一种基于LS-SVM模型的红花有效成分超声提取工艺制造技术

本发明专利技术公开了一种基于LS-SVM模型的红花有效成分超声提取工艺，包括有以下步骤：S1，根据Box-BenhnkenDesign原理对红花有效成分HSYA和AHSYB超声提取；S2，建立最小二乘支持向量机模型LS-SVM；S3，优选模型参数核参数g和惩罚因子C，核函数采用径向基核函数RBF，利用Matlab软件编辑；S4，将S3所述最优参数g和C输入LS-SVM模型，得到S1所述Box-BenhnkenDesign分析方案的预测综合评价值；S5，使用均方误差MSE对LS-SVM模型的模拟性能进行评估，其中MSE＝，m为数据集组数，yi为LS-SVM的预测综合评价值，Yi为真实综合评价值本发明专利技术涉及中药提取技术领域。本发明专利技术，解决了现有技术处理高纬度非线性问题不稳定的缺陷的问题。线性问题不稳定的缺陷的问题。线性问题不稳定的缺陷的问题。

【技术实现步骤摘要】
一种基于LS-SVM模型的红花有效成分超声提取工艺


[0001]本专利技术涉及中药提取
，特别是涉及一种基于LS-SVM模型的红花有效成分超声提取工艺。

技术介绍

[0002]红花是一味传统中药，具有祛瘀止血、活血通经、清心除烦等功效。红花在药理方面具有保护心血管、改善血液循环、抗氧化、保护脑组织缺血、保护再灌注损伤、增强耐缺氧能力和改善肾功能等作用。红花的有效成分主要有两类，脂溶性的红花酮类化合物和水溶性的酚酸类化合物，其中发挥积极作用的有效成分多达几十种。
[0003]支持向量机(SupportVectorMachine，SVM)是一种解决回归问题的机器学习模型，通过引入核函数使其解决繁琐的非线性问题，避免出现高纬度空间计算的“维数灾难”问题。最小二乘支持向量机模型(LeastSquaresSupportVectorMachine，LS-SVM)是对支持向量机模型的进一步改进，通过转化目标函数和优化等式条件，提高运算速度和降低计算复杂度。目前许多研究者常借助Matlab环境下运行神经网络模型对中药提取数据进行分析，但是运用最小本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于LS-SVM模型的红花有效成分超声提取工艺，其特征在于，包括有以下步骤：S1，根据Box-BenhnkenDesign原理对红花有效成分HSYA和AHSYB超声提取，各工艺的有效成分提取率及真实综合评价值进行实验测定，得到m组分析方案实验数据集D＝{(X1，Y1)，(X2，Y2)，
…
，(X
m
，Y
m
)}，X1，X2…
X
m
为m种提取因素工艺组合，Y1，Y2…
Y
m
为与提取因素工艺组合对应的m种提取率的真实综合评价值；S2，建立最小二乘支持向量机模型LS-SVM，基于Matlab语言环境，设立提取因素x
i
和综合评价值y，得到提取因素x1，x2…
x
i
与提取率的预测综合评价值y之间的定量关系；S3，优选模型参数核参数g和惩罚因子C，核函数采用径向基核函数RBF，利用Matlab软件编辑，由交叉验证方法同时对g和C进行交叉验证...

【专利技术属性】
技术研发人员：应雨棋，虞立，金伟锋，
申请(专利权)人：浙江中医药大学，
类型：发明
国别省市：