BP神經網絡結合正交試驗優化苦參方中荊芥揮發油的提取工藝

張 超，　韓 麗*，　楊秀梅，　張喻娟，　張 芳，　楊 明，2

（1.成都中醫藥大學中藥資源系統研究與開發利用國家重點實驗室培育基地，四川　成都　611137；2.江西中醫藥大學現代中藥制劑教育部重點實驗室，江西　南昌　330004）

BP神經網絡結合正交試驗優化苦參方中荊芥揮發油的提取工藝

張 超1，韓 麗1*，楊秀梅1，張喻娟1，張 芳1，楊 明1，2

（1.成都中醫藥大學中藥資源系統研究與開發利用國家重點實驗室培育基地，四川成都611137；2.江西中醫藥大學現代中藥制劑教育部重點實驗室，江西南昌330004）

目的 使用BP神經網絡結合正交試驗優化苦參方（苦參和荊芥）中荊芥揮發油的提取工藝。方法 采用水蒸氣蒸餾法提取揮發油，以揮發油得率為評價指標，正交試驗設計考察浸泡時間、提取時間、加水量對提取的影響，篩選揮發油提取工藝。正交試驗實驗數據作為反向傳播神經網絡輸入，對主要影響因素進行仿真優化。結果 優化得到的提取工藝條件為加入12倍量水，浸泡1 h，水蒸汽蒸餾提取6 h，檢驗樣本的網絡預測值和實際測量值的相對誤差小于1%。結論 BP神經網絡結合正交試驗不需要增加試驗次數，就能分析苦參方中荊芥揮發油提取因素變化規律和尋找最佳參數。

荊芥揮發油；提取；BP神經網絡；正交試驗；優化

苦參方出自于《太平惠民和劑局方》，由苦參和荊芥兩味藥組成。根據記載原方用于治療“心肺積熱，腎臟風毒攻于皮膚，時出黃水，瘙癢難忍”，外用為治療疥癬、濕疹和皮膚瘙癢的有效方劑［1］。方中君藥苦參主要有效成分為苦參生物堿，臣藥荊芥有效成分主要是揮發油。現代藥理試驗研究證實，該方主要有效成分苦參生物堿和荊芥揮發油具有良好的抗過敏和調節免疫作用［2-3］。但由于該方傳統用法為水煎劑，不僅對苦參生物堿的提取率較低，而且由于長時間的煎煮，使得荊芥揮發油成分損失較大。因此為了盡可能多的提取荊芥揮發油，減少揮發油的損失，本研究選擇目前使用最多且《中國藥典》2010年版也有收錄的水蒸氣蒸餾法提取荊芥揮發油［4］，并另器收集所得揮發油，然后在制劑時將其按比例加入，以避免在整個提取過程中揮發油過多損失而影響藥效的發揮。

本實驗在正交設計優化的數據基礎上，利用BP人工神經網絡建模結合正交設計優化荊芥揮發油提取工藝參數，以期為后期苦參方的制劑開發研究奠定基礎。

1　儀器與材料

揮發油測定器（北京西苑玻璃儀器公司）；調溫型電熱套（北京中興偉業儀器有限公司，型號：ZDHW）；荊芥飲片，購于四川科倫中藥飲片股份有限公司，經成都中醫藥大學盧先明教授鑒定為唇形科植物荊芥Schizonepetatenuifolia（Benth.）Briq.的干燥地上部分，適當切斷后用。

2　方法與結果

2.1荊芥揮發油的提取 取荊芥飲片100g，置于2000mL圓底燒瓶中，加入一定量的蒸餾水，振搖混合，常溫浸泡一定的時間，連接揮發油測定器與冷凝管，參照《中國藥典》2010年版一部附錄XD揮發油測定法甲法項下測定，保持微沸數小時，至測定器中油量不再增加，停止加熱，放置1h以上，讀取揮發油的量，收集揮發油，并計算揮發油得油率（%）。公式：揮發油得油率（%）=（揮發油的量/原藥材的量）×100%。

