全 文 ： 1
基于 BP 神经网络和遗传算法优化茺蔚子水苏碱提取工艺的研究
周苏娟1，赵斌 2，孟江 1，蒋世忠 1，贾天柱 3，梁生旺 1
（1.广东药学院，广东 广州 510006；
2.中山火炬职业技术学院，广东 中山 528436；
3. 辽宁中医药大学，辽宁 大连 116600）
摘要：【目的】 优化茺蔚子中水苏碱的提取工艺。 【方法】 采用正交设计，应用BP人工神经网络建立茺蔚子水苏碱提取时
间、乙醇浓度、料液比与盐酸水苏碱含量之间的关系模型，再结合遗传算法优化提取工艺参数。 【结果】 提取工艺优化参数为：
提取时间62 min、乙醇浓度69%、料液比11倍，网络模型优化结果稍优于正交试验结果。 【结论】 BP神经网络结合遗传算法寻
优，能较好地实现茺蔚子水苏碱提取工艺参数的优化，为解决多维非线性系统的工艺参数优化问题提供了一个崭新而有效的途径。
关键词：BP神经网络；遗传算法；茺蔚子；水苏碱；工艺优化
中图法分类号：TP391.9 文献标志码：A
Optimization of Preparation Technology of Total alkaloids in Fructus Leonuri
Based on Back-propagation Neural Network and Genetic Algorithm
周苏娟ZHOU Sujuan1, ZHAO Bin2，MENG Jiang1, JIANG Shizhong1, JIA
Tianzhu
3，LIANG Shengwang1
（1.Guangdong Pharmaceutical University，Guangzhou 510006 Guangdong，
China; 2. Zhongshan Torch Polytechnic, Zhongshan 528436 Guangdong, China;
3. Liaoning University of Traditional Chinese Medicine, Dalian 116600
Liaoning, China)
Abstract：Objective To optimize the preparative procedure for stachydrine in Fructus
Leonuri．Methods The preparation was screened by orthogonal experiment, and a
mathematical model of relationship of extraction time, methanol concentration, and
solid-liquid ratio with the content of stachydrine hydrochloride was established by using
back-propagation(BP) neural network. And the process parameters were optimized with
genetic algorithm (GA). Results The optimum process parameters were as follows:
extraction with 69% of methanol concentration and with solid-liquid ratio being 11 times
for 62 min. The content of stachydrine obtained by BP neural network modeling and GA
was higher than that achieved by orthogonal experiment. Conclusion The optimum
preparative procedure could be achieved by combining BP modeling with GA. The
model developed in this study was proved to be predictable and feasible for the
optimization of process parameters of multi-dimension nonlinear system.
Key words：BP neural network；Genetic algorithm；Fructus Leonuri/chemistry；
