基于ABC—LSSVM的芹菜總黃酮提取量預(yù)測

曾燕　王曉　成新文　等

摘要：針對傳統(tǒng)的芹菜總黃酮含量測定過程復(fù)雜、時(shí)間長的問題，提出一種基于人工蜂群算法（ABC）優(yōu)化最小二乘支持向量機(jī)（LSSVM）的芹菜總黃酮提取量預(yù)測方法。首先對標(biāo)準(zhǔn)人工蜂群算法進(jìn)行改進(jìn)，然后利用改進(jìn)的人工蜂群算法對最小二乘支持向量機(jī)的核寬度和正規(guī)化參數(shù)進(jìn)行尋優(yōu)，最后對芹菜總黃酮的提取量進(jìn)行預(yù)測。結(jié)果表明，該方法具有預(yù)測精度高、性能穩(wěn)定的特點(diǎn)，有利于實(shí)現(xiàn)芹菜總黃酮提取量的網(wǎng)絡(luò)在線預(yù)估和優(yōu)化控制。

關(guān)鍵詞：人工蜂群算法；最小二乘支持向量機(jī)；總黃酮；預(yù)測；芹菜

中圖分類號： S126文獻(xiàn)標(biāo)志碼： A文章編號：1002-1302（2015）01-0298-03

收稿日期：2014-09-25

基金項(xiàng)目：四川理工學(xué)院科研項(xiàng)目（編號：2013KY04）；釀酒生物技術(shù)及應(yīng)用四川省重點(diǎn)實(shí)驗(yàn)室開放基金（編號：NJ2011-09）。

作者簡介：曾燕（1979—），女，四川自貢人，碩士，講師，研究方向?yàn)槿斯ぶ悄堋-mail：zy261365@suse.edu.cn。芹菜是1年生或2年生的傘型花科植物，在15世紀(jì)被作為藥食兩用栽培植物引入中國。現(xiàn)代醫(yī)學(xué)研究發(fā)現(xiàn)，芹菜莖、葉中含有豐富的黃酮類物質(zhì)，具有清除自由基、抗氧化、抑菌、抗病毒、抗癌、抗腫瘤作用，對心血管疾病和肝病也有一定療效[1-2]。從芹菜中提取黃酮類物質(zhì)，生產(chǎn)具有抗氧化作用的天然保健產(chǎn)品，已成為農(nóng)產(chǎn)品資源高效利用的研究熱點(diǎn)[3-4]。

目前測定芹菜總黃酮提取量大多采用分光光度法、光譜法等方法，測定過程復(fù)雜、時(shí)間長、成本較高[5]。采用軟件方法實(shí)現(xiàn)芹菜總黃酮提取量預(yù)測，是解決此類生物量參數(shù)難以實(shí)時(shí)在線測量和控制的有效方法[6]。近年來神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等預(yù)測技術(shù)越來越受到重視[7-8]，其中神經(jīng)網(wǎng)絡(luò)技術(shù)對樣本數(shù)據(jù)量要求高，應(yīng)用受限；支持向量機(jī)預(yù)測技術(shù)雖然適用于非線性小樣本數(shù)據(jù)，但其泛化能力有限，對異常樣本敏感，在實(shí)際應(yīng)用中容易出現(xiàn)大的預(yù)測偏差。最小二乘支持向量機(jī)技術(shù)提高了泛化能力，具有精度高、性能穩(wěn)定的優(yōu)點(diǎn)，可用于農(nóng)業(yè)現(xiàn)代化應(yīng)用中[9]。影響最小二乘支持向量機(jī)預(yù)測精度的重要參數(shù)指標(biāo)是正規(guī)化參數(shù)和核寬度系數(shù)，傳統(tǒng)的交叉驗(yàn)證確定法可保證較高的預(yù)測精度，但預(yù)測速度慢，限制了其實(shí)際應(yīng)用。本研究采用改進(jìn)的人工蜂群算法對最小二乘支持向量機(jī)的參數(shù)指標(biāo)進(jìn)行優(yōu)化選擇[10-11]，避免了標(biāo)準(zhǔn)人工蜂群算法過早收斂問題，實(shí)現(xiàn)了芹菜總黃酮提取量的快速預(yù)測，以期對蔬菜黃酮類物質(zhì)提取量的在線測量提供參考。

