BP神经网络结合正交试验优化苦参方中荆芥挥发油的提取工艺

张 超，　韩 丽*，　杨秀梅，　张喻娟，　张 芳，　杨 明，2

（1.成都中医药大学中药资源系统研究与开发利用国家重点实验室培育基地，四川　成都　611137；2.江西中医药大学现代中药制剂教育部重点实验室，江西　南昌　330004）

BP神经网络结合正交试验优化苦参方中荆芥挥发油的提取工艺

张 超1，韩 丽1*，杨秀梅1，张喻娟1，张 芳1，杨 明1，2

（1.成都中医药大学中药资源系统研究与开发利用国家重点实验室培育基地，四川成都611137；2.江西中医药大学现代中药制剂教育部重点实验室，江西南昌330004）

目的 使用BP神经网络结合正交试验优化苦参方（苦参和荆芥）中荆芥挥发油的提取工艺。方法 采用水蒸气蒸馏法提取挥发油，以挥发油得率为评价指标，正交试验设计考察浸泡时间、提取时间、加水量对提取的影响，筛选挥发油提取工艺。正交试验实验数据作为反向传播神经网络输入，对主要影响因素进行仿真优化。结果 优化得到的提取工艺条件为加入12倍量水，浸泡1 h，水蒸汽蒸馏提取6 h，检验样本的网络预测值和实际测量值的相对误差小于1%。结论 BP神经网络结合正交试验不需要增加试验次数，就能分析苦参方中荆芥挥发油提取因素变化规律和寻找最佳参数。

荆芥挥发油；提取；BP神经网络；正交试验；优化

苦参方出自于《太平惠民和剂局方》，由苦参和荆芥两味药组成。根据记载原方用于治疗“心肺积热，肾脏风毒攻于皮肤，时出黄水，瘙痒难忍”，外用为治疗疥癣、湿疹和皮肤瘙痒的有效方剂［1］。方中君药苦参主要有效成分为苦参生物碱，臣药荆芥有效成分主要是挥发油。现代药理试验研究证实，该方主要有效成分苦参生物碱和荆芥挥发油具有良好的抗过敏和调节免疫作用［2-3］。但由于该方传统用法为水煎剂，不仅对苦参生物碱的提取率较低，而且由于长时间的煎煮，使得荆芥挥发油成分损失较大。因此为了尽可能多的提取荆芥挥发油，减少挥发油的损失，本研究选择目前使用最多且《中国药典》2010年版也有收录的水蒸气蒸馏法提取荆芥挥发油［4］，并另器收集所得挥发油，然后在制剂时将其按比例加入，以避免在整个提取过程中挥发油过多损失而影响药效的发挥。

本实验在正交设计优化的数据基础上，利用BP人工神经网络建模结合正交设计优化荆芥挥发油提取工艺参数，以期为后期苦参方的制剂开发研究奠定基础。

1　仪器与材料

挥发油测定器（北京西苑玻璃仪器公司）；调温型电热套（北京中兴伟业仪器有限公司，型号：ZDHW）；荆芥饮片，购于四川科伦中药饮片股份有限公司，经成都中医药大学卢先明教授鉴定为唇形科植物荆芥Schizonepetatenuifolia（Benth.）Briq.的干燥地上部分，适当切断后用。

2　方法与结果

2.1荆芥挥发油的提取 取荆芥饮片100g，置于2000mL圆底烧瓶中，加入一定量的蒸馏水，振摇混合，常温浸泡一定的时间，连接挥发油测定器与冷凝管，参照《中国药典》2010年版一部附录XD挥发油测定法甲法项下测定，保持微沸数小时，至测定器中油量不再增加，停止加热，放置1h以上，读取挥发油的量，收集挥发油，并计算挥发油得油率（%）。公式：挥发油得油率（%）=（挥发油的量/原药材的量）×100%。

2.2荆芥挥发油提取工艺正交试验设计 根据单因素试验考察结果，荆芥不粉碎挥发油得油率较高，故直接以荆芥饮片投料提取挥发油。选择对挥发油提取时影响较大的提取时间（A）、浸泡时间（B）、加水倍量（C）作为主要影响因素，以挥发油的得油率作为评价指标，每个因素设计3个水平，选用L9（34）正交表，采用水蒸气蒸馏法提取挥发油，正交试验安排见表1，试验结果见表2，方差分析见表3。

