【技术实现步骤摘要】
本专利技术涉及数据处理，特别是指一种中药饮片炮制过程中质量数据在线管理方法及系统。
技术介绍
1、近年来，随着信息技术和数据分析技术的不断发展，越来越多的企业开始尝试将数据分析技术应用于中药饮片的生产过程中。其中，通过收集并分析炮制过程中的关键质量数据，可以实现对中药饮片质量的实时监控和预测。然而，在实际应用过程中，仍然存在一些缺陷。
2、例如，还有一些预测模型的参数调整方法多依赖于人工经验或试错法，需要耗费大量的时间和人力成本进行反复尝试和调整。这不仅影响了预测模型的预测精度和实时性，还增加了生产成本。
3、再例如，在中药饮片炮制过程中，由于原料药材的差异性、设备故障或操作失误等原因，可能导致出现异常数据。现有的参数调整方法有的缺乏对异常数据的识别和处理能力，导致模型在预测过程中受到异常数据的干扰，降低预测精度。
技术实现思路
1、本专利技术要解决的技术问题是提供一种中药饮片炮制过程中质量数据在线管理方法及系统，提高了模型的预测精度和实时性，降低了生产成本。
2、为解决上述技术问题，本专利技术的技术方案如下：
3、第一方面，一种中药饮片炮制过程中质量数据在线管理方法，所述方法包括：
4、步骤11，实时收集并记录中药饮片炮制过程中的各项关键质量数据；
5、步骤12，对关键质量数据进行清洗和预处理，以得到预处理后的质量数据；
6、步骤13，从预处理后的质量数据中提取与中药饮片质量相关的关键特征，包括炮
7、步骤14，在初始数据融合阶段，使用加权平均算法对预处理后的质量数据进行初步融合，以得到初步融合数据；通过人工蜂群算法优化加权平均算法中的权重分配；在人工蜂群算法中，将每只蜜蜂视为一种权重组合方案；定义一个用于评估各种权重组合下的数据融合效果的适应度函数；通过模拟蜜蜂的觅食和搜索行为，不断迭代以寻找优化后的权重组合；使用优化后的权重组合进行融合，以得到最终的融合数据；
8、步骤15，利用最终的融合数据对中药饮片炮制过程中的关键质量指标进行实时监控；当检测到异常数据模式时，根据异常数据中的关键特征，自动触发预设的预警；
9、步骤16，利用蚁群优化算法对用于质量预测的神经网络模型的参数进行优化；通过模拟蚂蚁的觅食行为和信息素更新机制，在参数空间中搜索最终解，以得到优化后的参数；使用优化后的参数重新训练神经网络模型，以得到训练后神经网络模型；根据训练后神经网络模型预测中药饮片质量趋势。
10、进一步的，关键质量数据包括原料药材的性状、重量、炮制时间、炮制温度、炮制湿度、辅料用量，以及炮制设备的运行状态和故障情况。
11、进一步的，初步融合数据的计算公式为：
12、；
13、其中，表示第个数据源在第个时间点的数据值；表示第个数据源在第个时间点对应的真实值；表示真实值的最大值；表示第个数据源在第个时间点的缺失值数量；表示第个数据源在第个时间点的总数据值的数量；表示第个数据源在第个时间点的数据时间戳；表示当前的时间点；表示时间衰减率；表示时效性衰减率；表示数据准确性的权重系数；表示数据完整性的权重系数；表示数据时效性的权重系数；表示第个数据源的权重系数；表示数据源的总数；表示时间点的总数；和表示索引值；表示自然对数的底数；表示初步融合数据的值。
14、进一步的，通过人工蜂群算法优化加权平均算法中的权重分配；在人工蜂群算法中，将每只蜜蜂视为一种权重组合方案；定义一个用于评估各种权重组合下的数据融合效果的适应度函数；通过模拟蜜蜂的觅食和搜索行为，不断迭代以寻找优化后的权重组合，包括：
15、为权重系数、和设定对应的取值范围；
16、设定蜜蜂群体的规模，即权重组合方案的总数，每只蜜蜂代表一组、和的值；
17、定义用于评估每种权重组合下的数据融合效果的适应度函数；
18、每只雇佣蜂，即当前权重组合方案在其邻域内搜索新的权重组合，计算新权重组合的适应度值，将新权重组合的适应度值与当前权重组合的适应度值进行比较，以更新当前权重组合为新组合；
19、观察蜂根据雇佣蜂提供的适应度信息选择对应的权重组合进行搜索，选中后，观察蜂将执行与雇佣蜂相关的搜索和选择过程；若其中一个权重组合在连续多次迭代中未能得到改善，则派遣侦查蜂进行随机搜索，以探索空间中的余下的区域，侦查蜂则随机生成新的权重组合，并计算其适应度值；
20、重复执行雇佣蜂、观察蜂和侦查蜂的搜索过程，直到满足终止条件，在迭代结束后，输出对应的权重组合作为优化后的权重组合。
21、进一步的，适应度函数的计算公式为：
22、；
23、其中，是适应度函数的值；表示初步融合数据的总数；表示第个初步融合数据的值；表示第个初步融合数据的真实值；表示第个初步融合数据的误差值；表示所有初步融合数据中误差的最大可能值；表示调节参数；表示自然对数的底数。
24、进一步的，利用最终的融合数据对中药饮片炮制过程中的关键质量指标进行实时监控；当检测到异常数据模式时，根据异常数据中的关键特征，自动触发预设的预警，包括：
