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

Hai-ning ZHAO,Ya-jing WANG,Li-na SHANG,Meng-nan ZHOU, Yi ZHANG,Xiang-yin YE,Yan-wen WANG,Di GAO

Zhongguo Zhong yao za zhi = Zhongguo zhongyao zazhi = China journal of Chinese materia medica（2019）

引用 3|浏览2

暂无评分

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.

查看译文

关键词

powder properties,prediction model,principal component analysis,radial basis neural network,tablet formability,tensile strength,traditional Chinese medicine extract

AI 理解论文

溯源树

样例

生成溯源树，研究论文发展脉络

Chat Paper

正在生成论文摘要