基于改進(jìn)熵權(quán)法結(jié)合TOPSIS模型和BPNN建模優(yōu)化甘草多糖醇沉工藝

何寶峰，馬新?lián)Q，馬忠祥，王寶才，徐志偉，馬芳兄，楊天艷，李榮焜

1甘肅中醫(yī)藥大學(xué)；2甘肅省第二人民醫(yī)院，蘭州 730000；3甘肅省中醫(yī)院，蘭州 730050

據(jù)文獻(xiàn)報(bào)道，甘草多糖是甘草主要藥效成分之一，有抗腫瘤、抗炎、抗病毒、免疫調(diào)節(jié)等生理活性，已成為深入挖掘甘草藥理活性成分的研究熱點(diǎn)，目前對(duì)甘草多糖的研究以提取工藝、純化技術(shù)和藥理活性研究為主[1]。研究表明，水溶性甘草多糖是一種多成分、分子結(jié)構(gòu)高度支化且連接有蛋白質(zhì)的雜多糖[2]。藥理研究發(fā)現(xiàn)，純化多糖藥理活性不及粗多糖，推測(cè)化學(xué)試劑的加入、純化步驟繁雜、蛋白質(zhì)損失是主要原因[3,4]，本文將圍繞甘草中水溶性成分甘草多糖進(jìn)行醇沉工藝優(yōu)化研究。

信息熵理論作為一種客觀賦權(quán)法廣泛應(yīng)用于中藥及復(fù)方提取工藝涉及多指標(biāo)的優(yōu)化研究中[5]，而傳統(tǒng)熵權(quán)法的熵權(quán)值大于0.5時(shí)，個(gè)別數(shù)據(jù)的變化會(huì)引起權(quán)重的成倍變化[6]，從而影響工藝參數(shù)的確定，因此本文采用改進(jìn)熵權(quán)法處理，能有效克服其存在的缺陷，提高決策準(zhǔn)確性，所得數(shù)據(jù)更可靠，結(jié)果更科學(xué)合理。TOPSIS法以評(píng)價(jià)對(duì)象與理想化目標(biāo)接近程度為依據(jù)對(duì)實(shí)驗(yàn)方案進(jìn)行排序，將多指標(biāo)轉(zhuǎn)化為綜合指標(biāo)，是一種能集中反映樣本總體情況的多指標(biāo)決策分析方法[7]。近年來將廣大學(xué)者將TOPSIS法與熵權(quán)法結(jié)合，對(duì)評(píng)價(jià)指標(biāo)進(jìn)行權(quán)重賦值，從而綜合評(píng)價(jià)試驗(yàn)方案，可有效避免人為因素對(duì)試驗(yàn)結(jié)果的主觀干預(yù)，使評(píng)價(jià)結(jié)果更客觀全面，該方法已廣泛用于中藥質(zhì)量綜合評(píng)價(jià)中[8]，適用于本研究的工藝優(yōu)化問題。BP神經(jīng)網(wǎng)絡(luò)(back propagation neural network，BPNN)能打破正交設(shè)計(jì)、星點(diǎn)設(shè)計(jì)等常規(guī)試驗(yàn)設(shè)計(jì)在已設(shè)水平優(yōu)選最佳參數(shù)的局限性，通過模擬人腦神經(jīng)系統(tǒng)對(duì)復(fù)雜信息的處理方式，進(jìn)而建立一種數(shù)學(xué)模型，用以對(duì)復(fù)雜非線性關(guān)系的研究[9-11]。

通過查閱文獻(xiàn)發(fā)現(xiàn)[12-14]，醇沉?xí)r間、乙醇體積分?jǐn)?shù)、濃縮液相對(duì)密度對(duì)多糖的醇沉效果影響比較大。因此本課題組以甘草多糖、單糖、總糖含量及提取量為評(píng)價(jià)指標(biāo)，利用改進(jìn)熵權(quán)法與熵權(quán)TOPSIS法處理試驗(yàn)數(shù)據(jù)，對(duì)甘草多糖醇沉的主要因素進(jìn)行研究，比較兩種分析方法在正交設(shè)計(jì)中的適用性，確定最佳醇沉工藝，再利用BP神經(jīng)網(wǎng)絡(luò)建模進(jìn)行仿真尋優(yōu)，尋求甘草多糖最佳醇沉工藝參數(shù)，以期為甘草多糖制備優(yōu)選出穩(wěn)定可行的醇沉工藝，為其進(jìn)一步開發(fā)利用及綜合質(zhì)量控制提供科學(xué)依據(jù)。

