基于不同算法对桂枝茯苓胶囊内容物吸湿性预测建模研究

摘要：

目的 比较不同算法对桂枝茯苓胶囊内容物吸湿性预测模型性能的影响,确定最优建模算法.方法 以54个物理性质参数为输入,胶囊内容物吸湿性为输出,对比偏最小二乘算法(partial least squares,PLS)、决策树算法(classification and regression tree,CART)、多元自适应回归样条算法(multivariate adaptive regression splines,MARS)和广义路径追踪算法(generalized path seeker,GPS)对建立吸湿性预测模型性能的影响.结果 MARS算法建立的预测模型性能最佳,预测能力最强,模型的校正集决定系数(R2c)为0.843,预测集决定系数(R2p)为0.808,校正集均方根误差(root mean square error of calibration,RMSEC)为0.391,预测集均方根误差(root mean square error of prediction,RMSEP)为0.472,平均相对预测误差为2.69％,小于5％.结论 MARS算法建立的吸湿性预测模型更适合桂枝茯苓胶囊的生产应用,该算法可嵌入在线控制系统,为生产过程的质量控制智能化提供技术支持.

关键词：桂枝茯苓胶囊、吸湿性、算法、建模、预测精度、偏最小二乘算法、决策树算法、多元自适应回归样条算法、广义路径追踪算法、决定系数、均方根误差、在线控制、质量控制、智能化

所属期刊栏目：52

分类号：R283.6(中药学)

资助基金：国家"重大新药创制"科技重大专项2018ZX09201010-004

在线出版日期：2021-08-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：3216-3223