1算法基礎(chǔ)

1.1最小二乘支持向量機(jī)

最小二乘支持向量機(jī)（LSSVM ）對支持向量機(jī)（SVM）進(jìn)行了改進(jìn)，很好地解決了小樣本、非線性、高維數(shù)的問題，提高了問題的求解速度和泛化能力。最小二乘支持向量機(jī)通過構(gòu)建如下回歸函數(shù)，將非線性問題轉(zhuǎn)化為高維特征空間的線性估計(jì)問題。

f（x）=ωTφ（x）+b。（1）

式中：φ（x）是核空間映射函數(shù)；ω為權(quán)值向量；b為偏置量。

最小二乘支持向量回歸算法就是求解如下約束優(yōu)化問題。

minJ（ωξ）=12ωTω+12γ∑ni=1ξ2i；（2）

s.t. yi=ωTφ（xi）+b+ξi，i=1，2，…，n。（3）

式中：ξi為第i個(gè)樣本真實(shí)值與預(yù)測值的誤差；γ為可以動(dòng)態(tài)調(diào)整的正規(guī)化參數(shù)。

可采用拉格朗日函數(shù)求解這個(gè)優(yōu)化問題。

L（ω，β，ξ，α）=12ωTω+12γ∑ni=1ξ2i-∑ni=1αi[ωφ（xi）+b+ξi-yi]。（4）

式中：αi∈R（i=1，2，…，N）為Lagrange乘子。a和b的求解與核函數(shù)的選擇有關(guān)，常選擇如下形式的徑向基核函數(shù)（RBF）。

K（xi，xj）=exp-|xi-xj|22σ2。（5）

式中：σ為核寬度。

由此可見，對于最小二乘支持向量機(jī)，核寬度σ和正規(guī)化參數(shù)γ是2個(gè)重要參數(shù)，它們的選取直接影響著算法的學(xué)習(xí)能力和泛化性能。

1.2人工蜂群算法的改進(jìn)

人工蜂群算法（ABC） 模擬蜜蜂群智能搜索行為，具有控制參數(shù)少、算法簡單等優(yōu)點(diǎn)，受到國內(nèi)外學(xué)者廣泛關(guān)注。但是標(biāo)準(zhǔn)ABC算法局部搜索能力較差，容易產(chǎn)生早熟和停滯現(xiàn)象[11]。

改進(jìn)標(biāo)準(zhǔn)ABC算法的隨機(jī)初始化種群生成方式，采用反向?qū)W習(xí)[12]的初始化策略，確保初始種群的多樣性，可以提高求解效率和改善解的質(zhì)量。

首先，隨機(jī)生成初始解集{xij|xij∈[minj，maxj]}、（i，j分別為解的個(gè)數(shù)和維度，minj，maxj分別為第j維的下界、上界）。然后，對每個(gè)初始解求出對應(yīng)的反向解，計(jì)算方法如下。

xij=minj+maxj-xij。（6）

最后，對隨機(jī)種群和反向種群的合集進(jìn)行排序，選擇適應(yīng)度較優(yōu)的解作為初始種群。

在標(biāo)準(zhǔn)ABC算法中，跟隨蜂根據(jù)雇傭蜂種群適應(yīng)度大小，按照輪盤賭策略選擇1個(gè)雇傭蜂跟隨，易導(dǎo)致群體多樣性下降，算法過早收斂。采用“信息素-靈敏度”模型代替輪盤賭選擇策略[11]。

