中国中药杂志

2019, v.44(24) 5390-5397

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于PCA-RBF神经网络的中药片剂物料属性-抗张强度预测模型的研究
Material properties and tensile strength prediction model of traditional Chinese medicine tablets based on PCA-RBF neural network

赵海宁;王亚静;商利娜;周梦楠;张怡;叶相印;王雁雯;高迪;

摘要(Abstract):

构建基于主成分分析-径向基神经网络(PCA-RBF)的物料属性-抗张强度模型,对中药片剂的成型性进行预测。首先采用Design Expert 8. 0软件对不同类型提取物的用量进行混料实验设计,得到具有不同物理性质的中药提取混合物,并测定各提取物的粉体学性质和片剂抗张强度,利用PCA消除原始输入层数据的相关性,降低数据维度,减小网络规模,得到彼此不相关的新变量作为RBF神经网络的输入数据进行训练,并对片剂的抗张强度进行预测。实验结果表明构建的PCA-RBF模型对于片剂抗张强度具有很好的预测效果,最小相对误差为0. 25%,最大相对误差为2. 21%,平均误差为1. 35%,拟合度较高,表现出较好的网络预测精度。该研究初步构建了基于PCA-RBF的中药片剂物料属性-抗张强度的预测模型,为中药制剂质量有效控制方法的建立提供参考。

关键词(KeyWords): 中药提取物;粉体学性质;抗张强度;片剂成型性;径向基神经网络;主成分分析;预测模型

Abstract:

Keywords:

基金项目(Foundation): 国家“重大新药创制”科技重大专项(2018ZX09721-005);; 天津市科技计划项目(18ZXXYSY00130)

作者(Author): 赵海宁;王亚静;商利娜;周梦楠;张怡;叶相印;王雁雯;高迪;

Email:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享