支持向量机算法用于中药挥发油含油水体超滤通量的预测  

Forecast of Ultrafiltration Flux of Traditional Chinese Medicine Volatile Oil-in-water Emulsion by Support Vector Machine Method

作　　者：韩志峰[1] 沈洁[1] 郭立玮[1] 樊文玲[1] 李玲娟[2] 

机构地区：[1]南京中医药大学中药复方分离工程重点实验室,江苏南京210029 [2]南京中医药大学信息技术学院,江苏南京210046

出　　处：《中国医药工业杂志》2011年第1期21-25,共5页Chinese Journal of Pharmaceuticals

基　　金：国家科技支撑计划(2006BAI09B07-03);国家自然科学基金项目(30801552)

摘　　要：应用支持向量机算法建立预测模型,预测了中药挥发油含油水体超滤膜的通量。选择40组数据进行模型参数的优化和训练,并对10组试验的稳定通量进行预测。同时,比较了支持向量机算法与反向传播(BP,back-propagation)神经网络算法的运行结果,结果表明,支持向量机算法的预测能力显著强于BP神经网络。The ultrafiltration flux of traditional Chinese medicine volatile oil-in-water emulsion was forecasted by support vector machine （SVM） method. Forty groups＇ data were chosen to optimize parameters and train the model, by which to predict steady flux of the other ten groups＇ data. SVM method was compared with back-propagation neural net method. The results showed that the former method was superior to the latter in forecasting ultrafiltration flux.

关 键 词：支持向量机算法 反向传播神经网络算法:超滤 膜通量 预测 

分 类 号：R93[医药卫生—生药学]