信息素反映了解的質(zhì)量，信息素的大小與目標(biāo)函數(shù)值呈正比，每完成1次搜索過程，信息素進(jìn)行動(dòng)態(tài)更新。靈敏度確定搜索的區(qū)域方向。信息素和靈敏度相結(jié)合的方法如下。

p（i）=f（i）-fminfmax-fminfnax≠fmin

0p（k）≤s（i）。（7）

式中： f（i）為個(gè)體的適應(yīng)度值；fmax，fmin為最大適應(yīng)度值和最小適應(yīng)度值；p（k）為不等于i的第k個(gè)食物源的信息素；s（i）為第i個(gè)跟隨蜂的靈敏度：s（i）～U（0，1）。

“信息素-靈敏度”模型在一定程度上避免了算法陷入局部最優(yōu)，保證了算法快速進(jìn)化的方向。endprint

2預(yù)測建模

2.1芹菜總黃酮成分提取和測量方法

對于芹菜總黃酮的提取，首先將芹菜原料進(jìn)行低溫烘干，以降低機(jī)械粉碎的強(qiáng)度。將其粉碎后，稱取芹菜干粉1 g于50 mL錐形瓶中，加入一定量乙醇浸泡，從而使有效成分充分溶解。然后將浸泡好的溶液投入超聲波提取器提取，之后抽濾、定容，作為測定總黃酮含量的待測液，最后測定總黃酮含量。芹菜總黃酮的提取工藝流程如圖1所示。

采用Al（NO3）3-NaNO2分光光度方法[4] 測定總黃酮含量。取上述樣品液2 mL，用30%乙醇溶液定容至5 mL，加入15% NaNO2溶液0.3 mL，搖勻靜置6 min，再加入10%Al（NO3）3 溶液0.3 mL，搖勻靜置6 min后加入1 mol/L NaOH 溶液4 mL，再用蒸餾水定容，搖勻靜置15 min后測定吸光度，根據(jù)吸光度計(jì)算樣品液中總黃酮含量。由此可見，芹菜總黃酮提取測定過程復(fù)雜、時(shí)間長。

2.2基于ABC-LSSVM的芹菜總黃酮提取量預(yù)測模型

采用吸光度方法測定芹菜總黃酮提取量，由于測定過程復(fù)雜、時(shí)間長，制約了其生產(chǎn)應(yīng)用。因此，構(gòu)建芹菜總黃酮提取含量的預(yù)測模型，減少試驗(yàn)測量次數(shù)，實(shí)現(xiàn)在線實(shí)時(shí)預(yù)測尤為必要。基于ABC-LSSVM的芹菜總黃酮預(yù)測步驟如下：（1）對芹菜總黃酮提取試驗(yàn)中的相關(guān)數(shù)據(jù)進(jìn)行歸一化處理；（2）參數(shù)初始化，設(shè)置最大迭代次數(shù)，按反向?qū)W習(xí)策略生成初始解，計(jì)算適應(yīng)度函數(shù)值；按適應(yīng)度函數(shù)值優(yōu)劣進(jìn)行排序，排在前50%的為雇傭蜂，排在后50%的為跟隨蜂；（3）對于第n步的雇傭蜂，記錄最優(yōu)值并展開鄰域搜索，產(chǎn)生1個(gè)新位置；（4）雇傭蜂按貪婪選擇方法，當(dāng)搜索解優(yōu)于記憶中的最優(yōu)解時(shí)，替換記憶解，反之保持不變；（5）全部雇傭蜂完成鄰域搜索后，跳擺尾舞與跟隨蜂共享食物源信息；跟隨蜂按公式（7）的選擇機(jī)制選擇雇傭蜂；（6）同（3）（4），跟隨蜂記下種群最終更新后達(dá)到的最優(yōu)適應(yīng)度值以及相應(yīng)的參數(shù)； （7）當(dāng)跟隨蜂的鄰域搜索次數(shù)到達(dá)閥值而仍未找到更優(yōu)位置時(shí)，偵察蜂重新初始化食物源位置；（8）如果滿足停止準(zhǔn)則，則停止計(jì)算，輸出最優(yōu)適應(yīng)度值及相應(yīng)參數(shù)，否則轉(zhuǎn)向（3）；（9）根據(jù)最優(yōu)解得到的LSSVM參數(shù)對測試數(shù)據(jù)集進(jìn)行仿真，用建立的芹菜總黃酮預(yù)測模型對總黃酮提取量進(jìn)行預(yù)測。