1 儀器與材料

UV-2 700紫外可見光分度計(jì)(島津企業(yè)管理有限公司)；DZF-300真空干燥箱(鄭州長城科工貿(mào)有限公司)；AR522CN型電子天平(奧豪斯儀器有限公司)；EP125SM型電子分析天平、LX120A型電子分析天平(瑞士Dietikon公司)；DL-1 000萬用電子爐(上?？坪銓?shí)業(yè)發(fā)展有限公司)；LA753純化水機(jī)(威立雅)。

苯酚(批號(hào)：20 051 121，純度≥99.0%)購自天津市天新精細(xì)化開發(fā)中心；氫氧化鈉(批號(hào)：200 928，純度≥98.0%)、硫酸(批號(hào)：170 807，純度：95.0%～98.0%)、酒石酸鉀鈉(批號(hào)：200 926，純度≥98.0%)，均購自白銀良友化學(xué)試劑有限公司；亞硫酸氫鈉(批號(hào)：20 120 329，純度≥98.0%)、3,5-二硝基水楊酸(批號(hào)：20 190 601，純度≥98.0%)，均購自天津市大茂化學(xué)試劑廠；D-無水葡萄糖標(biāo)準(zhǔn)品(批號(hào)110 833-201 908，純度：99.8%)購自中國食品藥品檢定研究院；提取用水為自來水，測(cè)定用水為超純水。其他試劑均為分析純。

甘草飲片由甘肅青茂農(nóng)業(yè)科技股份有限公司提供，經(jīng)甘肅省第二人民醫(yī)院馬新?lián)Q主任中藥師鑒定為豆科甘草屬植物甘草GlycyrrhizauralensisFisch.的干燥根和根莖。

2 方法與結(jié)果

2.1 提取方法

稱取甘草飲片50 g裝于1 000 mL圓底燒瓶中，加10倍量自來水煎煮兩次，第一次浸泡2 h，煎煮2 h，合并煎液，用無紡布過濾，靜置至提取液澄清，取上清液濃縮至75 mL，放至室溫后快速攪拌加入95%乙醇至體積分?jǐn)?shù)為70%，6 ℃靜置過夜，抽濾，于0.03～0.04 MPa、80 ℃真空干燥得到甘草多糖，研細(xì)備用。

2.2 指標(biāo)成分測(cè)定

2.2.1 對(duì)照品溶液制備

取在105 ℃干燥至恒重的葡萄糖對(duì)照品約25.00 mg，精密稱定，置25 mL容量瓶中，加超純水溶解后稀釋至刻度，搖勻，制成1.01 mg/mL葡萄糖對(duì)照品溶液。

2.2.2 測(cè)定單糖用溶液制備

取供試品約200.00 mg，精密稱定，置50 mL三角瓶中，加30 ml超純水，50 ℃水浴1 h，冷卻至室溫，轉(zhuǎn)移至50 mL容量瓶中，加水稀釋至刻度，搖勻，濾過，收集續(xù)濾液即得。

2.2.3 測(cè)定總糖用溶液制備

取供試品約20.00 mg，精密稱定，至50 mL三角瓶中，加20 mL超純水，5 mL硫酸(取18 mL濃硫酸稀釋定容至100 mL)，搖勻，在沸水浴中水解60 min，冷卻至室溫，加數(shù)滴酚酞指示劑，加10 mol/L氫氧化鈉溶液3.00 mL，用10%氫氧化鈉溶液滴至中性(粉紅色)，轉(zhuǎn)移至50 mL容量瓶中，加水稀釋至刻度，搖勻，濾過，收集續(xù)濾液即得。

2.2.4 含量測(cè)定方法

精密量取上述對(duì)照品和供試品溶液各2.00 mL，置于10 mL具塞試管中，加3,5-二硝基水楊酸(DNS)顯色液1.50 mL，振搖均勻，在沸水浴中反應(yīng)15 min，取出，冷卻至室溫后用超純水轉(zhuǎn)移至25 mL容量瓶中，加水稀釋至刻度，搖勻。照分光光度法(《中國藥典》2020年版四部通則0 401)在490 nm波長處測(cè)定吸光度值，以超純水為隨行空白，重復(fù)測(cè)定3次取平均值，利用回歸方程計(jì)算得到樣品溶液中葡萄糖折合濃度，按照公式(1)、(2)計(jì)算各糖含量。

