基于改进神经网络的环境空气质量预测

为提高环境空气质量预测的精度,提出一种由改进人工蜂群算法和反向传播神经网络相结合的环境空气质量预测方法(KABC-BP)。对人工蜂群算法中雇佣蜂、跟随蜂的搜索空间提出一种随迭代次数递减的搜索公式,以随机初始化此改进人工蜂群算法的不同初始解作为不同组反向传播神经网络权值,以蜂群算法迭代代替人工神经网络的梯度下降修正迭代,以蜂群个体的对应权值下训练误差倒数作为适应度函数,该改进人工蜂群算法所求全局最优解就是所求反向神经网络最优权值。通过基于改进蜂群算法的反向传播神经网络算法、传统蜂群算法的反向传播神经网络算法(ABC-BP)及反向传播神经网络算法(BPNN)的环境空气质量预测的仿真实验表明,该算法的环境空气质量预测精度是最高的。

荧光分析法和ABC-BP神经网络相结合的多环芳烃的检测

分析了苯并[k]荧蒽（Bk F）、苯并[a]芘（Ba P）和两者混合物的荧光特性,结果表明Bk F存在2个荧光特征峰,Ba P存在6个荧光特征峰,Bk F和Ba P的最佳发射波长均为405 nm。不同浓度配比的混合物荧光特性差异较大,但最佳发射波长没有发生变化,仍为405 nm。在激发波长为250~400 nm,发射波长为350~500 nm范围内,Bk F和Ba P荧光光谱重叠较为严重。为了准确检测混合物中两者的质量浓度,采用人工蜂群（ABC）算法优化的误差逆向传播（BP）神经网络对其进行检测,结果表明ABC-BP神经网络优于遗传算法（GA）-BP神经网络。ABC-BP神经网络能够准确检测质量浓度为1.000~10.000 ng/L的混合物中Bk F和Ba P的质量浓度。10组混合物样本中,Bk F和Ba P的回收率平均值分别为99.19%和99.26%。

基于信息熵理论的BP-ANN结合CCD-RSM优化黄连-黄柏提取工艺研究

目的基于熵权法结合星点设计-效应面法(CCD-RSM)和误差反向传播人工神经网络(BP-ANN)建模优化黄连-黄柏的提取工艺。方法采用HPLC测定表小檗碱、黄连碱、巴马汀、小檗碱的含量,应用UV测定总生物碱的含量,并计算提取量。采用信息熵理论对上述5个指标的的提取量与干膏得率进行综合评分,以CCD-RSM的13组数据作为训练数据,采用BP-ANN进行建模及分析,以综合评分作为考察指标,仿真模拟预测黄连-黄柏最佳提取工艺参数。结果最佳提取工艺为加11倍量水煎煮2次,每次煎煮95 min,此时综合评分达到最大值106.41。结论BP-ANN建立的数学模型具有良好的预测性,优化的提取工艺高效、稳定、可行。

益肾健骨丸制备工艺的优化

目的 优化益肾健骨丸制备工艺。方法 以干燥带速、蜜水比例、药粉与粘合剂(蜜水)比例为影响因素,水分、溶散时限、相对圆整度及龙胆苦苷、马钱苷、芍药苷、阿魏酸、毛蕊花糖苷保留率为评价指标,误差反向传播人工神经网络(BP-ANN)结合星点设计-效应面法优化制备工艺。结果 最佳条件为干燥带速0.74 m/min,蜜水比例1.72∶1,药粉与粘合剂比例1.28∶1,各评价指标的综合评分为85.80分。结论 该方法稳定可行,可为后续益肾健骨丸质量标准的建立奠定基础。