基于BP神经网络的纤维性根茎药材酶解提取-超滤纯化的临界通量与压力预测

为了有效解决纤维性根茎药材在采用酶解提取-超滤纯化集成技术过程中的膜污染问题,保证该集成技术的顺畅使用,以红芪酶解液的超滤数据为基础,采用BP神经网络构建了临界通量和临界压力预测模型,对模型的模拟能力和对黄芪的适用性进行了检验,并对利用连接权法计算得到的输入变量的相对贡献进行了敏感性分析。结果表明,所建模型具有很好的模拟能力和适用性,模拟的临界通量和临界压力的绝对误差和误差率的平均值分别为1.5228 L/（m2·h）、0.0032 MPa和3.46%、2.50%,R2分别为0.96和0.95;对黄芪模拟的绝对误差和误差率的平均值分别为1.4360 L/（m2·h）、0.0034 MPa和3.93%、2.80%;输入变量对临界通量和压力的相对贡献大小顺序均为黏度>浓度>p H>温度。