最小二乘支持向量机优化芹菜总黄酮提取工艺

曾燕，成新文，陈欲云，王晓

（1.四川理工学院计算机学院，四川自贡643000；2.四川理工学院化学与制药工程学院，四川自贡643000）

最小二乘支持向量机优化芹菜总黄酮提取工艺

曾燕1，成新文1，陈欲云2，王晓1

（1.四川理工学院计算机学院，四川自贡643000；2.四川理工学院化学与制药工程学院，四川自贡643000）

为获得芹菜总黄酮的最佳提取工艺参数，在其单因素和正交试验的基础上，利用混合蛙跳算法（SFLA）优化参数的最小二乘支持向量机（LSSVM）建立预测模型，通过该模型对芹菜总黄酮正交试验数据进行仿真，优化提取工艺条件。结果表明，最小二乘支持向量机预测模型优化后的芹菜总黄酮提取工艺条件为：料液比1∶36 g/mL，乙醇浓度82%，超声波提取时间40 min，在该条件得到芹菜总黄酮提取含量为8.32 mg/g，高于正交试验工艺条件下所提取的总黄酮含量。

最小二乘支持向量机；总黄酮；正交试验；混合蛙跳算法

芹菜是生活中常见的一种药食两用的蔬菜，在其茎叶中含有丰富的黄酮类化合物。现代医学研究发现，黄酮类化合物具有抗氧化、抑菌、抗病毒、抗癌和抗肿瘤等作用[1-3]。因此，从芹菜中提取黄酮类化合物在医疗保健方面具有良好的应用前景。为了从芹菜中提取出更多的黄酮类化合物，除了从提取方法上考虑外，还可以从优化提取工艺条件着手。

近年来，总黄酮提取工艺优化方法有正交试验法、响应面分析法、神经网络等。文献[4]采用正交试验法对芹菜总黄酮的工艺条件进行优化，但是正交试验法对提取因子间的交互作用考虑不完善，导致最优工艺条件不够准确。文献[5]采用响应面法优化芹菜提取工艺，响应面分析法采用多元二次回归法作为函数估计的工具，可以很好的考察提取因子间的交互作用，但其只适用于二次函数模型的模拟，应用范围受限。文献[6]采用BP神经网络优化荷叶黄酮提取工艺，但是神经网络泛化能力有限，对训练样本数据要求高，对于小样本数据应用受限；最小二乘支持向量机（Least Square Support Vector Machine，LSSVM）[7-8]不仅适用于非线性的小样本数据，且泛化能力好，但为了避免该方法陷入局部最优，引入混合蛙跳算法（Shuffled Frog Leaping Algorithm，SFLA）对其参数进行优化。因此，本文在超声波提取芹菜总黄酮的基础上，利用SFLA[9-10]对LSSVM的重要参数指标：正规化参数和核宽度系数进行优化，然后用最小二乘支持向量机模型对芹菜总黄酮提取工艺条件进行优化，为黄酮类化合物的开发利用提供理论依据。

1 材料与方法

1.1 材料与仪器

芹菜,购于自贡菜市场；95%乙醇（分析纯）：重庆川东化工有限公司化学试剂厂；氢氧化钠（分析纯）：成都市科龙化工化学试剂厂；亚硝酸钠（分析纯）：湖北大学化工厂；硝酸铝（分析纯）：天津市耀华化学试剂有限责任公司；芦丁标准品（规格：20 mg uv＞98%）：上海源叶生物科技有限公司。

756PC型可见分光光度计：上海美谱达仪器有限公司；SHB-B循环水式多用真空泵：郑州长城科工贸有限公司；As20500T超声波清洗器：天津奥特赛恩斯仪器有限公司；DFY-400摇摆式高速万能粉碎机：温岭市林大机械有限公司；101-3AB型电热鼓风干燥箱：天津市泰斯特仪器有限公司。

在预测模型仿真试验中，计算机配置为联想双核E5800@3.2 GHz，2G内存，Windows XP操作系统，测试环境为采用Matlab 7.0。

1.2 方法

1.2.1 芹菜总黄酮的提取与测定[4]

