Box-Behnken试验设计-响应面优化金针菇多糖的工艺

以金针菇子实体为研究体系,多糖得率为指标,通过Box-Behnken试验设计,结合响应面分析法,建立回归方程,得到酶解预处理-微波辅助提取金针菇多糖的最佳工艺条件:果胶酶质量分数2.5%,pH=4,微波功率650 W,酶解温度40℃,酶解时间45 min,液固比25 m L/g,微波辐射150 s。在此条件下多糖得率可达(11.35±0.10)%,且扫描电子显微镜(SEM)照片显示,该工艺条件对金针菇组织结构破坏明显。     

山药多糖提取工艺响应面法优化

为优化山药多糖提取工艺,以山药多糖得率为指标,在单因素考察基础上,根据Box-Behnken中心组合方法进行三因素(提取温度、提取时间、水物质量比)三水平的试验设计,以得率为响应值,进行响应面(RSM)分析。得到的优化工艺参数为:提取温度为71.1℃,提取时间为4.12 h,水物比为23.3。在此条件下,山药多糖的理论得率为6.846%,实际得率为6.75%。     

响应面法优化黄精叶多糖水提工艺

为建立与优化黄精叶多糖提取工艺,采用水提法提取黄精叶多糖,利用蒽酮-硫酸法测定多糖含量.以多糖提取率及出膏率为试验指标,在单因素试验基础上,通过三因素三水平Box-Behnken响应面法(RSM)优化黄精叶中多糖的提取条件.结果显示黄精叶多糖最佳提取工艺为:提取温度75℃,液料比15∶1,提取时间2.5 h.在此条件下,药材的出膏率为(47.65±0.16)%、多糖得率为(7.21±0.073)%.该水提工艺条件稳定可行,多糖得率较高.     

融合多策略的黄金正弦灰狼优化算法

【目的】为解决灰狼优化算法(grey wolf optimization, GWO)收敛精度不高,收敛速度较慢和易陷入局部最优等不足,提出一种融合多策略的黄金正弦灰狼优化算法(golden sine grey wolf optimization, G-GWO)。【方法】首先,利用非线性调整收敛因子、动态调整比例权重和引入黄金正弦策略对GWO算法进行改进;然后,选取三类基准测试函数进行寻优实验,并与GWO算法、其他智能优化算法和其他改进GWO算法进行对比,从寻优的收敛精度、鲁棒性和收敛速度方面验证G-GWO算法的优越性;最后,建立板料冲压成形工艺参数与质量参数的BP神经网络(BP neural network, BPNN)代理模型,选用8种算法分别优化BP神经网络的权值和阈值,对比优化后的代理模型精度,验证G-GWO算法在实际工程应用中的有效性。【结果】G-GWO算法在三类基准测试函数的收敛精度、鲁棒性和收敛速度较其他算法均有较大优势,优化后的代理模型最大减薄率相对误差为3.47%,最大增厚率相对误差为4.99%。【结论】改进策略能提高GWO算法的性能,这可作为建立高精度代理模型和后续的...     

插田泡果实花色苷萃取方法比较及微波萃取条件优化

为完善插田泡果实花色苷的萃取方法及提高花色苷得率,比较了微波辅助法、超声波辅助法、超声-微波协同萃取法3种方法对花色苷得率的影响,并选取微波功率、微波提取时间、酸化乙醇体积分数(pH值为2)3个因素进行Box-Behnken试验设计,利用响应面法对插田泡花色苷的微波萃取工艺进行优化,建立了插田泡果实花色苷得率的回归方程。结果表明,微波萃取法的花色苷得率远高于超声波辅助法及超声-微波协同萃取法。插田泡果实花色苷的优化微波萃取工艺参数为微波功率148W、微波提取时间1.10min、酸化乙醇体积分数74%(pH值为2),该条件下花色苷得率可达372.39mg/100g。     

枸杞蜂花粉多糖超声波提取工艺优化及抗氧化活性分析

为确定枸杞蜂花粉多糖的最佳提取工艺,采用Box-Behnken试验设计,以提取得率为考察指标,优化超声辅助提取枸杞蜂花粉多糖的工艺,并研究了优化提取工艺条件下多糖的体外抗氧化活性。实验结果表明,超声辅助提取枸杞蜂花粉多糖的优化工艺为:料液比(g/mL)1∶25、提取温度90℃、超声功率240W、超声时间20min,多糖的得率为0.89%~0.91%,与预测值结果相符,表明模型拟合良好、优化工艺可行。体外抗氧化活性实验表明,枸杞蜂花粉多糖有较好的DPPH自由基和ABTS⁺自由基清除能力,但FRAP值较低。研究结果可为枸杞蜂花粉多糖的开发利用提供一定依据。     

