[发明专利]一种优化花生壳黄酮提取工艺参数的方法

摘要

本发明公开了一种优化花生壳黄酮提取工艺参数的方法，仪首先进行单因素试验，考查乙醇浓度、提取时间、提取温度、料液比等因素对花生壳黄酮提取率的影响，再进行析因试验筛选出显著因子。然后进行Box-Behnken试验设计，利用B-B试验结果，建立BP神经网络数学模型，再利用遗传算法对建立的BP神经网络模型进行全局寻优，最后得出较优的黄酮提取工艺参数。本发明采用人工神经网络建模结合遗传算法寻优，进行提取工艺参数的优化是可行的，且具有实用价值。

主权项

一种优化花生壳黄酮提取工艺参数的方法，其特征在于，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。