2.2荊芥揮發油提取工藝正交試驗設計 根據單因素試驗考察結果，荊芥不粉碎揮發油得油率較高，故直接以荊芥飲片投料提取揮發油。選擇對揮發油提取時影響較大的提取時間（A）、浸泡時間（B）、加水倍量（C）作為主要影響因素，以揮發油的得油率作為評價指標，每個因素設計3個水平，選用L9（34）正交表，采用水蒸氣蒸餾法提取揮發油，正交試驗安排見表1，試驗結果見表2，方差分析見表3。

表1　荊芥揮發油提取工藝正交試驗因素水平Tab.1 FactorsandIeveIsoforthogonaItest

表2　荊芥揮發油提取正交試驗結果Tab.2 ResuItsoforthogonaItest

表3　荊芥揮發油提取正交試驗方差分析Tab.3 ResuItsofanaIysisofvariance

由表2極差R的大小可知：RA＞RC＞RB，各因素對荊芥揮發油提取工藝的影響程度依次為A＞C＞B，即提取時間＞加水倍量＞浸泡時間，表3方差分析表明提取時間和加水倍量對揮發油提取率影響較大，且差異具有統計學意義（P＜0.05），浸泡時間對其影響不大。綜合直觀分析與方差分析的結果，確定揮發油的最佳提取工藝為：A2B1C2，即為稱取100g藥材飲片，不粉碎，加入10倍量的水，浸泡1h，提取6h。

2.3BP人工神經網絡建模及運用

2.3.1BP人工神經網絡的特點及選擇 人工神經網絡（artificia1neura1network，ANN）是在對人腦組織結構和運行機制的認識理解基礎上，模擬其結構和智能行為的一種工程系統，尤其適合研究復雜非線性系統的特性，為解決復雜問題提供了一種相對有效且簡單的方法［5］。BP神經網絡（backpropagationneura1network，簡稱BPNN）是人工神經網絡中基于誤差反向傳播算法的多層前饋神經網絡，具有自組織、自適應、自學習能力，高度錯容性和穩健性以及良好的函數逼近能力。結構可分為網絡輸入層、隱含層和輸出層，每層有相應的神經節點，層與層之間多采用全互連方式，同一層內神經元之間不存在相互連接，故整個信號傳遞中不存在任何信號反饋［6］。在整個網絡系統中，各層的分工也有所不同，輸入層主要負責信號的分配和傳遞，不具運算功能。而隱含層和輸出層的神經元均具有運算功能，負責輸出整個網絡的最終結果。神經網絡性能與隱含層神經元數目、神經網絡的訓練函數及算法和目標的收斂精度密切相關［7］，理論已證實具有3層結構（只有一個隱含層）的BP神經網絡能夠逼近任何有理函數［8］，且單隱層的BP網絡具有較強的非線性映射能力，因此本實驗采用3層BP人工神經網絡建模以實現存在于實驗數據之間的函數逼近（見圖1）。

圖1　包含一個隱含層和一個輸出層的BP神經網絡模型結構示意圖Fig.1　DeIineation of structure of a BP artificiaI neuraI network modeIw ith one hidden Iayer and one output Iayer

2.3.2BP人工神經網絡的建立和訓練 本實驗研究以正交試驗設計中影響荊芥揮發油提取的主要因素作為所建BP神經網絡的輸入層，包含三個輸入節點分別對應提取時間、浸泡時間、溶劑倍量，網絡的輸出層包含一個輸出節點對應評價指標揮發油得率。采用MATLAB（R2012b版本，美國）軟件進行編程，選擇雙曲正切傳遞函數（tansig）作為隱含層傳遞函數，線性傳遞函數（pure1in）作為輸出層傳遞函數，設置隱含層1個，通過對含不同神經元數的網絡進行訓練對比，確定內含神經元20個，采用Levenberg-Marquardt算法對新建BP網絡進行訓練，設定網絡訓練參數值，最大訓練次數為100次，訓練精度為0.000 0001，學習率為0.1，其他各項參數為默認值。采用均方誤差（MSE）評估神經網絡模型的預測性能，網絡的訓練過程和結果見圖2。

