层析分离技术是应用最广泛的一种天然产物分离纯化技术。目前对该技术的研究可以概括为应用和理论研究两个方面,但两个方面的研究都存在着一些不足之处。在应用方面,现存层析工艺大多存在处理量低、应用成本较高等缺陷;在理论研究方面,则主要是缺乏完善的过程模拟计算方法。这些问题的存在严重阻碍了该技术的进一步发展。因此,建立高效、廉价、简便的层析工艺,完善相关层析过程的模型化研究具有非常重要的理论与实际意义。本文探讨了大孔吸附树脂固定床层析技术在天然产物分离纯化中的应用,旨在建立一条低成本,适合工业化生产的工艺路线。并着重对相关层析过程进行了模型化研究,基于人工神经网络(ANN)强大的非线性系统描述能力,分别建立了ANN-大孔吸附树脂固定床传质动力学模型(ANN-Fixed bed)、ANN-高效液相色谱优化模型(ANN-HPLC)以及ANN-高速逆流色谱优化模型(ANN-HSCCC),进一步完善了层析过程的模拟计算方法。本文首先建立了大孔吸附树脂固定床层析与结晶相结合的纯化工艺,并从热力学的角度考察了吸附过程的本质。通过工艺条件的优化,实现了茄尼醇的纯化,一次性将其纯度从50%左右提高到了94.51%,说明大孔吸附树脂固定床层析技术是实现工业化生产切实可行的办法。研究结果表明,高极性溶剂和低温环境有利于增大树脂的吸附量;增大料液浓度、降低流速、增大层析柱高径比,会提高柱吸附量。但浓度过高会降低溶质在柱床中的保留时间,流速过慢会使上样周期变长,柱子越长柱压会相应的增大;在洗脱过程中,随着洗脱剂极性的增大,产品纯度提高但收率降低,因此在本文中采用分步洗脱的方式;热力学研究表明,大孔树脂对茄尼醇的吸附为物理吸附,吸附过程能够自发进行,茄尼醇被树脂吸附后运动受到更大限制使系统变得更有序。以上研究结果可以为进一步将大孔吸附树脂固定床层析技术应用于天然产物的分离纯化提供有效的帮助。为了更深入的认识大孔吸附树脂固定床层析过程,本文对其分离过程中的传质动力学进行了研究。改进了传统的普通速率模型(GR模型),用于描述层析过程中的穿透行为。相比传统的GR模型,本文从粒径分布(PSD)和等温线变化(VOI)两方面对模型进行了完善。模型计算结果表明,当GR模型只考虑PSD或只考虑VOI的时候,计算结果与实验结果有比较明显的差别。当模型没有考虑PSD的影响时,计算得到的穿透曲线斜率较大,穿透点提前,而且更早的达到平衡;当模型没有考虑到VOI时,计算得到的穿透曲线具有更小的斜率,穿透时间延长,达到平衡的时间延长;当将以上两方面的因素补充到GR模型后,计算结果与实验值更加接近。这些研究结果为进一步完善GR模型提供了参考。鉴于GR模型表达式及求解过程相对复杂。本文建立了一种更加简单、准确的模型-ANN-Fixed bed模型,预测层析过程的穿透行为。结果表明,ANN-Fixed bed模型预测结果能够更好的与实验结果相吻合,线性相关系数R~2＞0.98,平均方差小于0.05。利用该模型对实验参数进行考察发现,随着原料液浓度的降低、吸附介质粒径的减小、吸附介质颗粒孔隙率的增加以及高径比的增加,穿透曲线变陡,达到穿透点所需要的时间变长;随着流速的增加以及柱床空隙率的增加,达到穿透点所需要的时间缩短。这些研究结果对于进一步优化层析工艺,提高层析吸附量具有很好的指导意义。在建立ANN-HPLC模型过程中,本文首次通过序列的结合ANN和色谱响应函数(CRF)建立了一种新的化学计量学模型,用于色谱分离条件的优化。利用该模型,本文成功的一次性优化得到了适用于三种不同色谱分离目的的最优操作条件,并在预测的最优操作条件下得到了预期的色谱图,证明了该模型的有效性。该方法改善了以往模型灵活性不足的缺点,同时也为建立更加灵活、有效的色谱分离条件优化模型提供了新思路。在建立ANN-HSCCC模型过程中,本文首次利用ANN探讨了逆流色谱分离过程中固定相的保留机理,通过对网络输入变量的考察发现,固定相保留率随着流动相流速和黏度的增加而减小,随着转速和溶剂体系上下相密度差的增加而增大,并且输入变量之间存在明显相互作用。在此基础上,通过结合Box-Behnken响应面模型与Derringer色谱响应函数,建立了逆流色谱分离条件优化模型。方差分析结果表明,p-value＜0.0001,R~2(Adj)＞0.96,说明建立的模型能够很好的描述本文所研究的体系。利用该模型,本文成功实现了对逆流色谱分离过程中分辨率和分析时间的综合优化。由于在逆流色谱分离过程中,一般需要较长的分析时间和消耗大量的溶剂,这些研究结果将有助于更加有效的优化逆流色谱分离过程,提高色谱分离效率。