用响应表面方法与人工神经网络相结合,模拟和优化Chebulae Fructus中的酸
Junkai Wu1, Fan Yang2, Liyang Guo2
1School of Pharmacy, Quanzhou Medical College, Quanzhou 362011, China.
Molecules (Basel, Switzerland)
|August 29, 2024
概括
这项研究优化了使用人工神经网络 (ANN) 和响应表面方法 (RSM) 从Chebulae Fructus提取ellagic acid (EA). 安恩为最大限度地提高EA产量提供了更准确的预测,确定了最佳的提取参数.
科学领域:
- 植物化学 植物化学
- 自然产品化学 自然产品化学
- 过程优化 过程优化
背景情况:
- (Chebulae Fructus) 是一个传统的中国医学.
- 酸 (EA) 是一种在Chebulae Fructus中发现的关键生物活性化合物.
- 优化EA提取对于其药用应用至关重要.
研究的目的:
- 为了确定来自Chebulae Fructus (CF) 的基酸 (EA) 的最佳提取参数.
- 为了比较人工神经网络 (ANN) 和响应表面方法 (RSM) 在提取优化方面的有效性.
- 建立在工业规模上最大限度地提高EA产量的条件.
主要方法:
- 使用响应表面方法 (RSM) 和人工神经网络 (ANN) 模型.
- 研究的主要提取变量:乙醇度,温度,液体-固体比率和时间.
- 经过验证的提取在预测的最佳条件下产生了产量.
主要成果:
- 与RSM (相对误差=2.85) 相比,ANN模型显示出更高的精度 (R2=0.9970,相对误差=0.79).
- 确定了最佳提取条件:61.00%的乙醇,77°C,26mL/g的液体/固体比率,103分钟.
- 预测的最佳条件成功验证了高EA提取产量.
结论:
- 联合ANN和RSM方法有效地优化了从Chebulae Fructus中提取EA的方法.
- ANN建模为预测提取效率提供了更高的精度.
- 确定的最佳参数为工业规模的酸生产提供了基础.
更多相关视频
09:12Optimization of Processing of Tiebangchui with Highland Barley Wine Based on the Box-Behnken Design Combined with the Entropy Method
Published on: May 19, 2023
600
09:16Author Spotlight: Optimization of Processing Technology for Tiebangchui with Zanba Based on CRITIC Combined with Box-Behnken Response Surface Method
Published on: May 12, 2023
1.1K