圖2　BP人工神經網絡的訓練過程Fig.2　Training process for BP artificiaIneuraInetworks

BP神經網絡訓練結果顯示，經過5次訓練后，網絡的訓練均方誤差達到了設定的最小訓練目標值。網絡訓練完后，利用MATLAB中的仿真函數sim進行仿真輸出網絡預測值，使用檢驗樣本作為網絡輸入，對訓練好的網絡進行測試，測試結果表明，網絡的預測性能良好，網絡的期望輸出和實際輸出的相對誤差小于1%，表明訓練后的網絡預測性能良好，可用于荊芥揮發油提取結果的預測。

2.3.3BP人工神經網絡結合正交試驗優化工藝參數 在上一步研究中，應用MATLAB R2012b軟件編程，通過對實驗數據樣本的訓練及BP神經網絡參數的優化，成功建立了能夠準確的描述荊芥揮發油提取工藝參數與其評價指標之間函數關系的BP神經網絡模型，在本部分研究中，應用所建立的網絡模型進行仿真模擬，以正交試驗的A、B、C3個影響因素值作為自變量，再分別為這3個因素賦值，設置一個合適的步長，使用MATLAB中的相關函數對每個因素的定義域值進行編程，以求其輸出值（揮發油得率）的最大組合值。利用MATLAB中的仿真函數sim仿真輸出網絡優化得到的最佳工藝參數值。

從圖3可以看出，實驗數據值基本都集中分布在實線與虛線重疊的直線上，理想回歸直線與最優回歸直線幾乎全部重合（相關系數R= 0.999 64），表明該網絡性能和預測能力良好。而建立的神經網絡性能和預測能力越好，表明該神經網絡優化的工藝參數優化值可靠。結果經BP人工神經網絡模型仿真優化得到荊芥揮發油最佳提取工藝為：稱取100 g荊芥飲片，不粉碎，加入12倍量的水，浸泡1 h，提取6 h。

圖3　BP神經網絡優化揮發油提取參數訓練結果回歸分析圖Fig.3　Rgression anaIysis chart for BP artificiaIneuraInetworks optim izing the extraction of voIatiIe oiI parameter

2.4揮發油提取工藝驗證試驗 取荊芥飲片100 g，采用水蒸氣蒸餾法提取揮發油，按照正交設計優選的試驗參數與人工神經網絡優化的試驗參數，分別平行安排3組試驗，結果應用BP神經網絡模型預測得到的優化工藝提取，揮發油得率略高于正交試驗，網絡仿真優化揮發油得率基本保持在0.35%，RSD為1.63%，且重復性較好，證明了采用BP人工神經網絡建模結合正交實驗優化工藝參數的可行性。

3　結論與討論

本實驗研究中，首先選用正交試驗設計對荊芥揮發油提取工藝中的多因素、多水平進行考察，再以正交試驗數據為基礎，經過有限次的迭代計算從而建立一個反映實驗數據內在規律的數學模型-BP神經網絡模型，并對所建模型進行訓練和仿真預測，檢驗樣本的網絡預測值和實際測量值的相對誤差小于1%，表明網絡模型預測性能良好，可對揮發油提取的結果進行預測。通過正交試驗設計結合BP神經網絡仿真優化，得到的荊芥揮發油提取的最佳工藝條件為：稱取100 g荊芥飲片，不粉碎，加入12倍量的水，浸泡1 h，提取6 h。并進行了驗證試驗，結果證明該工藝穩定可行，具有良好重復性。

