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

• 作者: 陈琪 徐芳芳 张欣 徐冰 吴云 王振中 肖伟
• 来源期刊: 中草药
• 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
• 年，卷（期）: 2021,（11）
• 所属期刊栏目: 药剂与工艺|Pharmaceutics and Technology
• 页码范围: 3216-3223
• 页数: 8页
• 分类号: R283.6
• 语种: 中文
• DOI: 10.7501/j.issn.0253-2670.2021.11.008

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.