为降低机械粉碎的强度，首先将芹菜原料进行低温烘干粉碎后，称取芹菜干粉1.00 g于50 mL锥形瓶中，加入一定量乙醇浸泡，以便有效成分充分溶解。然后将浸泡好的溶液进行超声波提取，提取完之后抽滤、定容，作为待测液备用。

采用Al（NO3）3-NaNO2分光光度法[11]，测定吸光度，再根据吸光度计算样品液中的总黄酮含量：

式中：m为总黄酮含量，（mg/g）；C为溶液中总黄酮的测定浓度，（mg/mL）；V1为芹菜总黄酮提取液总体积，mL；W为芹菜干粉质量，g；V为所取待测液体积，mL。1.2.2 最小二乘支持向量机预测模型的建立

采用吸光度方法测定芹菜总黄酮提取量，测量过程复杂，测量时间长，必然制约了芹菜总黄酮的生产应用。因此，以提取时间、乙醇浓度、料液比3个因素为输入，芹菜总黄酮提取含量为输出，构建芹菜总黄酮提取含量的预测模型，减少试验测量次数，实现在线实时预测尤为必要。构建SFLA优化的最小二乘支持向量机芹菜总黄酮预测模型步骤如下：

Step1对芹菜总黄酮提取试验中的数据进行归一化处理。

Step2参数初始化，设置蛙群个体总数，迭代总次数，子群数，每个子群内的蛙数，子群内的更新次数，最大、最小变异概率及变异因子。

Step3构建初始种群。随机生成个初始解，用集合形式表示为解集：X={xij|xij∈[minj，maxj]}，计算每个初始解对应的反向解[12]，如下：

其中j=1，L，D，D为维度，minj，maxj分别为第j维的下界和上界。对随机种群和反向种群的合集进行排序，选择适应度较优的解作为初始种群。

Step4对每只青蛙计算适应度后按降序排序，并分成k个子群。

Step5确定每个子群的最优解和最差解，及群体全局最优解，反复更新每个子群的最差青蛙，达到设定的子群迭代总次数后，对更新后的子群进行混合，取代原来的群体。

Step6计算群体的适应度方差σ2，再按下式计算变异概率P（t）[13]：

其中，Pmax和Pmin分别为当前变异概率的最大值和最小值，N为蛙群个体总数。再对全局最优解进行变异操作：

式中：ξ为变异因子，N（0，1）为均值为0方差为1的随机量。

根据上述更新当前群体最优解，避免SFLA陷入局部最优。

Step7若达到设定的最大迭代次数，则迭代停止，输出最优适应度值以及相应的参数算法结束，否则转到Step4。

Step8根据最优解得到的LSSVM参数对测试数据集进行仿真，用建立的芹菜总黄酮预测模型对总黄酮提取量进行预测。

2 结果分析

2.1 单因素试验结果分析

2.1.1 料液比对总黄酮提取含量的影响

分别按1∶10、1∶20、1∶30、1∶40、1∶50 g/mL的料液比，加入70%的乙醇，超声提取40 min后，试验结果如图1所示。

图1 料液比对总黄酮含量的影响Fig.1 Effect of solid/liquid ratio on the content of total flavonoids

在料液比为1∶30 g/mL倍时，芹菜总黄酮溶出的最好，总黄酮含量最大，随着料液比的增大反而下降，说明由于提取液的的逐渐增多，超声波对其震动作用降低。因此，选取料液比1∶30 g/mL比较合理。

2.1.2 提取时间对总黄酮提取含量的影响

按1∶30 g/mL的料液比，加入70%的乙醇，分别提取10、20、30、40、50 min后，试验结果如图2所示。

图2 提取时间对总黄酮含量的影响Fig.2 Effect of extraction time on the content of total flavonoids

随着提取时间的延长总黄酮含量呈增加的趋势，在40 min之后呈微小增加，基本趋于稳定。这可能是超声提取40 min时总黄酮充分溶出，随着提取时间的增长，超声的机械效应和热效应反而会影响黄酮分子，导致含量下降。因此，选择提取时间为40 min比较合理。