目前，中藥提取工藝較為常用的實驗設計有正交設計、因子設計、均勻設計等［9-10］，它們都是利用多元線性回歸方程來擬合實驗數據而獲取最優工藝，但是中藥成分非常復雜，且提取過程中受多因素、多水平的影響，需要考察的指標有很多，它們常呈非線性變化，而傳統的實驗設計方法僅考慮了幾個試驗點之間的結果變化，并未從整個試驗區間進行考慮，也很難對試驗中各因素的變化規律做出準確的描述，優選出來的參數往往是較優的而非最佳的［11］。BP神經網絡是目前應用最廣泛的神經網絡模型之一，具有強大的處理非線性問題的能力，它的學習規則是使用最速下降法，通過反向傳播來不斷調整網絡的權值和閾值，使網絡的誤差平方和最小，通過對訓練樣本的學習，能很好地反映出對象的輸入輸出之間復雜的非線性關系。而且該網絡模型能夠以任意精度逼近任意連續函數，訓練算法簡單明確、計算量小、并行性強，因而廣泛應用于非線性建模，對于多維非線性系統參數優化提供了選擇。將傳統的方法，如正交試驗，與人工神經網絡相結合，可充分發掘試驗信息，變離散數據為連續數據，以進行仿真和優化，通過網絡的仿真功能對試驗各主要因素的變化進行仿真分析，模擬試驗過程，反映各因素的變化規律，獲得多因素連續區域中的最優組合。

通過本實驗的研究表明，采用人工神經網絡建模結合正交試驗尋優，進行中藥提取工藝參數的優化是可行的。該方法不需要增加試驗次數，就能分析因素變化規律和尋找最佳參數組合，為解決中藥提取過程中存在的多維非線性系統模型的建立及其模型參數優化，本法有獨特優勢，值得進一步深入研究。

［1］（宋）太平惠民和劑局.陳慶平，陳冰鷗校注.太平惠民和劑局方［M］.北京：中國中醫藥出版社，1996：34.

［2］劉 梅，劉雪英，程建峰.苦參堿的藥理研究進展［J］.中國中藥雜志，2003，28（9）：801-804.

［3］曾 南，沈映君，劉旭光，等.荊芥揮發油抗炎作用研究［J］.中藥藥理與臨床，1998，14（6）：24-26.

［4］國家藥典委員會.中華人民共和國藥典：2010年版一部［S］.北京：中國醫藥科技出版社，2010：附錄XD.

［5］孟曉東.基于回歸模型的數據挖掘研究［J］.計算機與現代化，2010，173（1）：26-27.

［6］張東方，沙 明，楊松松，等.人工神經網絡在中藥領域中的應用現狀及前景［J］.中草藥，2003，34（1）：90-91.

［7］楊 銘，余敏英，史秀峰，等.BP神經網絡結合遺傳算法多目標優化秦皮提取工藝的研究［J］.中國中藥雜志，2008，33（22）：2622-2623.

［8］飛思科技產品研發中心.神經網絡理論與MATLAB7實現［M］.北京：電子工業出版社，2005：99.

［9］郭艷偉，于蓓蓓，閆雪生，等.正交試驗法優選桑椹補腦膏提取工藝［J］.中成藥，2013，35（10）：2149-2152.

［10］李欽青，郭 蕾，柴金苗，等.均勻設計法優選復方天麻鉤藤口腔崩解片的半仿生提取工藝［J］.中成藥，2014，36（2）：291-295.

［11］郭樹國，李成華，王麗艷.基于正交設計與BP網絡優化人參真空冷凍干燥工藝參數［J］.食品工業，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

國家科技“重大新藥創制”專項（2009ZX09103-307）

張 超（1990—），男，碩士，從事中藥新技術、新工藝、新制劑研究。Te1：（028）61800127，E-mai1：595268664@ qq.com

韓 麗，女，教授，碩士生導師，從事中藥新技術、新工藝、新制劑研究。Te1：（028）61800127，E-mai1：han1iyx@ 163.com