3結(jié)果與分析

根據(jù)芹菜總黃酮提取試驗(yàn)，發(fā)現(xiàn)總黃酮提取量主要與提取時(shí)間、乙醇濃度、料液比等3個(gè)非線性因素的關(guān)系最為密切，三者之間的交互作用較小，且容易測量。因此，在5種料液比（1 ∶10、1 ∶20、1 ∶30、1 ∶40、1 ∶50， g ∶mL）、5種乙醇濃度水平（50%、60%、70%、80%、90%）、5種提取時(shí)間（10、20、30、40、50 min）條件下進(jìn)行芹菜總黃酮提取的單因素試驗(yàn)。

在單因素試驗(yàn)基礎(chǔ)上，選用L9（33）正交試驗(yàn)表，考察料液比、提取時(shí)間、乙醇濃度對芹菜總黃酮提取的影響。因素水平見表1。

表1芹菜總黃酮提取條件正交試驗(yàn)因素與水平

水平因素提取時(shí)間（min）乙醇濃度（%）料液比（g ∶mL）130701 ∶20240801 ∶30350901 ∶40

將試驗(yàn)所得的24例數(shù)據(jù)作為樣本數(shù)據(jù)，在數(shù)據(jù)歸一化之后，選取前16例試驗(yàn)樣本數(shù)據(jù)作為訓(xùn)練樣本數(shù)據(jù)，構(gòu)建基于ABC-LSSVM的預(yù)測模型，再用后11例樣本數(shù)據(jù)作為測試數(shù)據(jù)，對該模型進(jìn)行驗(yàn)證。作為訓(xùn)練樣本的16例原始數(shù)據(jù)如表2所示。

表2芹菜總黃酮預(yù)測模型訓(xùn)練樣本數(shù)據(jù)

樣品編號提取時(shí)間

（min）乙醇濃度

（%）料液比

（g ∶mL）總黃酮含量

（mg/g）140701 ∶106.472240701 ∶206.938340701 ∶307.296440701 ∶406.902540701 ∶506.830610701 ∶306.186720701 ∶306.400830701 ∶306.651940701 ∶306.9731050701 ∶306.9381140501 ∶304.2871240601 ∶305.2901340701 ∶306.5441440801 ∶307.4751540901 ∶307.1531640701 ∶206.207

在預(yù)測仿真試驗(yàn)中，計(jì)算機(jī)配置為聯(lián)想雙核E5800@3.2 GHz、2 G內(nèi)存、Windows XP 操作系統(tǒng)，測試軟件采用Matlab 7.0。

采用改進(jìn)的人工蜂群算法優(yōu)化最小二乘支持向量機(jī)得到的最優(yōu)化參數(shù)值為：核寬度σ=262.22，正規(guī)化參數(shù) γ=1 969.6。將基于ABC-LSSVM預(yù)測模型仿真得到的數(shù)據(jù)與實(shí)際測量數(shù)據(jù)進(jìn)行比較，結(jié)果見表3。

表3基于ABC-LSSVM的芹菜總黃酮預(yù)測結(jié)果

樣品

編號提取時(shí)間

（min）乙醇濃度

（%）料液比

（g ∶mL）實(shí)測含量

（mg/g）預(yù)測含量

（mg/g）相對誤差

（%）140801 ∶307.486.95-7.08240901 ∶307.157.180.36330701 ∶206.286.564.50440801 ∶206.496.825.09550901 ∶206.607.087.23630801 ∶306.966.92-0.55740901 ∶307.217.18-0.43850701 ∶306.466.744.28930901 ∶407.077.212.031040701 ∶406.676.771.521150801 ∶407.357.03-4.37

由表3可知，采用ABC-LSSVM的芹菜總黃酮預(yù)測模型得到的仿真數(shù)據(jù)與實(shí)測數(shù)據(jù)的最大相對誤差為7.23%，最小相對誤差為0.36%，平均相對誤差為1.14%，精度較高。實(shí)測數(shù)據(jù)與仿真數(shù)據(jù)的對比如圖2所示。endprint

