基于机器学习的分组验证下无溶剂微波提取甜罗勒精油动力学建模
《Biomass and Bioenergy》:Machine Learning-Based Modeling of Solvent-Free Microwave Extraction Kinetics of
Ocimum basilicum Essential Oil Under Grouped Validation
【字体:
大
中
小
】
时间:2026年09月23日
来源:Biomass and Bioenergy 5.8
编辑推荐:
• 建立了一套数据驱动框架,用于微波辅助提取甜罗勒(Ocimum basilicum)的动力学建模。
• 应用 XGBoost,基于时间分辨的提取数据集对精油(EO)回收的非线性行为进行建模。
• 采用分组 K-Fold 交叉验证,以降低分组动力学曲线数据中的数据泄漏问题。
• 建立了一套数据驱动框架,用于微波辅助提取甜罗勒(Ocimum basilicum)的动力学建模。
• 应用 XGBoost,基于时间分辨的提取数据集对精油(EO)回收的非线性行为进行建模。
• 采用分组 K-Fold 交叉验证,以降低分组动力学曲线数据中的数据泄漏问题。
• 通过 SHAP 与偏依赖分析,揭示了提取时间、微波功率及 NaCl 浓度的影响。
• 替代模型筛选结果显示,在 450–600 W、2% NaCl 与 80–90 min 条件下达到最大响应平台区。
引言
精油(Essential Oils, EOs)是具有重要价值的生物活性化合物,凭借其抗菌、抗氧化和药理活性,被广泛应用于制药、化妆品、食品及营养保健品行业。在植物来源中,甜罗勒(Ocimum basilicum)尤为引人关注,因其富含挥发油组分,包括芳樟醇(linalool)、丁香酚(eugenol)和甲基香芹酚(methyl chavicol),这些成分赋予其优异的功能性与商业价值(Rana et al., 2025; Shahrajabian et al., 2020)。随着天然产品和可持续加工技术需求的日益增长,开发既能最大化 EO 收率、又能最小化能耗与加工时间的高效提取方法的研究不断深入(Alazaiza et al., 2026; Gaikwad et al., 2025)。
水蒸馏和蒸汽蒸馏等传统提取技术被广泛使用,但存在若干局限,包括提取时间长、能耗高以及可能对热敏化合物造成热降解。这些缺点促使研究人员开发效率与产品品质更优的替代提取技术。在此背景下,微波辅助提取(Microwave-Assisted Extraction, MAE),尤其是无溶剂微波提取(Solvent-Free Microwave Extraction, SFME),已成为 EO 回收的一种极具前景的技术(Ahmed et al., 2026; Ayub et al., 2023; Drini? et al., 2020; Xie et al., 2025)。
微波辅助提取基于介电加热原理,即微波能量与植物基体中的极性分子和离子物种直接相互作用,从而实现快速的体积加热(Starvaggi & Ettari, 2025; Variyana et al., 2026)。这一机制相较于传统方法具有多项优势。首先,快速内部加热在植物细胞内产生局部压力梯度,导致细胞破裂并促进细胞内化合物释放。其次,产生的温度与压力梯度改善了传质过程,从而加快提取速率。第三,SFME 中减少或消除有机溶剂的使用,使工艺更具环境可持续性并简化后续分离步骤(Travis et al., 2026; Vo et al., 2026)。