(1)

多糖含量=總糖含量-單糖含量

(2)

式中：C為樣品溶液中葡萄糖折合濃度(μg/mL)；V為樣品溶液總體積(mL)；n為稀釋倍數(shù)；M為供試品重量(mg)。

2.2.5 標(biāo)準(zhǔn)曲線制作

以“2.2.1”項(xiàng)下配制的葡萄糖對(duì)照品溶液為母液，分別精密吸取母液0.00、0.25、0.50、0.75、1.00、1.25 mL，加超純水補(bǔ)足至2.00 mL，再滴加DNS顯色1.50 mL，配制成濃度為0.00、10.10、20.20、30.30、40.40、50.50 μg/mL標(biāo)品溶液，按照“2.2.4”項(xiàng)下方法配制測(cè)定液，并測(cè)定各溶液吸光度值。以葡萄糖質(zhì)量濃度(C)為橫坐標(biāo)，吸光度(A)為縱坐標(biāo)繪制葡萄糖標(biāo)準(zhǔn)曲線，得回歸方程為A=0.026 8C-0.031 9，r=0.998 3，表明葡萄糖在0.00～50.50 μg/mL范圍內(nèi)線性關(guān)系良好。

2.2.6 方法學(xué)考察

2.2.6.1 精密度考察

取同一批甘草多糖粉末，精密稱定，按照“2.2.2”與“2.2.3”項(xiàng)下方法制備供試品溶液，按“2.2.4”項(xiàng)下方法測(cè)定供試品吸光度，連續(xù)測(cè)定6次，記錄吸光度值，RSD為0.13%，表明儀器精密度良好。

2.2.6.2 重復(fù)性考察

取同一批甘草多糖粉末，精密稱定，按照“2.2.2”與“2.2.3”項(xiàng)下方法制備6份測(cè)定液，按“2.2.4”項(xiàng)下方法測(cè)定供試品吸光度值，RSD為1.28%，表明該方法重復(fù)性良好。

2.2.6.3 穩(wěn)定性考察

取同一批甘草多糖粉末，精密稱定，按照“2.2.2”與“2.2.3”項(xiàng)下方法制備測(cè)定液，按“2.2.4”項(xiàng)下方法分別在0、30、60、90、120 min測(cè)定供試品吸光度，RSD為0.56%，表明顯色后溶液在2 h內(nèi)穩(wěn)定性良好。

2.2.6.4 加樣回收率考察

取已知單糖含量和總糖含量的同一批甘草多糖粉末，平行6份，精密稱定，置于具塞錐形瓶中，分別加入等比例葡萄糖對(duì)照品0.08、0.40 mg，按照“2.2.2”與“2.2.3”項(xiàng)下方法分別制備供試品溶液，按“2.2.4”項(xiàng)下方法測(cè)定供試品吸光度，計(jì)算單糖和總糖的加樣回收率，平均加樣回收率分別為98.43%、98.02%，RSD分別為0.59%、0.78%。

2.3 單因素試驗(yàn)

2.3.1 濃縮比對(duì)甘草多糖的影響

稱取甘草飲片50 g，按照“2.1”項(xiàng)下方法提取，將提取液分別濃縮至1.0、1.5、2.0、2.5、3.0 mL/g(即濃縮液體積與甘草飲片質(zhì)量之比)，放至室溫后，調(diào)節(jié)乙醇體積分?jǐn)?shù)為70%，醇沉20 h。結(jié)果顯示(見表1)，提取量隨濃縮比增大而下降，單糖含量變化不明顯，總糖和多糖含量反而升高，說明濃縮比越小高溫加熱時(shí)間越長，總糖和多糖分解越多，濃縮比過大溶液濃度較低則不利于多糖析出，導(dǎo)致提取量降低。因此，綜合實(shí)際生產(chǎn)因素和成本，選取1.5、2.0、2.5 mL/g三個(gè)水平進(jìn)行優(yōu)化試驗(yàn)。

表1 濃縮比對(duì)甘草多糖的影響Table 1 Effect of concentration ratio on G. uralensis polysaccharides

