Page 36 - 《中国药房》2024年1期

2.3.3 组合权重系数的确定 表3 因素与水平表
由 G1 法得到主观权重系数（ w ），熵权法得到客观 水平 A/倍 B/h C/次
k
权重系数（ w ）。根据公式（3）计算组合权重系数（ w） ， 1 2 6 0.5 1 2
[9]
j
h
8
1.0
结果见表2。 3 10 1.5 3
n
w j ＝w kj w hj ∕ ∑ w kj w hj ⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅ （3） 2.4.2 正交实验结果分析
j = 1
公式（3）中， w 代表第j个指标的主观权重系数， w hj 由表 4 直观分析可知，各因素对实验结果综合评分
kj
的影响大小顺序为 C＞B＞A，各因素均值大小为 C3＞
代表第j个指标的客观权重系数， j代表评价指标的顺序
C2＞C1、B2＞B3＞B1、A3＞A2＞A1；由表 5 方差分析结果可
（ j＝1，2，…，n）。
知，各因素在检验水准 α＝0.05 时对实验结果的综合评
表2 各评价指标的权重值
分均无显著性影响，这可能是因为考虑到传统中药的煎
评价指标 w k w h w j
连翘酯苷A含量 0.116 1 0.176 7 0.167 3 煮条件，所设置的因素水平间距不大，因而所得结果差
黄芩苷含量 0.119 6 0.247 3 0.241 2 异不明显。为了最大程度地提取出复方中的成分，保证
连翘苷含量 0.139 2 0.088 2 0.100 2 治疗效果，同时兼顾生产中的时间和成本，本研究选取
千层纸素A-7-O-β-D-葡萄糖醛酸苷含量 0.120 7 0.123 5 0.121 6 综合评分最高的组别，即提取工艺为A2B2C3，即加水倍数
汉黄芩苷含量 0.119 1 0.160 6 0.155 9
黄芩素含量 0.118 3 0.073 5 0.070 9 8倍、提取时间1.0 h、提取次数3次。
汉黄芩素含量 0.142 5 0.073 5 0.085 5 2.5 香芩解热颗粒水提工艺的BP神经网络建模及寻优
出膏率 0.124 3 0.056 6 0.057 3
2.5.1 模型建立
2.4 正交实验设计优化香芩解热颗粒的水提工艺 本实验使用PyCharm 2021.3.2编程软件建立3层结
2.4.1 正交实验设计与结果 构的BP神经网络模型 。输入节点数为3个，即加水倍
[9]
按处方配比称取香芩解热颗粒配方药材104.8 g，以 数、提取时间和提取次数；输出节点数为 1 个，即综合
加水倍数（A）、提取时间（B）、提取次数（C）为考察因素， 评分。
设计3因素3水平的正交实验，因素与水平见表3。取按 2.5.2 网络训练及参数
正交实验方案制备的香芩解热颗粒干浸膏（1～9组正交 BP 神经网络利用误差函数梯度下降算法，根据误
实验得率分别为8.08%、26.78%、30.07%、12.02%、33.71%、 差大小逐层修正。设置隐含层传递函数为双曲正切传
20.70%、34.15%、23.29%、29.78%）适量，按“2.2.3”项下 递函数，隐含层为1个，最大训练迭代次数为5 000；设定
方法制备供试品溶液，再按“2.2.1”项下色谱条件进样检 网络训练参数值：训练精度为0.001（当验证集的损失小
测，计算连翘酯苷 A、黄芩苷、连翘苷、千层纸素 A-7-O- 于0.001时，训练会提前停止），学习率为0.02，采用均方
误差（MSE）评估神经网络模型的预测性能。
β-D-葡萄糖醛酸苷、汉黄芩苷、黄芩素、汉黄芩素的含量
将9组正交实验数据导入BP神经网络模型，随机抽
以及出膏率。利用G1-熵权法对上述指标进行综合评分
取其中 8 组数据作为训练数据，剩余 1 组数据作为测试
（ P），具体 按 公式（4）计算。正交实验结果见表 4，方差
j
分析结果见表5。 数据，然后对8组训练数据进行五折交叉验证：将8组数
j = 1( ) 据分成5个子集，每个子集里面会有1或2组数据，然后
n
P j ＝ ∑ 100w j y j ∕ y jmax ⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅ （4） 进行5次独立的训练和验证。输入剩余1组正交实验数
公式（4）中， y 代表第 j 个评价指标， y jmax 代表第 j 个 据，用训练好的 BP 神经网络模型进行预测，结果显示，
j
评价指标中的最大值。 网络模型预测的数据输出值与实际值的相对误差为
表4 正交实验及结果

序号 A/倍 B/h C/次 D（误差项） y 1/（mg/g） y 2/（mg/g） y 3/（mg/g） y 4/（mg/g） y 5/（mg/g） y 6/（mg/g） y 7/（mg/g） y 8/% P j/分
1 1 1 1 1 3.665±0.361 2.030±0.149 0.982±0.091 0.384±0.035 0.183±0.023 0.043±0.005 0.011±0.002 8.08 22.14
2 1 2 2 2 15.238±0.392 5.730±0.272 3.962±0.095 1.569±0.081 0.580±0.016 0.193±0.003 0.051±0.003 26.78 81.63
3 1 3 3 3 16.828±0.542 6.063±0.116 4.308±0.153 1.689±0.052 0.625±0.023 0.153±0.013 0.054±0.002 30.07 87.06
4 2 1 2 3 6.559±0.096 2.768±0.047 1.719±0.011 0.676±0.019 0.267±0.009 0.093±0.003 0.021±0.000 12.02 36.52
5 2 2 3 1 18.205±0.233 6.544±0.230 4.676±0.066 1.880±0.062 0.647±0.013 0.277±0.011 0.087±0.002 33.71 99.97
6 2 3 1 2 10.227±0.603 4.603±0.038 2.743±0.159 1.073±0.064 0.339±0.007 0.128±0.021 0.033±0.004 20.70 56.65
7 3 1 3 2 17.506±0.808 6.242±0.213 4.686±0.186 1.847±0.130 0.646±0.016 0.208±0.020 0.081±0.006 34.15 95.67
8 3 2 1 3 11.763±1.195 5.089±0.248 3.130±0.289 1.188±0.135 0.385±0.015 0.167±0.017 0.047±0.003 23.29 65.49
9 3 3 2 1 16.284±2.372 5.920±0.083 4.379±0.626 1.712±0.223 0.602±0.017 0.171±0.028 0.060±0.008 29.78 87.01
63.610 51.443 48.093 69.707
K 1
64.380 82.363 68.387 77.983
K 2
82.723 76.907 94.233 63.023
K 3
R 19.113 30.920 46.140 14.960
· 30 · China Pharmacy 2024 Vol. 35 No. 1 中国药房 2024年第35卷第1期