论文部分内容阅读
中药注射剂是中药现代化的成果,是保障人民健康的重要手段。而中药注射剂在生产过程中,为保证稳定的产品质量,存在大量的问题有待解决,其中极具挑战性的问题是中药溶液中多种物质的联合析出控制。中药溶液是一种十分复杂的混合溶液,溶液里成分含量众多,为保证中药注射剂的疗效,中药溶液中各种有效成分应保持在规定的含量。本文与天津市天士力药厂合作,以中药麦冬溶液作为研究对象,以去除药液中多余的糖分为目标,主要对药液中多糖的析出过程进行了基于支持向量机的建模研究。主要研究内容和成果概括如下:通过单因素实验、正交实验和响应曲面实验研究了影响麦冬药液多糖析出的因素,通过正交和响应面对比分析,获取了麦冬药液中多糖水提醇沉过程的最佳工艺条件。在最佳工艺条件附近,通过离线数据测量的方法测得影响多糖析出效果的输入(乙醇量、NaOH量和麦冬药液量)输出(pH值)数据,共125组。通过支持向量回归机(SVR)方法建立了麦冬多糖醇沉析出过程中pH值的回归预测模型。针对模型的过拟合问题,使用改进的网格搜索法对所建模型的参数进行寻优。网格优化后的模型提高了模型的预测精度和泛化能力,大多数训练集预测相对误差绝对值在0.3%以内,而在测试集中有5个测试样本相对误差绝对值稍大于0.5%,其余都在0.5%以内。但网格法不适用于模型参数较多或范围较大的情况。通过多种群粒子群(MPSO)算法对SVR模型参数进行寻优。MPSO-SVR模型的预测精度符合相对误差绝对值约0.5%的要求,在测试集中只有2个测试样本相对误差绝对值稍大于0.5%,有3个测试样本相对误差绝对值在0.3%～0.5%之间,其余的都在0.3%以内。为了进一步验证MPSO-SVR所建模型的可行性,将其与BP神经网络模型进行了对比。结果表明,MPSO-SVR模型在训练集和测试集上的预测都较稳定,其预测精度也符合要求,说明MPSO-SVR所建模型对解决中药溶液多糖析出过程pH值测量问题切实可行。