2.1.3 乙醇浓度对芹菜总黄酮提取含量的影响

按1∶30 g/mL的料液比，分别加入50%、60%、70%、80%、90%的乙醇，超声提取40min后，试验结果如图3所示。

图3 乙醇浓度对总黄酮含量的影响Fig.3 Effect of ethanol concentration on the content of total flavonoids

随乙醇浓度增大，总黄酮提取量逐渐增大，当乙醇浓度为80%时，总黄酮的提取含量最大，之后下降。说明乙醇浓度在80%时极性与总黄酮极性相似，溶出最好，乙醇浓度过高反而导致黄酮无法溶出。因此，乙醇浓度选80%比较合理。

2.2 正交试验结果分析

根据单因素试验结果，以提取时间、乙醇浓度、料液比按三因素三水平进行正交试验，如表1所示。

表1 正交试验因素水平表Table 1 Factors and levels of orthogonal experiment

同号试验水平做3次，总黄酮含量结果为3次平均值，试验结果如表2所示。

表2 正交试验结果Table 2 Result of orthogonal experiment

从表2中得出总黄酮提取量的工艺条件为：料液比1∶40 g/mL，提取时间40 min，乙醇浓度80%。

表3为正交结果的方差分析表，从表中各值可见料液比A和乙醇浓度C对试验结果的影响非常显著，提取时间B为次要因素。

表3 方差分析表Table 3 Analysis of variance

2.3 最小二乘支持向量模型的仿真及优化分析

2.3.1 预测模型的仿真

在上述试验基础上，选取提取时间、乙醇浓度、料液比三个非线性因素作为模型的输入变量，芹菜总黄酮提取含量作为输出变量，首先采用SFLA算法对最小二乘支持向量机的参数优化，得参数值为：核宽度σ=9.257 1，正则化参数γ=4.453 578。然后进行仿真，仿真结果如表2所示。由表中数据可知，正交数据与预测数据最大相对误差为4.49%，最小相对误差为0.2%，平均相对误差为2.12%，精度较高。预测含量和实测含量的对比如图4所示。

图4 芹菜总黄酮实测数据与仿真数据对比Fig.4 Comparison of actual data and simulation data about total flavonoids in celery

可以看到预测值和实测值非常接近，拟合很好，说明SFLA优化后的最小二乘支持向量机模型的预测结果是可靠的。

2.3.2 最小二乘支持向量模型的工艺优化

传统正交试验方法得到的是已定水平上的工艺条件，不够准确，为了得到更为精确的最优工艺条件，利用SFLA优化的LSSVM模型进行仿真。根据正交试验分析，得到优化组合为：提取时间40 min，1∶40 g/mL的料液比，80%乙醇，其中料液比和乙醇浓度为主要影响因子，而提取时间为次要因子。因此，在提取时间40 min、乙醇浓度80%固定条件下，运用模型在料液比1∶40 g/mL附近进行仿真，结果如图5所示。

图5 料液比对总黄酮提取量影响的仿真结果Fig.5 The simulation result of effect of solid/liquid ratio on the content of total flavonoids

从图5中得到最佳料液比为1∶36 g/mL。

在提取时间40min、料液比1：40g/mL条件下，在乙醇浓度80%附近进行仿真，结果如图6所示。

图6 乙醇浓度对总黄酮提取量影响的仿真结果Fig.6 The simulation result of effect of ethanol concentration on the content of total flavonoids

从图6中得到最佳乙醇浓度为82%。

最终，得出芹菜总黄酮提取的最优工艺条件是：料液比1∶36 g/mL、提取时间40 min、乙醇浓度82%。此优化条件下三次提取测得总黄酮含量平均值为8.32 mg/g，而正交试验的优化组合条件下，3次平均值为7.55 mg/g，采用LSSVM模型优化工艺条件下所提取的总黄酮含量更高，说明该模型可以用于芹菜总黄酮提取的预测和工艺优化。

3 结论

本文采用SFLA优化参数后的最小二乘支持向量机预测模型，对芹菜总黄酮提取工艺条件进行优化，得到最优提取工艺条件为：料液比1∶36 g/mL，提取时间40 min，乙醇浓度82%，该条件下提取总黄酮含量高于正交试验优化组合条件下的提取含量。最小二乘支持向量机预测模型误差小，且具有很好的预测能力，可用于芹菜总黄酮提取的预估和优化。这对于芹菜农产品深加工企业，降低成本，提高生产率具有重要的应用价值。

