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

论文摘要

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。

论文目录

• 1 材料
• 2 方法
•   2.1 原浸膏粉的处理
•   2.2 不同类型中药提取混合物的制备
•   2.3 粉体学性质的测定
•     2.3.1 休止角
•     2.3.2 松密度
•     2. 3. 3振实密度
•     2.3.4 Hausner比值（HR）及压缩度（C）
•     2.3.5 真密度[17]
•     2.3.6 孔隙率
•     2.3.7 含水量（MC）
•   2.4 片剂硬度及抗张强度的测定
•   2.5 数据分析
• 3 结果与分析
•   3.1 基于SPSS的主成分分析
•   3.2 PCA-RBF神经网络预测模型的构建
•     3.2.1 数据的选择
•     3.2.2 数据归一化
•     3.2.3 网络训练
•     3.2.4 模型验证
• 4 讨论

文章来源

类型: 期刊论文

作者: 赵海宁,王亚静,商利娜,周梦楠,张怡,叶相印,王雁雯,高迪

关键词: 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

来源: 中国中药杂志 2019年24期

年度: 2019

分类: 医药卫生科技

专业: 中药学

单位: 天津中医药大学,天津中医药大学现代中药发现与制剂技术教育部工程研究中心

基金: 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)

分类号: R283.6

DOI: 10.19540/j.cnki.cjcmm.20190916.303

页码: 5390-5397

总页数: 8

文件大小: 198K

下载量: 253