摘要
本发明涉及一种基于I‑WO‑SVR模型的蒲公英有效成分提取工艺优化方法,包括:获取待预测因素,待预测因素包括:乙醇浓度、超声时间、超声温度和超声功率;将待预测因素输入I‑WO‑SVR模型,获取蒲公英花茎绿原酸提取率;I‑WO‑SVR模型通过利用训练集训练支持向量回归SVR预测模型,并采用改进后的海象优化器I‑WO优化SVR预测模型的惩罚参数和核参数获得;其中,训练集包括:原始因素以及原始因素对应的绿原酸提取率。本发明结合现代人工智能技术和传统的中医药领域设计中药材有效成分提取优化方法,应用前景广阔,能够为中药提取及其智能工业化生产提供新思路。
技术关键词
有效成分提取工艺
SVR模型
蒲公英
绿原酸
训练集
中药材有效成分
超声功率
支持向量回归
参数
样本
人工智能技术
表达式
中医药
变量
因子
曲线
乙醇
数据
信号
系统为您推荐了相关专利信息
广义回归神经网络
特征选择方法
训练集
交叉验证法
变量
神经网络模型
启动拍摄功能
智能终端
提示用户等待
照片
热轧工艺参数
复合板轧制技术
梯度提升树
数据获取单元
机器学习算法
涌水量预测
卷积神经网络模型
检测预警方法
无人机
三维点云数据
镀锌板表面色泽度
盐雾测试
校准
分析方法
训练集数据