圖3更直觀地描述了模型估計(jì)值與實(shí)測值的相對誤差情況。基于ABC-LSSVM的芹菜總黃酮提取量預(yù)測模型的進(jìn)化曲線如圖4所示，由圖4可見，該預(yù)測模型收斂速度快、精度高、性能穩(wěn)定。

4結(jié)論

芹菜總黃酮提取受提取時(shí)間、乙醇濃度、料液比等3種非線性因素的影響，可利用改進(jìn)的人工蜂群算法優(yōu)化最小二乘支持向量機(jī)建立芹菜總黃酮預(yù)測模型。在標(biāo)準(zhǔn)人工蜂群算法的種群初始化階段，引入反向?qū)W習(xí)策略，確保了個(gè)體分布的均勻性，并用“信息素-靈敏度”模型作為選擇策略，提高了預(yù)

測的精度和收斂速度，性能穩(wěn)定，對于芹菜總黃酮提取的網(wǎng)絡(luò)在線估計(jì)、降低測定成本具有重要意義。

參考文獻(xiàn)：

[1]趙進(jìn)，尤婷婷，林丹英，等. 超聲波提取芹菜總黃酮及鑒別[J]. 時(shí)珍國醫(yī)國藥，2007，18（6）：1454-1455.

[2]文開新，王成章，嚴(yán)學(xué)兵，等. 黃酮類化合物生物學(xué)活性研究進(jìn)展[J]. 草業(yè)科學(xué)，2010，27（6）：115-122.

[3]包麗芹，韓德權(quán). 芹菜及芹菜黃酮的藥用價(jià)值[J]. 黑龍江醫(yī)藥，2007，20（4）：317-320.

[4]陳欲云，劉春麗，邊名鴻. 芹菜黃酮抗氧化作用的研究[J]. 時(shí)珍國醫(yī)國藥，2012，23（7）：1718-1719.

[5]何書美，喬蘭俠，劉敬蘭. 紅外光譜法測定芹菜葉提取物中總黃酮的含量[J]. 分析科學(xué)學(xué)報(bào)，2008，24（2）：201-204.

[6]俞金壽. 軟測量技術(shù)及其應(yīng)用[J]. 自動(dòng)化儀表，2008，29（1）：1-7.

[7]王紅君，張夢，趙輝，等. 基于 BP 神經(jīng)網(wǎng)絡(luò)的溫室黃瓜灌溉預(yù)測模型[J]. 江蘇農(nóng)業(yè)科學(xué)，2013，41（11）：407-409.

[8]趙辰陽，徐明. 基于 FIG -SVM 的農(nóng)產(chǎn)品價(jià)格趨勢預(yù)測[J]. 江蘇農(nóng)業(yè)科學(xué)，2014，42（5）：385-388.

[9]楊瑋，孫紅，鄭立華，等. 基于土壤參數(shù)的冬小麥產(chǎn)量預(yù)測模型[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2013，29（23）：118-123.

[10]朱林，陸春偉.基于改進(jìn)蟻群支持向量機(jī)的氫含量軟測量建模[J]. 計(jì)算機(jī)仿真，2014，31（3）：384-388.

[11]王慧穎，劉建軍，王全洲. 改進(jìn)的人工蜂群算法在函數(shù)優(yōu)化問題中的應(yīng)用[J]. 計(jì)算機(jī)工程與應(yīng)用，2012，48（19）：36-39.

[12]汪慎文，丁立新，謝大同， 等. 應(yīng)用反向?qū)W習(xí)策略的群搜索優(yōu)化算法[J]. 計(jì)算機(jī)科學(xué)，2012，39（9）：183-187. 謝雨杉，李多偉，李銀芳，等. 碘試液比色法測定α-淀粉酶抑制劑活性[J]. 江蘇農(nóng)業(yè)科學(xué)，2015，43（1）：301-303.endprint