杨日福，闵志玲，耿琳琳

(华南理工大学 物理与光电学院，广东 广州 510640)

人工神经网络是由大量处理单元——神经元广泛互连而成的网络，是数学、计算机、神经生理学和心理学等众多学科相结合的产物［1］，能够对数据进行分布处理、非线性处理，具有自学习和自适应的能力［2］，采用并行处理网络和逆向传播(BP)算法的逆向传播人工神经网络(BPANN)在分类识别、回归预测、生物、医药等领域广泛应用［3-5］。

神经网络经过学习，能够对实验结果进行模拟计算，且能对相同萃取过程结果进行放大预测，模拟和预测精度都很高，能够有效避免模型求解过程中，因引入过多的假设和经验关联式而导致模型的预测可靠性降低，同时能够克服由于回归可调参数而需要大量实验数据的弊端［6］。很多学者尝试将人工神经网络系统用于模拟超临界萃取过程，为实际生产流程中工艺条件的选择以及同类物质的提取提供依据［7-9］。朱俊访等发现，BPANN 的拟合效果和预测能力优于非线性回归方程［10］。

本文采用三层BPANN，对单因素条件下亚临界水提取法(SWE)、超声耦合亚临界水提取法(USWE)提取香菇多糖(LP)提取得率进行模拟和预测，然后利用Design-expert 软件对单因素实验进行优化，获得29 组实验数据，分别利用响应曲面方法(RSM)和BPANN 对其进行预测，以对比不同方法的拟合效果和预测能力，为提取工艺的优化提供依据。

1 人工神经网络模型

以提取温度、提取时间、液料比、提取压力、超声功率5 个独立变量作为神经网络的输入，香菇多糖提取得率作为网络输出。……