微波辅助提取水芫花多糖工艺研究

本文应用单因素试验对水芫花多糖的提取时间、微波功率、料液比三个因素进行筛选取优,运用响应面设计并拟合建立水芫花多糖提取的回归方程,然后分析响应面图并确定最优工艺参数。最佳方案为:提取时间为6 min,微波功率为300 W,料液比为1:35 g·mL~(-1),在此条件下多糖提取率为9.963 6%。响应面模型相对误差仅为1.12%,表明此模型准确而可靠,可以用于指导水芫花多糖提取工艺的优化。该研究优化了水芫花多糖的提取工艺,提高了多糖提取率,为水芫花多糖相关生物活性的进一步研究提供了支持与理论依据。     

响应面优化西兰花水溶性膳食纤维提取及其理化性质

以西兰花为原料,采用响应面法超声波辅助柠檬酸提取西兰花水溶性膳食纤维(SDF)的工艺进行优化。在单因素的基础上,采用Box-Behnken试验设计,对影响西兰花SDF得率的液料比、超声时间、提取温度、柠檬酸浓度等工艺条件进行优化,建立了提取工艺与西兰花SDF得率的二次多项式模型。结果表明,超声波辅助提取西兰花SDF的最佳工艺条件为:液料比16 mL/g,超声时间30 min,超声温度72℃、柠檬酸浓度6.1%,西兰花SDF得率为14.61%,与模型预测值相比,其相对误差为1.02%,验证了该模型的有效性,该研究所得西兰花SDF的持水力和膨胀力分别为4.94 g/g和5.87 mL/g,具有良好的品质,可应用于相关焙烤食品中。     

基于正交试验和BPNN-GA混合算法的注塑工艺参数优化

通过优化工艺参数,提高注塑件的成型质量.以汽车后视镜为例,建立注塑件的计算机辅助工程模型.运用正交试验设计方法与注塑工艺数值模拟相结合,通过对仿真结果方差分析,综合评估了注塑过程中的模具温度、熔体温度、注射时间、保压压力和保压时间等对注塑成型关键质量特性翘曲的影响规律.利用仿真实验数据训练BP神经网络模型(BPNN),结合遗传算法(GA)以翘曲最小为约束条件优化注塑工艺参数.     

Box-Behnken法优化葛根总黄酮的微波提取条件

采用响应面法中Box-Behnken优化微波提取葛根总黄酮的最佳条件.根据试验设计,研究了微波功率、提取时间、液固比等条件对总黄酮得率的影响.建立了总黄酮得率与因素变量的二次回归模型方程,模型极其显著.优化最佳提取条件为:以80%的乙醇为提取溶剂,微波功率417 W,提取时间10 min,液固比40∶1 mL·g-1,...     

灵芝水溶性和碱溶性多糖的提取工艺优化

对灵芝多糖的微波辅助水提取、碱提取工艺进行探究。以多糖得率为指标,采用响应面分析法对灵芝多糖的微波辅助水提取和碱提取工艺进行优化。水提取的最佳工艺条件为：微波功率325 W,料液质量比1∶35、提取时间24 min;碱提取的最佳工艺条件：NaOH质量分数5.4%,料液质量比1∶35、提取温度40℃、提取时间75 min。利用优化后的工艺对沪农灵芝和龙芝2号的子实体进行多糖提取,水溶性多糖(GLP1)得率均大于1%,碱溶性多糖(GLP2)得率均大于5%。多糖的红外谱图显示：沪农灵芝的GLP1、GLP2和龙芝2号的GLP1、GLP2均有可能是氨基多糖;沪农灵芝的GLP2和龙芝2号的GLP2中存在吡喃糖环、甘露糖苷。优化后的工艺能显著提高灵芝水溶性、碱溶性多糖产量,不同灵芝材料中水溶性多糖、碱溶性多糖具有差异性。     

微波辅助技术优化猪肚菇多糖提取工艺

为提高猪肚菇多糖提取率、缩短提取时间,本文利用微波辅助提取技术提取猪肚菇粗多糖,以多糖得率为指标,确定鲜品干燥预处理温度为50℃,通过单因素实验和正交实验优化提取工艺条件,确定了最优提取工艺条件为:在料液比(g:mL)为1:30,功率为520W的微波下辐射20min,并于80℃水浴下浸提时间2h后获得最大的多糖得率为13.63%.     

G-BP算法在烧结矿FeO指标预测中的应用

实现烧结过程工艺参数的优化,首先要进行烧结矿质量预测·采用遗传算法与BP神经网络相结合的方法,建立了烧结矿FeO含量预测模型,并改进BP学习算法·仿真表明,该方法可以优化神经网络结构,缩短学习时间·与传统的BP神经网络模型相比,预测值与实际值间的相对误差由6534%降低至1400%,其精度高于传统BP网络模型·该方法为实现在线预测奠定基础·     