表1　荆芥挥发油提取工艺正交试验因素水平Tab.1 FactorsandIeveIsoforthogonaItest

表2　荆芥挥发油提取正交试验结果Tab.2 ResuItsoforthogonaItest

表3　荆芥挥发油提取正交试验方差分析Tab.3 ResuItsofanaIysisofvariance

由表2极差R的大小可知：RA＞RC＞RB，各因素对荆芥挥发油提取工艺的影响程度依次为A＞C＞B，即提取时间＞加水倍量＞浸泡时间，表3方差分析表明提取时间和加水倍量对挥发油提取率影响较大，且差异具有统计学意义（P＜0.05），浸泡时间对其影响不大。综合直观分析与方差分析的结果，确定挥发油的最佳提取工艺为：A2B1C2，即为称取100g药材饮片，不粉碎，加入10倍量的水，浸泡1h，提取6h。

2.3BP人工神经网络建模及运用

2.3.1BP人工神经网络的特点及选择 人工神经网络（artificia1neura1network，ANN）是在对人脑组织结构和运行机制的认识理解基础上，模拟其结构和智能行为的一种工程系统，尤其适合研究复杂非线性系统的特性，为解决复杂问题提供了一种相对有效且简单的方法［5］。BP神经网络（backpropagationneura1network，简称BPNN）是人工神经网络中基于误差反向传播算法的多层前馈神经网络，具有自组织、自适应、自学习能力，高度错容性和稳健性以及良好的函数逼近能力。结构可分为网络输入层、隐含层和输出层，每层有相应的神经节点，层与层之间多采用全互连方式，同一层内神经元之间不存在相互连接，故整个信号传递中不存在任何信号反馈［6］。在整个网络系统中，各层的分工也有所不同，输入层主要负责信号的分配和传递，不具运算功能。而隐含层和输出层的神经元均具有运算功能，负责输出整个网络的最终结果。神经网络性能与隐含层神经元数目、神经网络的训练函数及算法和目标的收敛精度密切相关［7］，理论已证实具有3层结构（只有一个隐含层）的BP神经网络能够逼近任何有理函数［8］，且单隐层的BP网络具有较强的非线性映射能力，因此本实验采用3层BP人工神经网络建模以实现存在于实验数据之间的函数逼近（见图1）。

图1　包含一个隐含层和一个输出层的BP神经网络模型结构示意图Fig.1　DeIineation of structure of a BP artificiaI neuraI network modeIw ith one hidden Iayer and one output Iayer

2.3.2BP人工神经网络的建立和训练 本实验研究以正交试验设计中影响荆芥挥发油提取的主要因素作为所建BP神经网络的输入层，包含三个输入节点分别对应提取时间、浸泡时间、溶剂倍量，网络的输出层包含一个输出节点对应评价指标挥发油得率。采用MATLAB（R2012b版本，美国）软件进行编程，选择双曲正切传递函数（tansig）作为隐含层传递函数，线性传递函数（pure1in）作为输出层传递函数，设置隐含层1个，通过对含不同神经元数的网络进行训练对比，确定内含神经元20个，采用Levenberg-Marquardt算法对新建BP网络进行训练，设定网络训练参数值，最大训练次数为100次，训练精度为0.000 0001，学习率为0.1，其他各项参数为默认值。采用均方误差（MSE）评估神经网络模型的预测性能，网络的训练过程和结果见图2。

图2　BP人工神经网络的训练过程Fig.2　Training process for BP artificiaIneuraInetworks

BP神经网络训练结果显示，经过5次训练后，网络的训练均方误差达到了设定的最小训练目标值。网络训练完后，利用MATLAB中的仿真函数sim进行仿真输出网络预测值，使用检验样本作为网络输入，对训练好的网络进行测试，测试结果表明，网络的预测性能良好，网络的期望输出和实际输出的相对误差小于1%，表明训练后的网络预测性能良好，可用于荆芥挥发油提取结果的预测。

