[发明专利]一种优化花生壳黄酮提取工艺参数的方法

说明书

技术领域

本发明涉及花生壳黄酮提取工艺，具体地说，涉及一种优化花生壳黄酮提取工艺参数的方法。

背景技术

黄酮类化合物是一类植物次生代谢产物，广泛存在于多种植物中，不仅数量种类繁多，而且结构类型也是复杂多样。其存在多以糖与糖苷结合的配基的形式存在，少部分以游离形式存在。黄酮类化合物也是许多中草药的有效成分，不仅能扩张冠状动脉、降低血压、血脂、减少心血管疾病的病发率等，还能起到抗脂质过氧化、增强机体免疫力和抗癌防癌、抗肿瘤等作用，是一种具有巨大开发潜力的天然产物，值得我们进一步对其进行仔细研究与开发利用。因此，根据当今世界植物药的需求与开发使用，从花生壳中提取黄酮类化合物作为原料，在药品、食品或保健品等行业中具有较好的应用前景。

由于化学合成产品有其特有的毒副作用，以及再生产过程中对环境造成的污染。人们对化学合成产品在医药、化妆品、食品领域的安全性也越来越关注。在人们追求绿色健康、回归自然的生活观念的指导下，具有生理活性的天然产物逐渐受到人们的青睐。我国具有丰富的动植物资源，从动植物中提取的天然黄酮类化合物无毒安全，可用于食品、医药、化妆品等领域，这符合人们对于绿色健康的生活追求，将有很大的应用前景。

研究表明，花生壳富含木质素、纤维素，还含有酚类、黄酮类等活性成分。黄酮类化合物是花生在生长过程中积累的次生代谢产物，以游离态或与糖结合为苷的形式存在，不仅数量种类繁多，而且结构类型复杂多样，表现出多种多样的药理活性，能防治心脑血管系统的疾病和呼吸系统的疾病，具有降血糖、抗氧化、延缓衰老、抗肿瘤以及增强免疫能力等药理作用。近年来，世界上掀起了植物药开发的热潮，植物药以其天然低毒的特点倍受青睐，而黄酮类化合物更是以其广谱的药理作用备受世人瞩目。

由于BP算法本质上为梯度下降法，而它所要优化的目标函数又非常复杂，在进行全局搜索时，不可避免地存在收敛速度慢的问题。此外，从数学角度看，BP算法为一种局部搜索的优化方法，但它要解决的问题为求解复杂非线性函数的全局极值，因此算法很有可能陷入局部极小值，从而使训练失败。

发明内容

为了克服现有技术中存在的缺陷，本发明提出了一种优化花生壳黄酮提取工艺参数的方法，将遗传算法和人工神经网络相结合，用遗传算法对ANN的权值进行优化，进而改进BP网络性能，对花生壳黄酮提取的工艺参数进行建模，使经过训练的网络能很好地模拟花生壳黄酮提取过程，并对最佳提取参数进行预测。本文以花生壳为原料提取黄酮类化合物，首先分别以不同的提取溶剂、提取溶剂浓度、提取时间、提取温度、料液比、提取次数做单因素试验，考查各单因素对花生壳中黄酮提取率的影响。然后在单因素试验的基础上进行析因试验，筛选出显著性因子最后结合单因素试验和析因试验确定Box-Behnken设计试验的因素与水平。再利用BP神经网络对B-B试验设计的数据进行建模，以模拟花生壳黄酮提取过程。其技术方案如下：

一种优化花生壳黄酮提取工艺参数的方法，包括以下步骤：

步骤1.随机选择Box-Behnken试验的12组数据作为BP神经网络的学习样本，其余的3组试验数据用来检验BP神经网络的泛化能力，根据影响花生壳黄酮提取率的因素个数和需优化指标的个数，设计BP神经网络的结构，收敛精度选择10-4，用试验数据对BP神经网络进行训练；

步骤2.以乙醇浓度、提取温度、提取时间为神经网络三个输入单元，提取率作为待建立网络的输出单元，神经网络的训练数据来自二次旋转组合设计试验，部分单因素试验数据为训练样本，其余单因素试验数据为测试样本，采用尺度变换法将输入输出数据转换在一1～1范围内，隐含层采用双曲正切S型变换函数，输出层采用纯线性变换函数，用提前停止法训练网络，以确定网络结构，再经过验证，确定神经网络模型；

步骤3.利用遗传算法对建立的BP神经网络进行全局寻优，将神经网络的输出值作为求解目标函数值，以BP神经网络所建立的模型为遗传算法的适应度函数，采用二进制编码分别表示乙醇浓度、提取温度、提取时间三个变量，将这3个二进制码串连接在一起，组成一个每个基因长度L为5，3个基因形成长度为15的染色体，遗传算法群体规模为50，进化代数为100代，每一代个体之间通过两点交叉对优秀基因进行交流，通过单点变异，从群体中选择性能优良的个体作为父代进行繁殖，随后产生新的基因型和种群，对新种群进行评价，判断其是否满足算法停止准则，若不满足，则继续遗传、变异操作，直到满足为止，而所产生的新子串代码经过解码，使用随机遍历抽样函数选择适应度值大的优秀基因，从而得到优化后的结果。