基于改进麻雀搜索算法优化广义回归神经网络的艾叶樟脑提取工艺建模与优化研究

《Scientific Reports》：A novel ISSA-GRNN approach for efficient camphor extraction from Artemisia argyi

　　

摘要

从植物基质中高效提取生物活性化合物对制药、功能食品和农业应用至关重要。然而，工艺优化往往面临多参数间非线性相互作用和有限实验数据的挑战。本研究提出了一种结合改进麻雀搜索算法（ISSA）与广义回归神经网络（GRNN）的优化框架，用于建模艾叶中樟脑的提取。ISSA 包含三项改进：混合混沌对立种群初始化、双重自适应发现者更新规则以及停滞触发的混合变异算子。GRNN 利用其小样本容忍度，基于 50 次实验运行建立了五个提取参数与樟脑产量之间的非线性关系。在 5 折交叉验证下，ISSA-GRNN 优于 PSO、GA 和 SSA 优化的 GRNN 模型，取得了 R2为 0.931，RMSE 为 0.0140，MAPE 为 4.65% 的性能。在优化条件下的实验验证（58 °C，0.7% 纤维素酶，水解 3.8 h，pH 6.0，超声 32 min）获得了 0.2368 mg/g 的樟脑产量，较 RSM 提高了 11.5%，RSD 为 1.05%（RSM 为 3.74%）。本研究的结果有助于更好地理解小样本非线性过程建模，并为数据稀缺条件下的生物活性化合物提取提供了实用框架，易于扩展到其他植物基质和数据受限的回归问题。