2.3.3BP人工神经网络结合正交试验优化工艺参数 在上一步研究中，应用MATLAB R2012b软件编程，通过对实验数据样本的训练及BP神经网络参数的优化，成功建立了能够准确的描述荆芥挥发油提取工艺参数与其评价指标之间函数关系的BP神经网络模型，在本部分研究中，应用所建立的网络模型进行仿真模拟，以正交试验的A、B、C3个影响因素值作为自变量，再分别为这3个因素赋值，设置一个合适的步长，使用MATLAB中的相关函数对每个因素的定义域值进行编程，以求其输出值（挥发油得率）的最大组合值。利用MATLAB中的仿真函数sim仿真输出网络优化得到的最佳工艺参数值。

从图3可以看出，实验数据值基本都集中分布在实线与虚线重叠的直线上，理想回归直线与最优回归直线几乎全部重合（相关系数R= 0.999 64），表明该网络性能和预测能力良好。而建立的神经网络性能和预测能力越好，表明该神经网络优化的工艺参数优化值可靠。结果经BP人工神经网络模型仿真优化得到荆芥挥发油最佳提取工艺为：称取100 g荆芥饮片，不粉碎，加入12倍量的水，浸泡1 h，提取6 h。

图3　BP神经网络优化挥发油提取参数训练结果回归分析图Fig.3　Rgression anaIysis chart for BP artificiaIneuraInetworks optim izing the extraction of voIatiIe oiI parameter

2.4挥发油提取工艺验证试验 取荆芥饮片100 g，采用水蒸气蒸馏法提取挥发油，按照正交设计优选的试验参数与人工神经网络优化的试验参数，分别平行安排3组试验，结果应用BP神经网络模型预测得到的优化工艺提取，挥发油得率略高于正交试验，网络仿真优化挥发油得率基本保持在0.35%，RSD为1.63%，且重复性较好，证明了采用BP人工神经网络建模结合正交实验优化工艺参数的可行性。

3　结论与讨论

本实验研究中，首先选用正交试验设计对荆芥挥发油提取工艺中的多因素、多水平进行考察，再以正交试验数据为基础，经过有限次的迭代计算从而建立一个反映实验数据内在规律的数学模型-BP神经网络模型，并对所建模型进行训练和仿真预测，检验样本的网络预测值和实际测量值的相对误差小于1%，表明网络模型预测性能良好，可对挥发油提取的结果进行预测。通过正交试验设计结合BP神经网络仿真优化，得到的荆芥挥发油提取的最佳工艺条件为：称取100 g荆芥饮片，不粉碎，加入12倍量的水，浸泡1 h，提取6 h。并进行了验证试验，结果证明该工艺稳定可行，具有良好重复性。

目前，中药提取工艺较为常用的实验设计有正交设计、因子设计、均匀设计等［9-10］，它们都是利用多元线性回归方程来拟合实验数据而获取最优工艺，但是中药成分非常复杂，且提取过程中受多因素、多水平的影响，需要考察的指标有很多，它们常呈非线性变化，而传统的实验设计方法仅考虑了几个试验点之间的结果变化，并未从整个试验区间进行考虑，也很难对试验中各因素的变化规律做出准确的描述，优选出来的参数往往是较优的而非最佳的［11］。BP神经网络是目前应用最广泛的神经网络模型之一，具有强大的处理非线性问题的能力，它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小，通过对训练样本的学习，能很好地反映出对象的输入输出之间复杂的非线性关系。而且该网络模型能够以任意精度逼近任意连续函数，训练算法简单明确、计算量小、并行性强，因而广泛应用于非线性建模，对于多维非线性系统参数优化提供了选择。将传统的方法，如正交试验，与人工神经网络相结合，可充分发掘试验信息，变离散数据为连续数据，以进行仿真和优化，通过网络的仿真功能对试验各主要因素的变化进行仿真分析，模拟试验过程，反映各因素的变化规律，获得多因素连续区域中的最优组合。

通过本实验的研究表明，采用人工神经网络建模结合正交试验寻优，进行中药提取工艺参数的优化是可行的。该方法不需要增加试验次数，就能分析因素变化规律和寻找最佳参数组合，为解决中药提取过程中存在的多维非线性系统模型的建立及其模型参数优化，本法有独特优势，值得进一步深入研究。

［1］（宋）太平惠民和剂局.陈庆平，陈冰鸥校注.太平惠民和剂局方［M］.北京：中国中医药出版社，1996：34.

