- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
时珍国医国药2008年第 l9卷第 11期 LISHIZHENMEDICINEANDMATERIAMEDICARESEARCH2008VOL.19NO.11
基于 BP神经网络的
毛脉酸模根中白藜芦醇的动态规律研究
王宗权 ,王振月 ,崔红花 ,康毅华
(1.河:IL 岭医药集团医药研究院,河北石家庄 050035;
2.黑龙江中医药大学 药学院,黑龙江 哈尔滨 150040;
3.广州中医药大学 中药学院,广东广州 510405)
摘要:目的 利用BP神经网络方法探索建立毛脉酸模根中白藜芦醇含量的动态模型的可行性。方法 采用HPLC色谱
法,测定不同生长发育期毛脉酸模中7种生物活性成分 (白藜芦醇苷、白藜芦醇、大黄酚苷、酸模素、大黄素、大黄酚、大黄
素甲醚)的含量。通过相关性分析找出与白藜芦醇相关性较好的因子用来建立网络。结果 通过利用根皮部的白藜芦醇
的数据进行检验网络的泛化性能,发现网络的输 出值与实际值吻合度较好。结论 BP人工神经网络预测白藜芦醇的动
态规律比其他线性数值模拟预测具有较大的优势,为植物的生物活性成分随季节的变化趋势的建立提供 了一种新的
方法 。
关键词 :毛脉酸模;BP人工神经网络; 白藜芦醇
中图分类号:R284.1 文献标识码:A 文章编号:1008-0805(2008)l1—2582-03
StudyonAccumulativeDynamicVariationofResveratrolinRootofRumexgmeliniBased
onBackPropagationNeuralNetwork
WAGNZong.quan ,WANGZhen.yue ,CUIHong—hua,,KANGYi—hua
(1.HebeiYilingPharmaceuticalGroup,MedicineInstitute,Shijiazhuang050035,China;2.CollegeofPharma—
cyology,HeilongfiangUniversityofTCM ,Harbin150040,China;3.CollegeofChineseMateriaMedica,
GuangzhouUniversityofTraditionafChineseMedicine,Guangzhou510405,China)
Abstract:ObjectiveTostudythefeasibilityofdynamicmodelofresveratolinrootofRumexgmelinibyusingBackpropagation
neuralnetwork.MethodsSevenactivecomponent(Polydatin,Resveratrol,Chrysophan,Rumicin,Emodin,Chrysophanol,Phy—
scion)contentsofR.gmeliniwhichwerecollectedatdifferentdevelopingstagesweremeasuredbyHPLC,andforthemostinflu—
entialelementswhichcouldreflectthetrendsofaquaticecologywerelookedfor.ResultsWeusedthedataofresveratrolinroot
barkfrom theuniversalityofthenetwork,andfoundtheoutputstalliedinaccordancewiththemeasuredvaluesverywel1.Con-
clusion Artificialneural networkisaneffectivemethodofrforecastingaccumulativedynamicvariationofresveratrol,hasgreater
advantagethanotherlinearitynumericmodeling,andcansupplyoriginalmethodofrerectingactivecompo
文档评论(0)