尽管具有上述优势,微波辅助提取的性能仍强烈依赖于多个相互作用的工艺变量,包括微波功率、提取时间以及氯化钠(NaCl)等添加剂的存在与否。添加盐类可产生盐析(salting-out)效应,降低疏水化合物在水相中的溶解度,从而增强其挥发(Suryanti et al., 2023; Yang et al., 2022; Zhang et al., 2025)。然而,该方法的有效性强烈依赖于操作条件,导致提取行为呈现复杂的、非线性的、依条件变化而变化的特征,难以通过传统的经验模型或线性建模方法充分描述(Dao et al., 2022; Zghaibi et al., 2020)。
此外,提取过程随时间动态演化,通常包含多个动力学阶段,包括初始快速释放阶段、扩散控制阶段以及最终达到平衡的过程。这种时间依赖性行为进一步增加了复杂性,因为在每种操作条件下,累积 EO 回收率会随提取时间变化,因此提取过程本质上是时间分辨的。在本研究的建模框架中,提取时间被视为输入变量,模型预测累积 EO 回收率作为微波功率、NaCl 浓度和时间的函数,而非显式地对顺序状态转变进行建模(Agu et al., 2021; Montoro et al., 2025)。
因此,全面理解工艺变量与提取动力学之间的相互作用对于优化 EO 回收至关重要。在此背景下,数据驱动建模方法已成为捕捉非线性系统行为并实现高效工艺优化的有力工具(Kusuma et al., 2025; Zhu et al., 2026)。
因此,精油提取的精确预测与优化需要能够同时捕捉工艺变量之间的非线性相互作用以及系统累积 EO 回收率的时间分辨演化行为的建模方法。然而,同时兼顾这两方面仍是一个重大挑战,尤其是使用传统建模技术时,这凸显了开发更先进、更灵活方法的需求。
精油提取过程的传统建模与优化方法主要基于经验动力学模型和响应面法(Response Surface Methodology, RSM)等统计设计方法(Akhbari et al., 2018; Setyorini et al., 2026)。尽管这些方法已被广泛应用,但它们在处理复杂、非线性且时间依赖的提取系统时存在根本性局限。
传统动力学模型,包括一级、二级及其他经验公式,通常基于简化假设开发,无法完全表征底层的提取机制。这些模型往往假设系统为均质系统且传质条件恒定(Xiao et al., 2025),但对于具有快速加热、内部压力梯度和植物基体结构破坏特征的微波辅助提取过程而言,这些假设并不成立。因此,此类模型在捕捉多阶段提取行为(尤其是快速释放阶段与扩散控制阶段之间的转变)方面能力有限。
同样,RSM 及相关实验设计技术,如 Box-Behnken 设计和中心复合设计,常用于工艺优化。这些方法使用预定义的多项式方程(通常为二次模型)来描述输入变量与响应之间的关系。然而,此类公式本质上难以表示变量之间复杂的非线性相互作用(H.-Y. Chen & Chen, 2025)。正如近期研究所指出的,二次模型可能无法充分捕捉具有强非线性行为的系统中的曲率效应和交互效应,往往需要引入变换或额外假设,从而降低模型的可解释性与可靠性。
更为重要的是,基于 RSM 的方法通常具有静态特性,关注的是终点响应,而无法捕捉提取过程完整的时间分辨演化(Zgórka et al., 2023)。因此,它们无法描述提取动力学的动态行为,即产率随时间连续演化并受先前系统状态影响的过程。这一局限限制了它们在理解和优化具有多动力学阶段过程时的适用性。
现有研究中另一个关键局限在于模型验证策略。许多方法依赖随机数据划分,在面对结构化或时间相关数据集时可能导致数据泄漏。在提取研究中,同一实验运行内的数据点彼此相关,因此这类验证策略可能导致过度乐观的性能估计,无法反映真实预测能力,特别是在未见过的操作条件下。
综上,这些局限凸显了当前方法论中的关键空白:缺乏能够同时捕捉非线性变量相互作用、时间依赖的提取动力学以及物理一致的模型验证的建模框架。弥合这一空白需要采用更灵活、更稳健的方法,以准确表征微波辅助提取系统的复杂行为。