[1]章宏慧,陈况况,陈健初.芹菜中黄酮类化合物及其生物活性研究进展[J].食品工业科技,2013,34(13):388-391

[2]游庭活,刘凡,温露,等.黄酮类化合物抑菌作用研究进展[J].中国中药杂志,2013,38(21):3645-3650

[3]龚龙伟,周家华,许茜.黄酮类化合物抗胰腺癌作用研究进展[J].东南大学学报:医学版,2013,32(4):515-518

[4]陈欲云,杨跃寰,蒋斌,等.芹菜总黄酮提取工艺的优化[J].四川理工学院学报:自然科学版,2013,26(5):19-22

[5]张泽志,王福安,高霞,等.响应面法优化芹菜总黄酮的微波提取工艺研究[J].郑州大学学报:工学版,2010,31(6):95-99

[6]霍丹群,冯丹,周荣灵,等.BP神经网络优化荷叶黄酮提取工艺及黄酮稳定性实验的探索[J].食品工业科技,2014,35(16):274-280

[7]Vapnik V.The nature of statistical learning theory[M].[S.l.]:Springer Verlag,1995

[8]刘代飞,尹吉,丁凤其.基于最小二乘支持向量机和遗传算法的氧化铝悬浮焙烧能耗估计建模[J].计算机应用,2014,34(4):1217-1221

[9]Guang-Yu Zhu,Wei-Bo Zhang.An improved Shuffled Frog-leaping Algorithm to optimize component pick-and-place sequencing optimization problem[J].Original Research Article Expert Systems with Applications,2014,41(15):6818-6829

[10]秦业,袁海文,袁海斌,等.基于优化最小二乘支持向量机的电能质量扰动分类[J].电工技术学报,2012,27(8):209-214

[11]罗杨合,韦学丰,解庆林.可见分光光度法测定马蹄皮中总黄酮的含量[J].食品研究与开发,2009,30(6):135-138

[12]汪慎文,丁立新,谢大同,等.应用反向学习策略的群搜索优化算法[J].计算机科学,2012,39(9):183-187

[13]陶新民,徐晶,杨立标,等.一种改进的粒子群和K均值混合聚类算法[J].电子与信息学报,2010,32(1):92-97

Optimization of Extraction Technology of Total Flavonoids from Celery Based on Least Square Support Vector Machine

ZENG Yan1，CHENG Xin-wen1，CHEN Yu-yun2，WANG Xiao1
（1.School of Computer Science，Sichuan University of Science&Engineering，Zigong 643000，Sichuan，China；2.Chemical and Pharmaceutical Engineering，Sichuan University of Science&Engineering，Zigong 643000，Sichuan，China）

In order to obtain the optimum extraction process parameters of total flavonoids in celery，the shuffled frog leaping algorithm（SFLA）which based on single factor and orthogonal test was applied to optimize the parameters of the least squares support vector machine （LSSVM），then prediction model of least squares support vector machine was established.By using the model to simulate the data of orthogonal experiment，the extraction technology of total flavonoids from celery was optimized.The experiment result showed that the optimized extraction conditions of total flavonoids from celery were the material/liquid ratio as 1∶36，ethanol concentration of 82%，and ultrasonic extraction duration of 40 min，the extraction yield of total flavonoids as8.32 mg/g.In conclusion，the content of total flavonoids extracted is higher than that of orthogonal test.

least square support vector machine；total flavonoids；orthogonal test；shuffled frog leaping algorithm

10.3969/j.issn.1005-6521.2015.08.014

酿酒生物技术及应用四川省重点实验室开放基金项目（NJ2011-09）；企业信息化与物联网测控技术四川省高校重点实验室开放基金项目（编号：2014WYJ08）；四川理工学院科研项目资助（2013KY04）

曾燕（1979—），女（汉），讲师，硕士，研究方向：人工智能。

2015-01-09