人工神經網絡結合粒子群優化算法優化 不同產地廣藿香揮發油提取工藝

張浩科，高靜，趙智龍，宮海燕，唐莎莎

1.新疆醫科大學第一附屬醫院，新疆 烏魯木齊 830011；2.新疆塔城市人民醫院，新疆 塔城 834700； 3.新疆醫科大學第五附屬醫院，新疆 烏魯木齊 830011；4.達州中醫藥職業學院，四川 達州 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。藥效學研究表明，揮發油作為廣藿香主要 活性成分，具有抑菌[1-2]、抗真菌[3]、抗氧化[4]、免疫調節[5]等作用。不同產地廣藿香揮發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油以廣藿香酮為主要成分[6]；四川省中江縣的廣藿香揮發油以胡薄荷酮和薄荷酮為主要化學成分[7]。廣藿香揮發油應用廣泛，但目前相關提取工藝的報道較少。

神經網絡技術具有結構簡單、自主學習、自組織、非線性分類處理能力強等優點。反向傳播人工神經網絡（BP-ANN）每次只對獲勝神經元進行學習，造成輸入樣本和競爭神經元之間信息資源的浪費，在網絡學習的初始階段對初始值十分敏感。偏差太大的初始權值會導致部分神經元不被利用而成為“死”點，導致輸入向量在競爭層不能很好聚類，影響分類的準確率。粒子群優化算法（PSO）是一種全局優化進化算法，該算法簡單，容易實現，對不同類型函數有廣泛的適應性，具有很強的全局尋優能力，應用這一特性，可以給BP-ANN選擇初始權值[8-9]。本研究采用人工神經網絡結合粒子群優化算法（ANN-PSO）對不同產地廣藿香揮發油的提取工藝進行優化。

1 儀器與試藥

FA2004N型電子天平，常州市幸運電子設備有限公司；KDM型可調控溫電熱套，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，經新疆醫科大學藥學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 方法與結果

2.1 正交試驗優化提取工藝

廣藿香樣品充分干燥后，采用2015年版《中華人民共和國藥典》附錄“水蒸氣蒸餾法”提取揮發油。通過單因素考察，篩選影響揮發油產率的主要因素（料液比、提取時間、提取次數），以揮發油提取率（%，mL/g）為考察指標，采用L9（34）正交試驗設計，對不同產地廣藿香揮發油的提取工藝進行優化，因素水平見表1，試驗結果和方差分析見表2～表5。

表1 廣藿香揮發油提取工藝正交試驗因素水平

表2 云南曲靖廣藿香揮發油提取工藝正交試驗結果

表3 云南曲靖廣藿香揮發油提取工藝正交試驗結果方差分析

表4 廣東化州廣藿香揮發油提取工藝正交試驗結果

云南曲靖廣藿香揮發油提取工藝正交試驗結果表明，對揮發油提取率的影響為提取時間（C）＞料液比（A）＞提取次數（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。方差分析結果表明，料液比（A）、提取時間（C）均為顯著影響因素，其中提取時間（C）影響最大。

廣東化州廣藿香揮發油提取工藝正交試驗結果表明，對揮發油提取率的影響為提取時間（C）＞料液比（A）＞提取次數（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。方差分析結果表明，提取時間（C）是顯著影響因素，對揮發油提取率影響最大。

表5 廣東化州廣藿香揮發油提取工藝正交試驗結果方差分析

2.2 人工神經網絡結合粒子群優化算法優化提取工藝

人工神經網絡由輸入層（自變量）、若干隱藏層和輸出層（因變量）組成。將單因素試驗和正交試驗確定的3個因素（料液比、提取次數、提取時間）作為3個輸入層節點，將揮發油提取率作為1個輸出層節點，建立BP-ANN（見圖1）。根據Kolmogorov定理，1個三層網絡足以完成任何n維到m維的非線性映射，故只設置1個隱藏層結構。

圖1 BP-ANN模型的最優結構

2.2.1 訓練樣本選擇

在正交試驗得到的9個樣本數據基礎上，為建立可靠模型，引入虛擬樣本進行擴容。將料液比、提取次數和提取時間按±Δi（Δi＝0.1%）對正交試驗得出的每組數據擴容，每個實際樣本產生7個虛擬樣本，獲得63個參加BP-ANN訓練和檢驗的樣本。在加大訓練樣本密度的基礎上，有效強化訓練的記憶效果。

