基于SFLA和LSSVM的芹菜总黄酮含量预测模型
打开文本图片集
摘要：利用混合蛙跳算法（SFLA）对最小二乘支持向量机（LSSVM）的参数进行优化，建立了一种基于混合蛙跳算法和最小二乘支持向量机的芹菜总黄酮提取预测模型。仿真结果表明，该预测模型提高了预测精度，性能更加稳定，为芹菜总黄酮提取的在线预估和优化控制提供了可靠的技术参考。
关键词：芹菜；混合蛙跳算法；最小二乘支持向量机；总黄酮；预测
中图分类号：TP301 文献标识码：A 文章编号：0439-8114（2015）06-1486-04
DOI：10.14088/j.cnki.issn0439-8114.2015.06.053
Abstract： Shuffled frog leaping algorithm （SFLA） was used to parameters of optimize least square support vector machine （LSSVM）. The prediction model of extracting total flavonoids from celery based on shuffled frog leaping algorithm and least squares support vector machine was established. Simulation results showed that this prediction method had high accuracy and stable performance. It was conducive to achieve online estimation and optimal control.
Key words： celery；artificial bee colony algorithm； least squares support vector machines； total flavonoids； prediction
黄酮类化合物是一类存在于植物中的天然产物，属于植物的次级代谢产物。现代医学研究发现，芹菜的茎叶中含有丰富的黄酮类物质，其具有清除自由基、抗氧化、抑菌、抗病毒、抗癌和抗肿瘤等作用[1，2]。从芹菜中提取黄酮类物质，以开发新型天然黄酮类药物为目标，促进芹菜的深加工，已成为资源高效利用的研究热点[3，4]。
目前，对芹菜总黄酮的提取主要采用碱液法、微波法、超声波法等，而对芹菜中总黄酮含量的测定，大多采用分光光度法、光谱法等方法。这些传统的提取和测定方法容易受到人为操作及环境变化等不可预见性因素的影响，造成数据准确性降低。采用软件方法实现芹菜总黄酮提取量的预测是解决此类生物量参数难以准确实时测量和控制的有效方法[5]。近年来，神经网络、支持向量机等预测方法成为当前研究的热点[6-8...
|
== 试读已结束，如需继续阅读敬请充值会员 ==
|
|
本站文章均为原创投稿，仅供下载参考，付费用户可查看完整且有格式内容！
(费用标准：38元/2月，98元/2年，微信支付秒开通！) |
| 升级为会员即可查阅全文 。如需要查阅全文，请 免费注册 或 登录会员 |
|
