Page 47 - 《中国药房》2025年22期

表5 开心颗粒水提工艺优化的正交实验设计与结果 表8 数据规格化处理结果
含量/（mg/g） 人参皂苷Rg 1+ 细叶远志皂苷 人参皂苷Rb 1 3，6′-二芥子酰基蔗糖 远志 酮Ⅲ
序 A/次 B/h C/倍 人参皂苷 细叶远志 人参皂苷 3，6′-二芥子 远志 出膏率/ 综合评分 实验序号 Re含量 含量 含量 含量 含量 出膏率
号 %
Re+Rg 1 皂苷 Rb 1 酰基蔗糖 酮Ⅲ 正交实验1 0.792 0.196 0.694 0.772 0.828 0.553
1 1 1.0 8 1.21 0.06 0.28 0.62 0.08 11.45 50.17 正交实验2 0.726 0.301 0.712 0.674 0.989 0.590
2 1 1.5 10 1.17 0.11 0.31 0.58 0.10 13.20 50.98 正交实验3 0.838 0.167 0.833 0.587 0.809 0.688
3 1 2.0 12 1.35 0.06 0.36 0.50 0.08 15.25 54.78 正交实验4 1.016 0.679 1.020 0.937 0.988 0.981
4 2 1.0 10 1.67 0.27 0.45 0.84 0.10 22.60 76.19 正交实验5 0.921 0.746 0.932 0.973 1.183 1.037
5 2 1.5 12 1.51 0.31 0.41 0.88 0.12 23.95 72.77 正交实验6 0.873 0.785 0.831 0.848 0.915 0.976
6 2 2.0 8 1.45 0.34 0.37 0.77 0.09 22.40 69.73 正交实验7 1.121 1.305 1.130 0.951 0.800 1.149
7 3 1.0 12 1.91 0.59 0.52 0.89 0.08 26.50 95.27 正交实验8 0.920 1.030 0.809 1.066 1.143 1.115
8 3 1.5 8 1.52 0.43 0.36 1.01 0.12 24.75 77.27 正交实验9 1.155 1.427 1.204 1.230 1.000 1.232
9 3 2.0 10 1.96 0.59 0.57 1.14 0.10 26.30 99.70 最优 1.155 1.427 1.204 1.230 1.183 1.232
K 1 155.93 221.63 197.17 最差 0.726 0.167 0.694 0.587 0.800 0.553
K 2 218.69 201.02 226.87 采用 SPSSAU 在线分析软件，分别计算 9 组正交实
K 3 272.24 224.21 222.82
R 38.77 7.73 9.90 验结果与最优参考序列和最差参考序列的相对关联度
表6 开心颗粒水提工艺优化正交实验结果的方差分析 （r），计算公式如下：r＝ri/（ri+rj ）。式中，ri为相对最优参
方差来源 离差平方和 自由度 均方差 F 考序列的关联度，rj为相对最差参考序列的关联度。根
A 2 259.38 2 1 129.69 65.25
B 107.69 2 53.84 3.11 据相对关联度进行排序，该值越高，表明工艺的综合评
C 172.94 2 86.47 4.99 价越优 ，结果见表9。由表9可知，相对关联度排序前3
[9]
D（误差） 34.62 2 17.31 1
的分别为正交实验9、8、7，这3组实验的提取次数均为3
注：F 0.05 （2，2）＝19.00；F 0.01 （2，2）＝99.00。
次，因此在最优方案中，确定提取次数为3次。再结合生
显著影响（P＜0.05），其他两个因素无显著影响（P＞
产成本等因素，最终确定最优水提工艺为：提取3次，首
0.05）。采用 Duncan 法进行两两比较，对各因素水平进
次加水10倍量，后两次加水8倍量，每次提取1 h。这一
行一致性子集检验，结果（表7）显示，因素A的不同水平
结果与正交实验筛选结果一致。
间有显著差异，且提取3次为最优水平；其他两个因素的
表9 正交实验结果的关联度及排序
不同水平间则无显著差异。预实验结果显示，该处方吸
实验序号 r i r j r 排序
水量约为处方总量的2倍。综合考虑上述分析结果和生 正交实验1 0.706 0.862 0.450 8
产成本，最终确定开心颗粒的最优水提工艺参数为：提 正交实验2 0.750 0.836 0.473 7
正交实验3 0.641 0.854 0.429 9
取3次，首次加水10倍量，后两次加水8倍量，每次提取
正交实验4 0.794 0.775 0.506 6
1 h。 正交实验5 0.824 0.702 0.540 5
正交实验6 0.832 0.700 0.543 4
表7 各因素水平间一致性子集检验结果（x±s，n＝3）
正交实验7 0.826 0.686 0.546 3
因素 水平 综合评分 P 正交实验8 0.808 0.621 0.565 2
A 1 51.98±2.46 ＜0.05 正交实验9 0.979 0.696 0.584 1
2 72.90±3.22
3 90.75±11.88 2.4.3 BP神经网络预测工艺
B 1 73.88±22.64 ＞0.05 （1）模型的建立：基于正交实验结果，将提取次数、
2 67.01±14.06
3 74.74±22.87 加水量、提取时间作为输入层，综合评分作为输出层，利
C 1 65.72±13.99 ＞0.05 用Matlab R2024b编程软件构建3层结构的BP神经网络
2 75.27±24.36
3 74.27±20.29 模 型 。 依 据 Kolmogorov 定 理 得 出 隐 藏 层 数 ＝
2.4.2 灰色关联度分析筛选工艺 n + m + 1+a，其中 n 为输入层节点数，m 为输出层节点
采用灰色关联度分析法对正交实验结果进行综合 数，a 为 1～10 的常数。据此，本研究中的隐藏层数为

评价。首先，使用均值法对正交实验6个指标结果进行 4～12的整数。
规格化处理，计算公式如下：X＝Xi/Xi。式中，X为处理后 （2）网络训练与参数设置：BP神经网络以误差平方
的数据，Xi为原始数据，Xi为该指标下所有原始数据的平 为目标函数，利用梯度下降算法，确定网络权值和阈值。
均值。随后，以9组正交实验结果中各个指标的最大值 本研究设置的最大迭代次数为 10 000，训练精度为 1×
－6
组成最优参考序列、最小值组成最差参考序列。结果 10 ，学习率为0.02，以正交实验的9组数据作为训练样
见表8。 本，输入不同的隐藏层数进行测试。结果显示，隐藏层

中国药房 2025年第36卷第22期 China Pharmacy 2025 Vol. 36 No. 22 · 2793 ·