为克服传统建模方法的局限,机器学习(Machine Learning, ML)已成为分析和优化复杂提取系统的有力替代方案。与传统的经验模型和统计模型不同,ML 算法无需预定义输入变量与系统响应之间的功能关系。相反,它们直接从数据中学习,能够识别出难以通过传统方法捕捉的复杂非线性模式与交互(Ley et al., 2022; Mai et al., 2025)。
在精油提取领域,ML 技术已显示出优于传统方法的预测性能。近期研究表明,诸如极端梯度提升(XGBoost)、随机森林和支持向量机等算法能够有效建模提取变量与工艺输出之间的关系,在预测提取性能与生物活性方面实现了高精度。这些模型尤其适用于具有非线性行为和多变量的交互作用的系统,因为它们能够灵活划分输入空间,在不依赖简化假设的情况下捕捉复杂依赖关系。
在可用的 ML 方法中,XGBoost 在一类结构化回归应用中表现出强劲的预测性能。通过基于决策树的梯度提升,XGBoost 在内置正则化机制的控制下逐步提升预测精度并抑制过拟合(Imani et al., 2025)。先前的研究报告表明,XGBoost 在特定提取相关应用中能够取得与传统回归模型及其他 ML 算法相当甚至更优的预测性能,这支持了其在建模复杂物理化学系统中的潜在适用性(Kusuma et al., 2025)。
除了预测能力外,可解释机器学习的近期进展进一步增强了 ML 在过程工程中的应用价值。诸如 SHAP(SHapley Additive exPlanations)等技术能够量化每个输入变量对模型预测的贡献,从而将数据驱动的结论与底层物理机制联系起来。这种可解释性至关重要,可以确保 ML 模型不被视为"黑箱",而是作为支持机理理解和知情决策的工具(He et al., 2026; Mersha et al., 2024; Monteiro et al., 2025)。
此外,ML 模型也可作为替代工具,用于在预定义实验域内探索过程-响应模式,并识别与预测响应有利相关的操作区域。这种结合使得无需进行穷尽的实验测试即可快速评估众多情景,从而降低实验成本和时间,同时提高工艺效率。
机器学习提供了一个灵活而强大的框架,用于建模、解释和优化微波辅助提取过程。其捕捉非线性相互作用、处理多变量系统以及支持数据驱动优化的能力,使其特别适合应对时间依赖提取行为所带来的挑战。近年来,精油提取领域的研究越来越多地纳入数据驱动方法,以增强对工艺的理解与优化。例如,Preiner 等人采用 ML 技术结合基于回归的变量重要性分析,量化了植物栽培和提取参数对薰衣草精油产率和成分的影响。然而,其方法主要关注输入变量与最终输出之间的静态关系,并未捕捉提取过程的时间依赖演化或控制精油释放的底层传质机制(Preiner et al., 2025)。
类似地,Kusuma 等人开发了一个集成 Box-Behnken 设计、机器学习模型(ANN、KRR 和 XGBoost)、基于 SHAP 的可解释性和元启发式优化的框架,以最大化香茅油产量。尽管该方法展现了优异的预测性能(R2 > 0.95)并提供了关于变量重要性的有价值洞察,但其建模策略仅限于预测最终提取产率,未涉及动态提取动力学,也未区分不同的提取阶段,如洗涤阶段和扩散阶段(Kusuma et al., 2025)。
尽管取得上述进展,将时间分辨的动力学建模与数据驱动的预测框架相结合仍存在关键空白。大多数现有研究要么使用统计或机器学习方法对最终产率进行经验优化,要么单独使用传统模型研究提取动力学,而很少尝试将两方面视角整合起来。因此,对提取行为的机理性解释——尤其是快速溶质释放阶段与扩散控制阶段之间的转变——在基于 ML 的优化框架内仍然缺乏充分探索。
