其他成員的經(jīng)驗(yàn)不斷改變其搜索模式。該算法背景直觀，簡(jiǎn)單而容易實(shí)現(xiàn)，對(duì)不同類型函數(shù)具有廣泛的適應(yīng)性。

為提高廣藿香植物資源的可持續(xù)開(kāi)發(fā)利用程度，本研究采用ANN-PSO對(duì)不同產(chǎn)地廣藿香揮發(fā)油的提取工藝進(jìn)行優(yōu)化，驗(yàn)證試驗(yàn)表明，經(jīng)ANN-PSO優(yōu)化的提取工藝能夠有效降低提取成本和節(jié)約資源，具有潛在的實(shí)用價(jià)值。2015年版《中華人民共和國(guó)藥典》收錄的廣藿香油以百秋里醇作為質(zhì)量控制指標(biāo)，不得少于26%。百秋里醇又名廣藿香醇，是一種倍半萜類化合物，具有抗炎、抗胃潰瘍、抗腫瘤、抗菌、抗氧化等藥理作用[12-13]。今后將進(jìn)一步深入研究，優(yōu)化廣藿香揮發(fā)油的提取工藝，有效促進(jìn)廣藿香資源的可持續(xù)利用。