[发明专利]基于LS-SVM模型的丹参有效成分超声提取工艺优化方法

权利要求书

1.基于LS-SVM模型的丹参有效成分超声提取工艺优化方法，其特征在于包括以下步骤：

（1）根据Box-Benhnken Design原理对丹参有效成分Sal_B和Tan_ⅡA超声提取，各工艺的有效成分提取率及真实综合评价值进行实验测定，得到m组分析方案实验数据集D={(X₁, Y₁) , (X₂ , Y₂) , … , (X_m , Y_m) }，X₁ , X₂…X_m为m种提取因素工艺组合，Y₁ , Y₂…Y_m为与提取因素工艺组合对应的m种提取率的真实综合评价值，其中提取因素包括：超声时间、液料比、超声温度和乙醇浓度；

（2）建立最小二乘支持向量机模型LS-SVM，基于Matlab语言环境，设立提取因素x_i和综合评价值Y，得到提取因素x₁ , x₂…x_i与提取率的预测综合评价值y之间的定量关系，提取因素x_i分别是超声时间x₁、液料比x₂、超声温度x₃、乙醇浓度x₄，综合评价值Y是丹参中Sal_B和Tan_ⅡA两种成分的提取率通过标准离差法线性加权计算的综合评价值，Sal_B和Tan_ⅡA的权重系数分别为0.49和0.51，综合评价值Y=Sal_B提取率×0.49+Tan_ⅡA提取率×0.51；

（3）对30组BBD分析方案实验结果数据进行预处理，将30行5列的实验数据矩阵分成30行4列的输入变量矩阵和30行1列的输出变量矩阵导入Matlab 2015b软件的平台中，其中输入变量用具体的因素水平值替代，同时对实验数据进行归一化处理，即各提取指标因素水平数值除以这组提取指标因素水平数值的均值后，再利用Matlab 2015b软件进行编程，利用LS-SVM进行建模，核函数采用RBF函数，最后由交叉验证验方法同时对核参数g和惩罚因子C进行交叉验证，在g和C组成的参数矩阵中逐个检验每一对参数效果，遍历得到最优核参数g=256，最优惩罚因子C=4.92；

（4）将步骤（3）所述最优核参数g和C输入LS-SVM模型，得到步骤（1）所述Box-BenhnkenDesign分析方案的预测综合评价值；

（5）使用均方误差MSE对LS-SVM模型的模拟性能进行评估，其中MSE= QUOTE，m为数据集组数，y_i为LS-SVM的预测综合评价值，Y_i为真实综合评价值。

2.根据权利要求1所述基于LS-SVM模型的丹参有效成分超声提取工艺优化方法，其特征在于所述步骤（1）中真实综合评价值为工艺提取率与权重相乘得到数值的总和，所述权重通过标准离差法计算得到。

3.根据权利要求1所述的基于LS-SVM模型的丹参有效成分超声提取工艺优化方法，其特征在于所述步骤（5）在0≤MSE≤0.6范围内，该模型预测综合评价值接近真实综合评价值，模型可靠。