續(xù)表1(Continued Tab.1)

2.3.2 乙醇體積分?jǐn)?shù)對(duì)甘草多糖的影響

稱取甘草飲片50 g，按照“2.1”項(xiàng)下方法提取，將提取液濃縮至1.5 mL/g，放至室溫后，加95%乙醇分別調(diào)節(jié)乙醇體積分?jǐn)?shù)為60%、65%、70%、75%、80%，醇沉20 h。結(jié)果顯示(見表2)，提取量隨乙醇體積分?jǐn)?shù)增大而呈上升趨勢(shì)，單糖含量和多糖含量變化不明顯，當(dāng)乙醇體積分?jǐn)?shù)大于75%時(shí)總糖含量明顯降低，說明隨著乙醇體積分?jǐn)?shù)的增大藥液中含有的無機(jī)鹽等雜質(zhì)易被沉淀析出，不利于總糖沉淀，導(dǎo)致糖含量降低，綜合實(shí)際生產(chǎn)因素選取65%、70%、75%三個(gè)水平進(jìn)行優(yōu)化試驗(yàn)。

表2 乙醇體積分?jǐn)?shù)對(duì)甘草多糖的影響Table 2 Effect of ethanol volume fraction on G. uralensis polysaccharides

2.3.3 醇沉?xí)r間對(duì)甘草多糖的影響

稱取甘草飲片50 g，按照“2.1”項(xiàng)下方法提取，將提取液濃縮至1.5 mL/g，放至室溫后快速攪拌加入95%乙醇，調(diào)節(jié)乙醇體積分?jǐn)?shù)為70%，分別醇沉4、8、12、16、20 h。結(jié)果顯示(見表3)，提取量隨醇沉?xí)r間的延長變化不明顯，單糖含量先升高后下降，總糖和多糖含量呈現(xiàn)上升趨勢(shì)，說明醇沉?xí)r間短，多糖不能完全析出，隨著時(shí)間延長，沉淀析出更充分，結(jié)合實(shí)際生產(chǎn)過程確定以12、16、20 h三個(gè)水平進(jìn)行優(yōu)化試驗(yàn)。

表3 醇沉?xí)r間對(duì)甘草多糖的影響Table 3 Effect of alcohol precipitation time on G. uralensis polysaccharides

2.4 正交試驗(yàn)優(yōu)選甘草多糖醇沉工藝

2.4.1 試驗(yàn)設(shè)計(jì)

以單因素試驗(yàn)考察結(jié)果為依據(jù)，選用濃縮比(A)、乙醇體積分?jǐn)?shù)(B)、醇沉?xí)r間(C)為考察因素，以提取量、單糖、總糖和多糖含量為評(píng)價(jià)指標(biāo)，利用L9(34)正交表安排試驗(yàn)，因素水平見表4，優(yōu)選甘草多糖醇沉工藝。試驗(yàn)安排及各指標(biāo)測(cè)定結(jié)果見表5。

表4 正交試驗(yàn)因素水平Table 4 Orthogonal test factor level

表5 正交試驗(yàn)設(shè)計(jì)及指標(biāo)測(cè)定結(jié)果Table 5 Orthogonal test design and index determination results

2.4.2 數(shù)據(jù)處理

采用改進(jìn)熵權(quán)-TOPSIS法處理多指標(biāo)數(shù)據(jù)[15,16]。該方法對(duì)樣本無特殊要求，分析簡便，能有效規(guī)避實(shí)驗(yàn)者的主觀偏好性，提高試驗(yàn)結(jié)果的可靠性和科學(xué)性，適用于有限方案多目標(biāo)決策分析[17]。

2.4.2.1 歸一化處理

以試驗(yàn)號(hào)為組別，甘草多糖提取量和各成分含量為指標(biāo)建立評(píng)價(jià)正交各試驗(yàn)組合甘草多糖品質(zhì)的初始化決策矩陣，本試驗(yàn)要求各指標(biāo)越大越好，因此采用指標(biāo)越大越優(yōu)型公式(3)進(jìn)行歸一化數(shù)據(jù)處理，結(jié)果見表6。

表6 決策矩陣歸一化結(jié)果Table 6 Normalization results of decision matrix

Xij=(Xij-Xmin)/(Xmax-Xmin)

(3)