［2］刘 梅，刘雪英，程建峰.苦参碱的药理研究进展［J］.中国中药杂志，2003，28（9）：801-804.

［3］曾 南，沈映君，刘旭光，等.荆芥挥发油抗炎作用研究［J］.中药药理与临床，1998，14（6）：24-26.

［4］国家药典委员会.中华人民共和国药典：2010年版一部［S］.北京：中国医药科技出版社，2010：附录XD.

［5］孟晓东.基于回归模型的数据挖掘研究［J］.计算机与现代化，2010，173（1）：26-27.

［6］张东方，沙 明，杨松松，等.人工神经网络在中药领域中的应用现状及前景［J］.中草药，2003，34（1）：90-91.

［7］杨 铭，余敏英，史秀峰，等.BP神经网络结合遗传算法多目标优化秦皮提取工艺的研究［J］.中国中药杂志，2008，33（22）：2622-2623.

［8］飞思科技产品研发中心.神经网络理论与MATLAB7实现［M］.北京：电子工业出版社，2005：99.

［9］郭艳伟，于蓓蓓，闫雪生，等.正交试验法优选桑椹补脑膏提取工艺［J］.中成药，2013，35（10）：2149-2152.

［10］李钦青，郭 蕾，柴金苗，等.均匀设计法优选复方天麻钩藤口腔崩解片的半仿生提取工艺［J］.中成药，2014，36（2）：291-295.

［11］郭树国，李成华，王丽艳.基于正交设计与BP网络优化人参真空冷冻干燥工艺参数［J］.食品工业，2011，20（11）：27-28.

Extraction optim ization for voIatiIe oiI from Schizonepetae Herba in Kushen Recipe by back propagation neuraInetwork and orthogonaIdesign

ZHANG Chao1， HAN Li*， YANG Xiu-mei1， ZHANG Yu-juan1， ZHANG Fang1， YANG Ming2
（1.Research on Chinese Medicine Resources System of Chengdu University of Traditional Chinese Medicine，Development and Utilization Sichuan Province Work Together for a Base of Cultivation of State Key Labortory，Chengdu 611137，China；2.Key Laboratory of Modern Preparation of TCM，Ministry of Education，Jiangxi University of Traditional ChineseMedicine，Nanchang 330004，China）

AIM To optimize extraction of vo1ati1e oi1 from Schizonepetae Herba in Kushen Recipe（Sophorae flavescentis Radix，Schizonepetae Herba）by back propagation（BP）neura1 network and orthogona1 design. METHODS Steam disti11ation was for the extraction of vo1ati1e oi1.With the yie1d rate of vo1ati1e oi1as the index，the orthogona1design was app1ied to determining the time formaceration and extraction，and thewater consumption aswe11.The data from orthogona1 test served as input of BP neura1network to
Figure out themain inf1uence factors in the optimization.RESULTS The optima1 extraction conditions were verified to be 12 vo1umes of water，1 h maceration，and 6 h steam disti11ation，which demonstrated a 1ess than 1%difference between the predictive and detected va1ues.CONCLUSION BP neura1network with orthogona1 test can be used to obtain themost optima1 extraction parameters for vo1ati1e oi1 in Kushen Recipe with nomore experiment times.

vo1ati1e oi1 from Schizonepetae Herba；extraction；back propagation（BP）neura1 network；orthogona1 test；optimization

R284.2

A

1001-1528（2015）01-0070-05

10.3969/j.issn.1001-1528.2015.01.014

2014-04-15

国家科技“重大新药创制”专项（2009ZX09103-307）

张 超（1990—），男，硕士，从事中药新技术、新工艺、新制剂研究。Te1：（028）61800127，E-mai1：595268664@ qq.com

韩 丽，女，教授，硕士生导师，从事中药新技术、新工艺、新制剂研究。Te1：（028）61800127，E-mai1：han1iyx@ 163.com