具体到甜罗勒 SFME 情况,尚未解决的科学问题不仅在于如何提高 EO 回收率,还在于如何在微波功率与 NaCl 相互作用的条件下,解释时间分辨的回收行为。因此,本研究聚焦于确定操作条件如何影响动力学阶段行为,如何在结构化分组数据集中解释变量效应,以及如何在不引起相关提取曲线之间泄漏的情况下评估预测建模。因此,本研究旨在通过整合动力学建模、机器学习预测与基于替代模型的筛选来弥合这一空白,从而改进对结构化操作条件下时间分辨提取行为的解释。
在可用的机器学习算法中,本研究选用 XGBoost,源于其在结构化表格数据建模中的强劲性能、通过集成树形学习捕捉复杂非线性相互作用的能力,以及有助于防止过拟合的内置正则化机制(Abbas et al., 2025; Taha, 2025)。选择 XGBoost 的原因是,其基于树的集成结构和正则化机制非常适用于结构化表格回归和非线性相互作用建模(Stumpfe & Shongwe, 2026)。
对于模型解释,本研究将 SHAP 作为事后分析工具,用于量化每个输入变量对模型预测的贡献。需要强调的是,SHAP 用于解释模型行为,而非直接推断物理机制(Li et al., 2026)。
在模型开发与解释之后,采用约束网格化的替代搜索,用于在研究的操作域内考察预测的 EO 回收情况。搜索范围限定在实验所调查的微波功率和 NaCl 水平之内,以避免超出可用数据集范围的、缺乏支撑的外推。
本研究将 XGBoost、模型解释工具和约束式替代搜索相结合,用于考察提取行为并识别在研究域内由模型指示的最大响应区域。
需要特别指出的是,本研究中的"可解释性"指的是解释模型行为和变量影响的能力,而非直接推断控制提取过程的潜在物理化学机制。
**段落摘录**
**微波辅助提取步骤**
新鲜的罗勒叶用蒸馏水清洗以去除表面杂质,并在提取前进行人工清理。叶片在制备后立即进行加工,以最大程度减少各实验批次之间水分含量的差异。新鲜罗勒叶的平均水分含量约为82%(湿基),在超临界流体微萃取(SFME)实验中将其视为天然基质条件的一部分。微波提取过程中未添加任何外部提取溶剂。
**实验提取行为**
通过在不同微波功率(300、450和600 W)和氯化钠浓度(0-2%)条件下进行时间分辨的动力学曲线,评估了从罗勒中提取精油的行为,如图3所示。提取曲线揭示了受操作变量影响的明显动力学模式,突出了热效应与盐添加所引起的物理化学变化之间的复杂相互作用。
在所有条件下,提取过程均表现出**
**结论**
本研究提出了一种数据驱动的框架,用于建模和分析从罗勒中无溶剂微波提取精油的过程,该框架整合了时间分辨实验数据、机器学习、模型解释以及受约束的代理模型分析。实验动力学曲线显示,精油回收率在初始阶段快速上升,随后缓慢趋于平台期,表明提取行为具有时间依赖性和条件依赖性。
XGBoost模型捕捉了宽泛的……
**CRediT作者贡献声明**
Heri Septya Kusuma:撰写——审阅与编辑、监督、方法论、概念化。Mahfud Mahfud:撰写——审阅与编辑、监督、方法论、概念化。Firman Kurniawansyah:撰写——审阅与编辑、验证。Dian Purnami Handayani:撰写——初稿撰写、可视化、验证、调查研究、形式分析。
**数据可用性**
完整的实验数据集,包括Run_ID和Condition_ID的分配、分组验证输出、折次特定超参数、随机森林设置以及软件/可重复性信息,均已在补充材料中提供。
**生成式AI及AI辅助技术在写作过程中的声明**
在本研究的准备过程中,作者使用了ChatGPT-5.6来纠正语法和拼写错误、增强语言表达并提高整体可读性。使用该工具/服务后,作者对内容进行了审阅和编辑,并对出版内容承担全部责任。
**利益冲突声明**
? 作者声明不存在可能影响本论文所报告工作的已知竞争性经济利益或个人关系。
Dian Purnami Handayani | Firman Kurniawansyah | Mahfud Mahfud | Heri Septya Kusuma