25、根据中药饮片炮制的工艺要求和行业标准，设定关键质量指标的正常范围，包括温度波动范围、湿度控制范围和炮制时长；
26、收集并进行预处理历史融合数据，以得到预处理后的历史融合数据；
27、使用预处理后的历史融合数据训练支持向量机，以得到训练后的支持向量机；
28、接收最终的融合数据，并将其输入到训练后的支持向量机，以得到预测结果；
29、根据关键质量指标的正常范围以及预测结果，对最终的融合数据进行异常检测，判断最终的融合数据是否偏离关键质量指标的正常范围；
30、当识别到异常数据时，提取异常数据的关键特征；
31、根据异常数据的关键特征，进行异常预警。
32、进一步的，关键特征包括异常类型、异常程度和持续时间。
33、进一步的，利用蚁群优化算法对用于质量预测的神经网络模型的参数进行优化；通过模拟蚂蚁的觅食行为和信息素更新机制，在参数空间中搜索最终解，以得到优化后的参数；使用优化后的参数重新训练神经网络模型，以得到训练后神经网络模型，包括：
34、确定需优化的神经网络模型的参数，参数包括权重和偏置；为神经网络模型的参数设定对应的搜索范围和初始值；确定蚂蚁数量，即解的数量；
35、在参数空间内随机生成每只蚂蚁的初始位置，即神经网络参数的初始解；
36、对于每只蚂蚁，使用其当前位置的参数值来配置神经网络模型，定义一个用于评估神经网络模型性能优劣的适应度函数，并计算对应的适应度值；
37、根据每只蚂蚁的适应度值，更新其路径上的信息素浓度；
38、每只蚂蚁根据当前位置周围的信息素浓度和启发式信息，选择本文档来自技高网...
【技术保护点】
1.一种中药饮片炮制过程中质量数据在线管理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种中药饮片炮制过程中质量数据在线管理方法，其特征在于，关键质量数据包括原料药材的性状、重量、炮制时间、炮制温度、炮制湿度、辅料用量，以及炮制设备的运行状态和故障情况。
3.根据权利要求2所述的一种中药饮片炮制过程中质量数据在线管理方法，其特征在于，初步融合数据的计算公式为：
4.根据权利要求3所述的一种中药饮片炮制过程中质量数据在线管理方法，其特征在于，通过人工蜂群算法优化加权平均算法中的权重分配；在人工蜂群算法中，将每只蜜蜂视为一种权重组合方案；定义一个用于评估各种权重组合下的数据融合效果的适应度函数；通过模拟蜜蜂的觅食和搜索行为，不断迭代以寻找优化后的权重组合，包括：
5.根据权利要求4所述的一种中药饮片炮制过程中质量数据在线管理方法，其特征在于，适应度函数的计算公式为：
6.根据权利要求5所述的一种中药饮片炮制过程中质量数据在线管理方法，其特征在于，利用最终的融合数据对中药饮片炮制过程中的关键质量指标进行实时监控；
7.根据权利要求6所述的一种中药饮片炮制过程中质量数据在线管理方法，其特征在于，关键特征包括异常类型、异常程度和持续时间。
8.根据权利要求7所述的一种中药饮片炮制过程中质量数据在线管理方法，其特征在于，利用蚁群优化算法对用于质量预测的神经网络模型的参数进行优化；通过模拟蚂蚁的觅食行为和信息素更新机制，在参数空间中搜索最终解，以得到优化后的参数；使用优化后的参数重新训练神经网络模型，以得到训练后神经网络模型，包括：
9.一种中药饮片炮制过程中质量数据在线管理系统，其特征在于，应用于如权利要求1至8任一项所述的方法中，包括：
10.一种计算设备，其特征在于，包括：
...【技术特征摘要】
1.一种中药饮片炮制过程中质量数据在线管理方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种中药饮片炮制过程中质量数据在线管理方法，其特征在于，关键质量数据包括原料药材的性状、重量、炮制时间、炮制温度、炮制湿度、辅料用量，以及炮制设备的运行状态和故障情况。
3.根据权利要求2所述的一种中药饮片炮制过程中质量数据在线管理方法，其特征在于，初步融合数据的计算公式为：
4.根据权利要求3所述的一种中药饮片炮制过程中质量数据在线管理方法，其特征在于，通过人工蜂群算法优化加权平均算法中的权重分配；在人工蜂群算法中，将每只蜜蜂视为一种权重组合方案；定义一个用于评估各种权重组合下的数据融合效果的适应度函数；通过模拟蜜蜂的觅食和搜索行为，不断迭代以寻找优化后的权重组合，包括：
5.根据权利要求4所述的一种中药饮片炮制过程中质量数据在线管理方法，其特征在于，适应度函数的计算公式为：
<...【专利技术属性】
技术研发人员：林永强，崔伟亮，杨纯国，易贤兵，李慧芬，叶家伟，王文天，许世超，黄厂，李传盛，黄守耀，高俣柔，
申请(专利权)人：山东一方制药有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。