[发明专利]一种黄芪甲苷的最佳提取工艺及优化提取工艺的方法在审

专利信息
申请号: 201810613422.4 申请日: 2018-06-14
公开(公告)号: CN108804864A 公开(公告)日: 2018-11-13
发明(设计)人: 张宇燕;周静;李敏;金伟锋 申请(专利权)人: 浙江中医药大学
主分类号: G06F19/00 分类号: G06F19/00;G06N3/08;G06N3/12;C07J53/00
代理公司: 杭州裕阳联合专利代理有限公司 33289 代理人: 姚宇吉
地址: 310053 浙*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 黄芪甲苷 乙醇 优化 称取黄芪药材 趁热过滤 甲醇定容 水浴回流 糖浆状物 提取条件 遗传算法 黄芪浆 溶剂 寻优 正交 药材 验证 语言 分析
【权利要求书】:

1.一种黄芪甲苷的最佳提取工艺,其特征在于,包括如下内容:称取黄芪药材,以乙醇作为溶剂,水浴回流提取黄芪甲苷,趁热过滤,收集滤液,蒸出乙醇,得糖浆状物,将黄芪浆状物质,用甲醇定容;提取条件为:乙醇浓度75%,乙醇与药材比例12:1,提取3小时,提取3次。

2.一种黄芪甲苷的优化提取工艺的方法,其特征在于,包括如下步骤:

步骤一,选取黄芪甲苷的提取水平因素,通过醇提法提取黄芪甲苷,进行正交试验并获得正交试验数据;

步骤二,在R语言环境下建立BP神经网络模型,确定黄芪甲苷提取工艺的因素参数;

步骤三,将正交试验数据分别采用留一法进行交叉验证,根据训练结果的拟合误差和预测误差选择隐层神经元;

步骤四,在参数相同的条件下,以正交试验数据为训练样本,对不同隐层神经元进行测试,以拟合误差为选择依据,确定隐层神经元的个数;

步骤五,采用实数编码方式,使用R语言进行编程,由遗传算法得到最优目标;

步骤六,对得到的优化提取工艺进行验证,测算黄芪甲苷平均提取量和相对标准偏差,并计算与预测结果的相对误差。

3.根据权利要求2所述的一种黄芪甲苷的优化提取工艺的方法,其特征在于,步骤一,选取黄芪甲苷的提取水平因素,通过醇提法提取黄芪甲苷,进行正交试验并获得正交试验数据;所述黄芪甲苷的提取水平因素包括:乙醇浓度、液料比、提取时间、提取次数。

4.根据权利要求2所述的一种黄芪甲苷的优化提取工艺的方法,其特征在于,步骤二,在R语言环境下建立3层结构的BP神经网络模型,确定黄芪甲苷提取工艺的因素参数;输入节点数为4个,即四因素乙醇浓度、液料比、提取时间以及提取次数;输出节点数为1个,即黄芪甲苷提取量。

5.根据权利要求2所述的一种黄芪甲苷的优化提取工艺的方法,其特征在于,步骤三,将正交试验的9组数据数据分别采用留一法进行交叉验证,初始随机权为0.3,参数重量衰变为5×10-4,最大迭代次数为800,其他参数均为默认值进行训练,以训练结果的拟合误差和预测误差为依据选择隐层神经元,得出隐层神经元的训练结果,通过训练结果得知当隐层神经元为0和1时,其平均拟合误差以及平均预测误差均小于5%,所以隐层神经元为0和1。

6.根据权利要求2所述的一种黄芪甲苷的优化提取工艺的方法,其特征在于,步骤四,在参数相同的条件下,以将9组正交试验数据为训练样本,对不同隐层神经元进行测试,以拟合误差为选择依据,确定隐层神经元的个数,得到隐层神经元测试训练结果,根据训练结果得知,神经网络的隐层神经元个数为0个。

7.根据权利要求2所述的一种黄芪甲苷的优化提取工艺的方法,其特征在于,步骤五,采用实数编码方式,其种群大小为500,接近的最大代数为100,最大不可变代数为10,收敛公差为1×10-4,其他参数则为默认值;使用R语言进行编程,由遗传算法得到以下结果:共运行12代,运行时间为5s,运行到第10代时黄芪甲苷提取量最大,其预测值为每3g黄芪药材可提取74.165mg黄芪甲苷,得到此结果的工艺条件为乙醇浓度75%,液料比12:1,提取时间3h,提取次数为3次。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江中医药大学,未经浙江中医药大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201810613422.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top