2.4.2.2 加權(quán)決策矩陣構(gòu)建

根據(jù)公式(4)、(5)、(6)計(jì)算各評(píng)價(jià)指標(biāo)的熵權(quán)值，提取量、單糖含量、總糖含量及多糖含量的熵權(quán)分別為0.252 1、0.253 1、0.246 4、0.248 4，將決策矩陣歸一化結(jié)果與各評(píng)價(jià)指標(biāo)熵權(quán)相乘，得到加權(quán)決策矩陣，結(jié)果見表7。

表7 加權(quán)決策矩陣結(jié)果Table 7 Weighted decision matrix results

(4)

(5)

(6)

2.4.2.3 歐式貼近度計(jì)算及評(píng)價(jià)

根據(jù)公式(7)、(8)確定加權(quán)決策矩陣的最優(yōu)向量和最劣向量，再根據(jù)公式(9)、(10)、(11)計(jì)算各評(píng)價(jià)指標(biāo)與正負(fù)理想解的距離及各指標(biāo)對(duì)最優(yōu)解的歐式貼近度，最終確定各試驗(yàn)號(hào)甘草多糖品質(zhì)的綜合排序，結(jié)果見表8。

表8 正交設(shè)計(jì)優(yōu)劣評(píng)價(jià)及排序Table 8 Evaluation and ranking of orthogonal design

V+=max(R1j,R2j…...Rnj)

(7)

V-=min(R1j,R2j......Rnj)

(8)

(9)

(10)

(11)

2.4.3 正交設(shè)計(jì)結(jié)果

分別采用改進(jìn)熵權(quán)綜合評(píng)分法和改進(jìn)熵權(quán)-TOPSIS法處理正交結(jié)果，利用公式(12)計(jì)算各指標(biāo)綜合評(píng)分(M)結(jié)果見表9，方差分析見表10。

表9 正交設(shè)計(jì)熵權(quán)-TOPSIS法結(jié)果Table 9 Results of orthogonal design entropy weight-TOPSIS method

表10 方差分析結(jié)果Table 10 Results of analysis of variance

M=提取量×0.252 1+單糖含量×0.253 1+總糖含量×0.246 4+多糖含量×0.248 4

(12)

正交試驗(yàn)結(jié)果顯示，甘草多糖醇沉影響因素結(jié)果為：濃縮比>醇沉?xí)r間>乙醇體積分?jǐn)?shù)，其中單用改進(jìn)熵權(quán)法處理數(shù)據(jù)，所得結(jié)果極差與誤差都較大，而改進(jìn)熵權(quán)與TOPSIS法聯(lián)用所得結(jié)果極差和誤差均較小，說明改進(jìn)熵權(quán)-TOPSIS法能充分利用原始數(shù)據(jù)的信息，準(zhǔn)確反映各評(píng)價(jià)方案之間的差距，能對(duì)正交試驗(yàn)結(jié)果進(jìn)行綜合評(píng)價(jià)以獲得最優(yōu)參數(shù)組合，規(guī)避優(yōu)化過程中的人為主觀因素，提高決策準(zhǔn)確性、科學(xué)性，使所得結(jié)果更可靠。由此可見醇沉?xí)r間和濃縮比對(duì)甘草多糖醇沉影響較大，乙醇體積分?jǐn)?shù)對(duì)醇沉影響較小。最終優(yōu)選得到最佳醇沉結(jié)果為A3B2C3，即濃縮比為2.5 mL/g，乙醇體積分?jǐn)?shù)為70%，醇沉?xí)r間為20 h。