Stachydrine/analysis；Technology optimization; Chromatography, high pressure liquid
茺蔚子为唇形科植物益母草 1eonurus japonicus Houtt 的干燥成熟果实，性味辛，甘，微寒，归心包、肝
经。有活血调经，清肝明目，降血脂，抗血小板聚集等功效，用于月经不调，经闭痛经，目赤翳障，头晕胀痛
等症[1]。始载于《神农本草经》，列为上品，历代本草、药典均有收载。茺蔚子化学成分主要为生物碱类、黄
酮类、油脂类及挥发油类成分[2]。水苏碱为茺蔚子的主要药效活性成分，具有活血调经，利尿消肿，收缩子宫
收稿日期：2015-01-16
作者简介：周苏娟（1978-），女，硕士，讲师；E-mail：susona2002@163.com
通讯作者：孟江（1976-），女，博士，教授；E-mail：jiangmeng666@126.com
基金项目：2015 版中国药典项目，国家中医药管理局中医药行业科研专项(编号：201207004-7)
网络出版时间：2015-05-20 09:21
网络出版地址：http://www.cnki.net/kcms/detail/44.1425.R.20150520.0921.004.html
2
等作用[3-5]，但关于茺蔚子中水苏碱提取工艺、质量分析鲜有报道。本实验在正交试验结果基础上，利用误差
反向后传（Back Propagation，BP）人工神经网络建模结合遗传算法优化茺蔚子中水苏碱提取工艺，为茺蔚子
水苏碱的研究开发和质量控制提供科学依据，现报道如下。
1 仪器与试药
茺蔚子药材分别采集于四川，经广东药学院中药学院刘基柱副教授鉴定为唇形科植物益母草Leonurus
japonicus Houtt.的干燥成熟果实；盐酸水苏碱对照品（批号为：110712-201111），购自中国食品药品检定所；
乙腈、乙醇为欧普森（Oceanpak）公司色谱纯，水为屈臣氏蒸馏水，其余试剂均为分析纯。
SIL-20A液相色谱仪（日本岛津公司）；Alltech ELSD 3300蒸发光散射检测器（美国 GRACE）；KQ-500E
型超声仪（昆山市超声仪器有限公司）；DFY-400粉碎机（上海江仪仪器有限公司），AY120型电子分析天平（万
分之一，日本岛津公司）等。
2 方法与结果
2.1 色谱条件 色谱柱：Venusil HILIC丙基酰胺键合硅胶柱（250 mm×4.6 mm，5 μm)；柱温为25℃；流动
相为乙腈-体积分数0.2%冰醋酸溶液(体积比为80:20)；流速为0.8 mL/min；进样量为10 μL；漂移管温度为70℃，
氮气流速为2 L/min。理论塔板数≥7000。上述色谱条件下，盐酸水苏碱对照品及样品的HPLC图，见图1。
A为对照品色谱图，B为样品色谱图，1为对照品色谱峰
图 1 盐酸水苏碱对照品（A）及茺蔚子样品（B）HPLC色谱图
Figure 1 HPLC results for stachydrine hydrochloride standards (A) and Fructus Leonuri samples （B）
2.2 对照品溶液的制备 取盐酸水苏碱对照品12 mg，精密称定，置于10 mL量瓶中，体积分数70%乙醇溶
解，稀释至刻度，得1.2 mg/mL的对照品液；4℃冰箱放置备用。
2.3 线性关系考察 精密吸取上述对照品溶液4、6、8、10、12、14 μL进样分析，以进样量的对数为横坐
标，以峰面积积分值的对数值为纵坐标进行回归处理，得回归方程：y = 1.4605 x + 2.3794，r = 0.9991。盐酸水
苏碱在4.8～16.8 μg范围内呈良好的线性关系。
2.4 供试品溶液制备 取茺蔚子粉末（50目）约0.5 g，精密称定，置于250 mL圆底烧瓶中，精密加入相应
浓度和体积的乙醇，称定质量，加热回流至规定的时间，放冷，再称定质量，用相应浓度的乙醇补足减失的质
量，摇匀，滤过，滤液浓缩定容到1 mL容量瓶，过0.45 μm微孔滤膜，即得。
2.5 正交试验设计和结果 根据文献报道和预实验结果，采用 L9(3
4
)正交试验法进行提取，对提取时间、
乙醇浓度和料液比进行考察，按照2.4项下制备供试液，按2.1项下方法测定，用外标两点法[6]对数方程计算其
0.0 5.0 10.0 15.0 20.0 25.0 30.0 35.0 min
250
500
750
1000
1250
mV
B
1
t/min
in
0.0 5.0 10.0 15.0 20.0 25.0 30.0 35.0 min
100
200
300
400
500
600
mV
A
1
