当前制药业主要采用先生产出药品然后再进行质量检验,对生产前质量的预测大多是采用人工预测的方式,这种方式在解决多因素质量综合预测方面存在一定困难,尤其在定量分析方面难度更大。BP神经网络是当前非常好的机器学习算法,其在分类、函数逼近、预测等方面有非常好的优势,适合于解决复杂的非线性问题,因此,本文提出采用BP神经网络来解决制药业生产质量预测的问题。 文章在对BP神经网络的原理进行分析后,提出了基于BP神经网络应用的生产质量预测模型,并详细介绍了模型构建过程,包括预测模型特征的选取、训练和测试数据准备、MATLAB软件包中BP网络的实现等几部分。本文以清毒利肺口服液药品质量预测为例,在分析了影响其质量的主要因素的基础上,选取了质量预测模型的输入特征及质量输出控制要素,并应用MATLAB软件包实现了质量预测BP神经网络模型的构建,并进行了模型的仿真数据测试。 在具体BP神经网络构建方法上,分别采用了两种方式进行实验:一种是直接利用特征向量数据进行神经网络建模,另一种是先对特征向量数据进行变换,将其变换在[-1,1]范围内,再用于建模。分别进行两种方式的建模和测试对比实验,其中第一种模型采用固定训练数据循环90次达到收敛,模型测试识别率是88%;后一种模型采用同样的固定训练数据循环60次达到收敛,测试识别率是92%。结果表明,经数据变换后的建模方法在识别准确率和训练时间方面比未进行变换的建模方式具有更好的效果。应用BP网络进行制药业生产质量预测是一种比较好的方法。