2.5 BP神經(jīng)網(wǎng)絡(luò)仿真尋優(yōu)

本實(shí)驗(yàn)使用Matlab R2012a軟件進(jìn)行BP神經(jīng)網(wǎng)絡(luò)模型構(gòu)建[18,19]。輸入層為濃縮比、乙醇積分?jǐn)?shù)、醇沉?xí)r間，輸出層為各指標(biāo)賦權(quán)后計(jì)算得到的綜合評(píng)分，隱藏節(jié)點(diǎn)為10，訓(xùn)練函數(shù)、學(xué)習(xí)函數(shù)、激活函數(shù)均為該軟件默認(rèn)值，構(gòu)建3-10-1型BP神經(jīng)網(wǎng)絡(luò)模型。將表9中數(shù)據(jù)采用留一交叉法進(jìn)行訓(xùn)練，然后將所有數(shù)據(jù)作為訓(xùn)練集和驗(yàn)證集，通過誤差值對(duì)模型進(jìn)行評(píng)估，9組數(shù)據(jù)的預(yù)測(cè)誤差分別為0.000 8、0.000 4、0.005 0、0.000 5、0.002 3、0.003 1、0.000 9、0.577 1、0.032 7，平均值為0.069 2，具有顯著性，表明模型精度較好。由圖1A可知，當(dāng)?shù)螖?shù)為2時(shí)網(wǎng)絡(luò)驗(yàn)證性能達(dá)到最好，均方誤差值為0.000 852 1。再將試驗(yàn)數(shù)據(jù)預(yù)測(cè)值與實(shí)測(cè)值進(jìn)行比較(圖1B)，表明所建模型穩(wěn)定可靠，可用于甘草多糖醇沉工藝優(yōu)化。

圖1 BP神經(jīng)網(wǎng)絡(luò)可靠性驗(yàn)證Fig.1 Reliability verification of back propagation neural network

再以表9數(shù)據(jù)作為訓(xùn)練集，按照上述建模條件對(duì)綜合評(píng)分進(jìn)行預(yù)測(cè)。在正交試驗(yàn)參數(shù)基礎(chǔ)上，設(shè)置濃縮比為1.0～2.5 mL/g(步長0.25)，乙醇質(zhì)量分?jǐn)?shù)65%～75%(步長1)，醇沉?xí)r間12～24 h(步長2)，對(duì)539個(gè)試驗(yàn)組合通過所建網(wǎng)絡(luò)模型計(jì)算綜合評(píng)分，預(yù)測(cè)綜合評(píng)分結(jié)果見表11。BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果表明，隨著濃縮比的升高，預(yù)測(cè)評(píng)分逐漸增大，當(dāng)醇沉?xí)r間固定為24 h，濃縮比在2.0～2.5 mL/g范圍，乙醇質(zhì)量分?jǐn)?shù)在66%～71%范圍內(nèi)，預(yù)測(cè)綜合評(píng)分具有最高值，且各最高值變化不明顯?？紤]到生產(chǎn)成本，確定最佳醇沉工藝為濃縮比2.0 mL/g、乙醇體積分?jǐn)?shù)67%，醇沉?xí)r間24 h。

表11 BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)評(píng)分Table 11 back-propagation neural network prediction score

續(xù)表11(Continued Tab.11)

2.6 工藝驗(yàn)證

稱取甘草飲片6份，分別采用正交設(shè)計(jì)和BP神經(jīng)網(wǎng)絡(luò)優(yōu)選的最佳醇沉工藝制備甘草多糖，各指標(biāo)結(jié)果見表12?？梢娬辉O(shè)計(jì)平均綜合評(píng)分值為25.790 3，RSD為1.68%，BP神經(jīng)網(wǎng)絡(luò)平均綜合評(píng)分值為25.025 9，預(yù)測(cè)值為24.156 2，RSD為1.36%。綜上所述，BP神經(jīng)網(wǎng)絡(luò)優(yōu)化所得最佳工藝檢驗(yàn)值略低于正交設(shè)計(jì)優(yōu)化結(jié)果，二者差距較小，且BP神經(jīng)網(wǎng)絡(luò)相對(duì)誤差較小，擬合效果更好。為減少乙醇使用量，降低生產(chǎn)成本，最終確定甘草多糖醇沉工藝為濃縮比2.0 mL/g，調(diào)節(jié)乙醇體積分?jǐn)?shù)至67%，醇沉24 h。