红边光谱谐波分析的神经网络法叶绿素含量反演研究

叶绿素含量测定对于了解作物生长状况具有重要意义。为实时、快速、准确获取叶绿素含量,研究了玉米叶片叶绿素含量的BP神经网络(BPNN)法高光谱反演模型;而BPNN输入因子的选择是建立反演模型的关键。已有研究证明作物红边光谱与叶绿素含量有较强的相关性,为避免红边参数提取的不确定性,提高建模精度与效率,运用红边光谱的频率域谐波分析(HA)技术获得谐波余项、振幅和相位等能量谱特征分量(ESCC);并选择具有强相关性的10个ESCC进行主成分分析后,取前4位主分量作为BPNN的输入因子,进而进一步强化其相关性来构建叶绿素含量反演模型。同时,分别用遗传算法(GA)和小波基(wavelet-based)函数优化BPNN结构,建立GA-BPNN、WNN反演模型。实验通过比较BPNN、GA-BPNN、WNN模型和常规的多元线性回归(MLR)模型的玉米叶片叶绿素含量反演结果,得出非线性的BPNN模型要明显优于线性的MLR模型;而在神经网络模型中,GA-BPNN优化模型的反演精度最高。     

翻白草生物碱提取工艺优化研究

为优化翻白草生物碱提取工艺条件,通过单因素及析因试验,确定对翻白草生物碱得率影响显著的因素,进一步采用Box-Behnken试验设计安排试验,利用BP神经网络结合遗传算法对翻白草生物碱提取工艺进行优化。综合以上研究,确定翻白草生物碱最优的提取工艺为:乙醇浓度77%,料液比1∶17 g/mL,提取温度65℃,提取时间90 min。在此条件下,翻白草生物碱得率达0.4251 mg/g。试验结果可为翻白草生物碱进一步的开发及应用研究奠定基础。     

基于PSO-BP神经网络的砂岩三轴抗压强度预测

为研究砂岩在水和温度作用下的抗压强度特性,以三峡库区砂岩为研究对象,进行温度场、渗流场、应力场耦合试验研究,建立了粒子群优化BP神经网络(PSO-BPNN)预测模型,该模型考虑了影响砂岩抗压强度的多种因素(温度、孔隙水压等),预测砂岩三轴抗压强度值.较传统BP神经网络(BPNN)模型,PSO-BP神经网络模型能够更好地预测三场耦合作用下砂岩的抗压强度变化特征,预测精度更高.     

基于BP神经网络的刻蚀偏差预测模型

刻蚀是将设计版图转化为到晶圆图形的重要步骤,刻蚀质量的好坏直接关系到芯片或集成电路的性能,而影响刻蚀质量(蚀刻偏差)的孔径效应和微负载效应在很大程度上取决于版图密度、图案间距等布局特征。为了探究在固定刻蚀工艺参数下的版图特征对刻蚀偏差影响,本文提出了基于BP神经网络的刻蚀偏差预测模型。首先,对一维版图的特征提取并建立用于训练模型和测试模型的训练集与测试集,然后,训练和优化该BP神经网络模型。实验结果表明,该模型预测值的绝对误差可达±2 nm以下,而相对于真实刻蚀偏差的相对误差可达10%以下。因此在较大技术节点下,这种基于BP神经网络模型的预测精度是可以接受的。     

微波辅助分步提取葡萄籽黄酮和多糖

以葡萄籽为材料,采用单因素和正交实验优化葡萄籽黄酮和多糖的微波辅助分步提取工艺。结果表明:黄酮提取的最佳条件:70%乙醇,料液比1:10(g/m L),微波功率100 W处理60 s,黄酮得率为57.73 mg/g;将提取黄酮后自然晾干的葡萄籽渣按料液比1:25(g/m L)加入水,微波功率150 W处理40 s,多糖得率为52.47 mg/g。优化后的微波辅助分步提取葡萄籽黄酮和多糖的方法,操作简单、快速、高效,提高了葡萄籽的附加值。     

充填膏体流变参数优化预测模型

为了更精确地对充填膏体流变参数进行优化预测,建立主成分分析法(PCA)和改进的BP神经网络(I-BPNN)相结合的优化预测模型。以某金属矿山充填膏体配比实验为基础,利用主成分分析法对充填膏体流变参数影响因素(膏体质量分数、砂灰质量比、料浆容重和坍落度等)进行预处理,得出主成分,再利用改进BP神经网络模型进行预测,最终得到更准确的充填膏体流变参数预测结果。研究结果表明:该模型对充填膏体屈服应力、黏度等流变参数优化预测的相对误差都控制在5%以内,较未经主成分分析的BP神经网络预测结果,经主成分分析后,屈服应力预测相对误差降低0.48%~7.29%和黏度相对误差降低1.67%~6.20%,表明该模型对充填膏体流变参数预测是合理、有效的,屈服应力与黏度的预测精度显著提高,为充填膏体流变参数优化预测提供了一种新思路。     

基于GA和BP神经网络的教学质量评价模型研究

为了有效准确地评价教学质量,提出了一种基于遗传算法(GA)和反向传播神经网络(BPNN)的混合智能算法,用于评价教学质量.首先建立教学质量评价指标体系,根据指标体系设计调查问卷,收集数据,并通过GA优化BPNN参数方法建立教学质量评价模型.通过MATLAB2013b进行仿真实验,依据预测精度评价模型的性能,并与仅由反向传播神经网络方法建立的模型进行比较.预测精度提高15.45%,表明基于GA-BPNN教学质量评价模型能够有效实现教学质量的评价.