机器学习辅助增强白茶提取效率使用混合GMDH模型在微波辅助提取中

科学领域:

• 食品化学 食品化学
• 分析化学 分析化学
• 生物技术是生物技术.

背景情况:

• 白茶具有高抗氧化剂含量,与各种健康益处有关.
• 化合物是白茶抗氧化特性的主要贡献者.
• 有效的提取方法对于最大限度地回收这些有益的化合物至关重要.

研究的目的:

• 研究微波辅助提取 (MAE) 以优化从白茶中提取全部化合物的方法.
• 使用数据处理组方法 (GMDH) 变体来建模和预测提取效率.
• 为了比较基线GMDH,GMDH-GA和GMDH-HS模型的性能.

主要方法:

• 微波辅助提取 (MAE) 用于各种参数:微波功率,提取时间,温度和固体与溶剂的比率.
• 组数据处理方法 (GMDH) 模型,包括GMDH-GA和GMDH-HS,用于预测建模.
• 模型性能使用诸如d-index,规范根平均平方误差 (NRMSE) 和纳什-萨特克利夫效率 (NSE) 等指标进行评估.

主要成果:

• 所有的GMDH模型都表现出对总含量和IC50值的高预测能力.
• 优化了和搜索算法 (GMDH-HS) 的GMDH显著优于其他模型.
• GMDH-HS与实验数据达成了很好的一致性 (d指数> 0.998),并将预测错误 (NRMSE < 0.02) 降至最低.

结论:

• GMDH-HS模型在预测和优化使用MAE从白茶中提取化合物的方面非常有效.
• 将GMDH与和搜索算法混合,为提取过程中的复杂建模提供了一个强大的方法.
• 这项研究突出了提升自然产品提取效率和产量优化的潜力.