表12 工藝驗(yàn)證結(jié)果Table 12 Process verification results

3 討論與結(jié)論

中藥藥理作用的發(fā)揮是多成分相互協(xié)調(diào)作用的結(jié)果，而中藥提取物所含有的混合總糖共同作用使得多糖更好發(fā)揮其藥理作用，業(yè)內(nèi)則有“多糖越純，活性越低”的觀點(diǎn)[20]。既往文獻(xiàn)對(duì)甘草中多糖的提取醇沉工藝考察多以提取量和多糖含量(或得率)為指標(biāo)來評(píng)價(jià)，其優(yōu)化結(jié)果難以反映多糖復(fù)雜的內(nèi)在本質(zhì)，現(xiàn)有研究多以甘草粉末為提取原料，后期對(duì)所得粗多糖均需經(jīng)Savage法、乙醚、丙酮、甲醇等化學(xué)試劑法除雜，除雜過程所用試劑對(duì)人體損傷較大，前期粉碎處理、乙醇或乙醚脫脂等過程不但增加生產(chǎn)成本，耗費(fèi)時(shí)間，而且嚴(yán)重危害操作人員的身心健康，且除雜、脫脂所用化學(xué)試劑多在中藥制劑生產(chǎn)中屬于禁用試劑。因此本研究為優(yōu)化甘草多糖醇沉工藝，以甘草飲片為研究對(duì)象，在單因素試驗(yàn)基礎(chǔ)上，選取主要因素濃縮比、醇沉?xí)r間、乙醇體積分?jǐn)?shù)，以甘草多糖、總糖、單糖含量和提取量為評(píng)價(jià)指標(biāo)，采用改進(jìn)熵權(quán)法聯(lián)用TOPSIS模型法處理正交試驗(yàn)數(shù)據(jù)，并利用BPNN建模仿真尋優(yōu)進(jìn)行工藝優(yōu)選。比較單用改進(jìn)熵權(quán)法和改進(jìn)熵權(quán)聯(lián)用TOPSIS法結(jié)果發(fā)現(xiàn)，改進(jìn)熵權(quán)-TOPSIS法能充分利用原始數(shù)據(jù)信息，對(duì)正交試驗(yàn)結(jié)果進(jìn)行綜合評(píng)價(jià)以獲得最優(yōu)參數(shù)組合，可有效規(guī)避優(yōu)化過程中人為主觀因素，提高決策準(zhǔn)確性、科學(xué)性，使所得結(jié)果更可靠，最終確定甘草多糖最佳醇沉工藝為將提取液濃縮至2.5 mL/g，調(diào)節(jié)乙醇體積分?jǐn)?shù)為70%，醇沉20 h。

在正交試驗(yàn)基礎(chǔ)上采用Matlab12.0軟件構(gòu)建BP神經(jīng)網(wǎng)絡(luò)模型，通過對(duì)正交試驗(yàn)數(shù)據(jù)學(xué)習(xí)訓(xùn)練，得到精度較好、穩(wěn)定可靠的網(wǎng)絡(luò)模型，利用sim函數(shù)仿真尋優(yōu)，得到最佳工藝為將提取液濃縮至2.0 mL/g，調(diào)節(jié)乙醇體積分?jǐn)?shù)為67%，醇沉24 h。經(jīng)過工藝驗(yàn)證發(fā)現(xiàn)，BPNN建模尋優(yōu)結(jié)果綜合評(píng)分略低于綜合評(píng)分法進(jìn)和改進(jìn)熵權(quán)-TOPSIS法，但其RSD值較小，BP神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)自主學(xué)習(xí)能力，所得工藝更加穩(wěn)定，因此確定BPNN建模尋優(yōu)結(jié)果為甘草多糖醇沉最佳工藝。

本試驗(yàn)通過單因素研究確定甘草多糖醇沉影響因素水平，以正交設(shè)計(jì)安排試驗(yàn)，運(yùn)用改進(jìn)熵權(quán)法處理試驗(yàn)數(shù)據(jù)，克服傳統(tǒng)熵權(quán)法某一指標(biāo)熵權(quán)值細(xì)微變化引起相應(yīng)權(quán)重成倍變化的缺陷。選取多個(gè)指標(biāo)綜合評(píng)價(jià)以優(yōu)化甘草多糖醇沉工藝，通過比較綜合評(píng)分法和改進(jìn)熵權(quán)-TOPSIS法結(jié)果，確定影響甘草多糖醇沉因素的重要程度，利用BP神經(jīng)網(wǎng)絡(luò)對(duì)正交參數(shù)學(xué)習(xí)訓(xùn)練后進(jìn)行仿真尋優(yōu)，在不增加試驗(yàn)次數(shù)的情況下，對(duì)非線性問題進(jìn)行建模尋優(yōu)，彌補(bǔ)既往優(yōu)化試驗(yàn)的不足，所得工藝參數(shù)更加科學(xué)可靠，可為甘草多糖進(jìn)一步開發(fā)研究和規(guī)?；a(chǎn)提供客觀依據(jù)，并為相關(guān)工藝優(yōu)化問題提供新思路。