t/min
3
含量。正交试验设计安排及结果见表1，方差分析见表2。
表 1正交试验设计及结果
Table 1 The design and results of orthogonal experiment
因素 提取时间 A/min 乙醇浓度 B/% 料液比 C/倍 D W 盐酸水苏碱（mg·g-1）
实验 1 1（30） 1（30） 1（10） 1 1.51
实验 2 1（30） 2（50） 2（15） 2 0.92
实验 3 1（30） 3（70） 3（20） 3 1.82
实验 4 2（60） 1（30） 2（15） 3 1.74
实验 5 2（60） 2（50） 3（20） 1 1.77
实验 6 2（60） 3（70） 1（10） 2 2.43
实验 7 3（90） 1（30） 3（20） 2 1.70
实验 8 3（90） 2（50） 1（10） 3 1.55
实验 9 3（90） 3（70） 2（15） 1 1.86
均值 1 1.417 1.650 1.830 1.713
均值 2 1.980 1.413 1.507 1.683
均值 3 1.703 2.037 1.763 1.703
极差 0.563 0.624 0.323 0.030
表 2方差分析
Table 2 Results of analysis of variance
因素 偏差平方和 自由度 F 比 显著性
提取时间（A） 0.476 2 476 *
乙醇浓度(B) 0.594 2 594 *
料液比(C) 0.175 2 175 *
误差(D) 0.001 2
注: *有极显著性差异，F0. 01(2，2) =99.0, F0. 05(2，2) =19. 0
由表1直观分析可知，水苏碱提取影响因素主次顺序为：乙醇浓度>提取时间>料液比，方差分析结果表明
因素A、B、C各水平间均具有显著性差异，最佳提取条件为A2B3C1，即10倍体积的70%乙醇加热回流60min。
2.6 神经网络结合遗传算法寻优 神经网络结合遗传算法寻优分为BP神经网络训练拟合与遗传算法寻优
两步，其算法流程如图2所示[7]。神经网络训练拟合以正交实验数据为基础，经过有限次迭代计算而获得一个
反映实验数据内在规律的数学模型；遗传算法把训练后的BP神经网络预测结果作为个体适应度值，通过选择、
交叉和变异操作寻找可能的全局最优值及对应输入值。
2.6.1 BP神经网络模型的建立 BP神经网络是误差反向传播的多层前馈式网络，是人工神经网络中最具代
表性和应用最为广泛的一种网络[8] 。图3是一个典型的3层BP网络，由输入层、中间层(隐含层)、输出层3部分
组成。本研究采用3层BP人工神经网络建模建立存在于实验数据间的函数关系。
4
图 2 BP神经网络遗传算法寻优算法流程 图 3 3层 BP网络结构
Figure 2 Flow chart for optimization of BP neural network and genetic algorithm
Figure 3 Three-layer BP neural network
2.6.1.1 训练样本选择 本研究采用正交试验得到了9个基本样本数据。为了建立可信的神经网络模型，需
要大量样本数据进行训练，为此引入了虚拟样本。即对网络的输入分别按±Δi，i=1，2，3，4波动，进行搭配。
这里Δi取0.1%，对每一个实际样本产生8个虚拟样本，使得参加BP人工神经网络训练和检验的样本达到81个，
加大了训练样本空间的样本密度，强化了训练过程中的记忆效果[9]。
2.6.1.2 网络模型训练与预测 将 81 个训练样本存储于 data 中，其中提取时间 A、乙醇浓度 B、料液比 C
的值作为输入数据，进样所含盐酸水苏碱的量 X 作为输出数据，从中随机抽取 70 组训练数据训练网络，11 组
测试数据测试网络拟合性能。采用 MATLAB R2010a 编程，BP 人工神经网络的训练过程见图 4，神经网络预
测误差小于 1%，如图 5 所示。
1 2 3 4 5 6 7 8 9 10 11
-4
-2
0
2
4
6
8
x 10
-3 神经网络预测误差百分比
样本
误
差
图 4 BP网络预测输出 图 5 BP神经网络预测误差
Figure 4 Test output of BP neural network Figure 5 Test error of BP neural network
2.6.2 遗传算法寻优 遗传算法是一种模拟自然界遗传机制和生物进化论而成的并行随机搜索最优化方法。
利用它的非线性寻优能力结合神经网络的非线性拟合能力可以有效地寻找函数极值。