2.2.2 模型訓練與預測

將料液比、提取次數、提取時間的值作為輸入層數據，實際測得的揮發油提取率作為輸出層數據，從63個樣本中隨機抽取50組數據訓練網絡，13組數據測試網絡的擬合性。

2.2.3 粒子群優化算法

使用已訓練好的BP-ANN作為PSO的適應度函數，設置種群數量為30，迭代次數為100，將粒子飛行速度、粒子飛行邊界限制在實驗室因素內，使用MATLAB環境運行，通過每代所有解的“信息”共享、整合，最優解群逐漸趨向穩定，最后達到群體最優解。

2.2.4 提取工藝優化

采用MATLAB R2016a編程，得到人工神經網絡預測誤差＜0.5%，見圖2。

圖2 不同產地廣藿香揮發油提取工藝BP-ANN模型誤差預測

BP-ANN對云南曲靖廣藿香揮發油提取工藝的預測值與真實值誤差最大值為0.000 2（絕對值），正交試驗得出的提取率最大值為1.60%、最小值為1.20%，最大誤差對其影響很小。BP-ANN對廣東化州廣藿香揮發油提取工藝的預測值與實際值誤差最大值為0.001 4（絕對值），正交試驗得出的提取率最大值為1.82%、最小值為1.26%，最大誤差對其影響很小。表明BP-ANN模型映射出了準確描述揮發油提取工藝過程參數與其評價指標之間的關系。

采用MATLAB R2016a編程，使用MATLAB環境運行，得到適應度曲線（見圖3）。PSO在100次迭代內找到最優解，收斂迭代結果見表6、表7。

圖3 不同產地廣藿香揮發油提取工藝ANN-PSO適應度曲線

表6 云南曲靖廣藿香揮發油提取工藝PSO收斂迭代結果（%）

表7 廣東化州廣藿香揮發油提取工藝PSO收斂迭代結果（%）

2.3 驗證試驗

對正交試驗和ANN-PSO優化工藝進行驗證，重復3次，結果見表8。經ANN-PSO優化，云南曲靖廣藿香揮發油提取工藝條件為：料液比1∶9，提取3次，提取時間3.5 h。驗證試驗結果表明，最佳提取率為1.98%，與預測值2.06%非常接近，高于正交試驗結果（1.60%）。廣東化州廣藿香揮發油的ANN-PSO優化提取工藝條件為：料液比1∶3，提取次數3次，提取時間4.5 h。驗證試驗結果表明，最佳提取率為2.46%，與預測值2.53%接近，高于正交試驗結果（1.82%）。因此，ANN-PSO具有很好的預測性。

表8 正交試驗和ANN-PSO優化不同產地廣藿香揮發油 提取工藝驗證試驗結果（n＝3）

3 討論

本研究采用ANN-PSO優化廣藿香揮發油的提取工藝，預測結果優于正交試驗。由于傳統的正交試驗依賴非線性方程的回歸和解析，建模的擬合結果并不理想，難以優化到具體的點和區域。實際提取過程中的時間和試驗次數有限，ANN可彌補傳統的正交試驗設計存在無法分析不可控因素和不確定復雜問題等缺陷。應用ANN優化提取工藝，在解決非線性、多輸入、不確定復雜問題時具有明顯的優勢[10]。

目前，人工智能技術如ANN、PSO等方法已經廣泛應用于工藝優化。ANN具有強大的學習功能和大規模計算能力，可以比較輕松地實現非線性映射過程。近年來，基于神經網絡模型進行的最優化問題計算、模式識別、判別和預測已廣泛應用于生物醫藥領域，如工藝優選等[11]，并具有較高可信度。PSO算法是一種基于種群的隨機優化技術，群體中的每個成員通過學習自身經驗和其他成員的經驗不斷改變其搜索模式。該算法背景直觀，簡單而容易實現，對不同類型函數具有廣泛的適應性。

為提高廣藿香植物資源的可持續開發利用程度，本研究采用ANN-PSO對不同產地廣藿香揮發油的提取工藝進行優化，驗證試驗表明，經ANN-PSO優化的提取工藝能夠有效降低提取成本和節約資源，具有潛在的實用價值。2015年版《中華人民共和國藥典》收錄的廣藿香油以百秋里醇作為質量控制指標，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]。今后將進一步深入研究，優化廣藿香揮發油的提取工藝，有效促進廣藿香資源的可持續利用。