本研究应用MATLAB软件，将人工神经网络建模和遗传算法结合进行茺蔚子水苏碱提取工艺参数的优化，
遗传算法寻优过程中，取最大进化代数为200，种群大小为10，交叉概率为 0.6，变异概率为0.1，得到每代种
群最优适应度和平均适应度及其变化结果，如图6所示。
从图6可以看出，随着进化代数增加，种群的平均适应度和最优适应度均呈现曲折上升的趋势。最后，平
均适应度向最优适应度方向靠拢，种群平均适应度趋于平稳状态，表明群体中对应于最大适应度的个体已经达
到该优化算法的最优解，优化结果是：提取时间、乙醇浓度、料液比分别为61.98、68.62、10.73。参照优化参
数计算结果，实验选择提取时间62min、乙醇浓度69%、料液比为11。
1 2 3 4 5 6 7 8 9 10 11
0.8
1
1.2
1.4
1.6
1.8
2
2.2
2.4
2.6
样本
输
出
BP网络预测输出
预测输出
期望输出
5
0 20 40 60 80 100 120 140 160 180 200
0
0.5
1
1.5
2
2.5
3
适应度曲线
进化代数
适
应
度
最优适应度
平均适应度
图6 适应度曲线
Figure 6 Fitness curve
2.7 验证试验 按以上优选的提取工艺各进行3次验证试验，BP人工神经网络建模和遗传算法优化的工艺
盐酸水苏碱的含量为2.46 mg/g，按正交试验所得工艺的含量为2.33 mg/g，说明应用神经网络结合遗传算法寻
优的工艺提取效率且略优于正交试验。
3 讨论
茺蔚子为临床常用的药材，但关于其质量控制研究较少，仅见通过双波长薄层扫描法[10]、紫外分光光度法
[11]测茺蔚子中盐酸水苏碱的含量、采用热浸法测定茺蔚子炮制品水溶性成分含量[12]、脂肪油中亚油酸及γ-亚麻
酸含量[13]测定等，其测定方法相对简单。故本实验选取活性成分盐酸水苏碱为指标，采用HPLC-ELSD的测定
方法，在正交实验基础上结合BP神经网络遗传算法优化茺蔚子水苏碱提取工艺，可为茺蔚子水苏碱的应用开
发和质量控制提供科学依据。
影响茺蔚子水苏碱提取的工艺参数与多个评价指标之间呈现非常复杂的非线性关系，传统的正交实验设计
结合非线性回归，虽然可以揭示多因素多水平之间的规律，但其依赖于具体的非线性方程的选择和解析，模型
拟合往往不甚理想，难以优化出较为准确的点及区域[14]。而且由于时间和经费的限制，传统实验进行的次数毕
竟是有限的。相比以往报道的正交优化提取茺蔚子水苏碱的方法，本文采用人工神经网络建模结合遗传算法寻
优，无需目标函数具备明确的数学表达式，利用网络的自学习和拟合性能，构建的模型实现了提取工艺参数多
指标同步优化的目的，为解决多维非线性系统的工艺参数优化问题提供了一个崭新而有效的途径，值得进一步
深入研究和探讨应用。
参考文献：
[1] 柯增华．茺蔚子临证妙用[J]．陕西中医，2002，23（2）：160．
[2] 林文群，陈宏靖，陈忠．茺蔚子化学成分的研究[J]．福建师范大学学报（自然科学版），2001，17（2）：84．
[3] 潘思源，常英，魏路雪．茺蔚子总碱和水苏碱收缩离体小鼠子宫的比较[J]．中草药，1998，29（10）：687．
[4] 高文义，李银清，蔡广知，等．茺蔚子降血压活性成分筛选的实验研究[J]．长春中医药大学学报，2008，24（2）：142．
[5] 李林．水苏碱的研究概况[J]．安徽农业科学，2009，37（3）：930．
[6] 梁生旺，万丽．仪器分析[M]．北京：中国中医药出版社，2012：294．
[7] MATLAB中文论坛．MATLAB神经网络30个案例分析[M] ．北京：北京航空航天大学出版社，2010：36．
[8] 张良均，曹晶，蒋世忠．神经网络实用教程[M] ．北京：机械工业出版社，2008：31-36．
[9] 王卫东，郑宇杰，杨静宇．采用虚拟训练样本优化正则化判别分析[J] ．计算机辅助设计与图形学学报，2006，18（9）：1327．
[10] 常影．茺蔚子化学成分及药理研究[J] ．吉林中医药，2008，28（3）：207．
[11] 郭宇洁，马燕琼，吴晓洋．正交试验法研究茺蔚子提取工艺[J]．中国实验方剂学杂志，2003，9（2）：9．
[12] 蒋纪洋，潘明湖．不同炮制方法对茺蔚子水溶性成分含量的影响[J]．时珍国药研究，1993，4（3）：26．
[13] 高文义，李银清，陶贵斌．超临界萃取茺蔚子脂肪油的工艺研究[J]．中国实验方剂学杂志，2010，16（6）：20．
[14] 张纪兴，周玉平，陈小坚，等．应用神经网络-遗传算法优化青蒿油环糊精包合物制备工艺[J]．中成药，2011，33（12）：2166．
6