本文主要研究内容
作者王潇,王婷,张晨,刘芳（2019）在《人工神经网络优化厚朴提取工艺及其“发汗”前后的含量测定》一文中研究指出：目的:优化厚朴提取工艺,从厚朴提取物的化学成分变化,阐释厚朴"发汗"的必要性。方法:采用正交设计结合人工神经网络模型的方法,以提取物干膏得率、厚朴酚、和厚朴酚三个指标的综合评分为评价指标,对厚朴提取时的溶剂浓度、料液比、提取时间和提取次数进行优化,确定最佳提取工艺;采用HPLC法对"发汗"及"未发汗"厚朴提取物进行含量测定,对比其"发汗"前后的厚朴酚与和厚朴酚的含量变化。结果:筛选的最佳提取工艺为加入厚朴样品100 g,加入70%乙醇提取,料液比为1∶8,提取时间为90 min,提取次数为2次;"发汗"后厚朴的厚朴酚提取率提高45.04%,和厚朴酚含量提高32.27%。结论:正交设计结合BP人工神经网络模型的方法稳定可行,具有良好重复性;"发汗"能增加厚朴中厚朴酚及和厚朴酚的提取率,从化学成分角度阐释了厚朴"发汗"的科学性与必要性。
Abstract
mu de :you hua hou piao di qu gong yi ,cong hou piao di qu wu de hua xue cheng fen bian hua ,chan shi hou piao "fa han "de bi yao xing 。fang fa :cai yong zheng jiao she ji jie ge ren gong shen jing wang lao mo xing de fang fa ,yi di qu wu gan gao de lv 、hou piao fen 、he hou piao fen san ge zhi biao de zeng ge ping fen wei ping jia zhi biao ,dui hou piao di qu shi de rong ji nong du 、liao ye bi 、di qu shi jian he di qu ci shu jin hang you hua ,que ding zui jia di qu gong yi ;cai yong HPLCfa dui "fa han "ji "wei fa han "hou piao di qu wu jin hang han liang ce ding ,dui bi ji "fa han "qian hou de hou piao fen yu he hou piao fen de han liang bian hua 。jie guo :shai shua de zui jia di qu gong yi wei jia ru hou piao yang pin 100 g,jia ru 70%yi chun di qu ,liao ye bi wei 1∶8,di qu shi jian wei 90 min,di qu ci shu wei 2ci ;"fa han "hou hou piao de hou piao fen di qu lv di gao 45.04%,he hou piao fen han liang di gao 32.27%。jie lun :zheng jiao she ji jie ge BPren gong shen jing wang lao mo xing de fang fa wen ding ke hang ,ju you liang hao chong fu xing ;"fa han "neng zeng jia hou piao zhong hou piao fen ji he hou piao fen de di qu lv ,cong hua xue cheng fen jiao du chan shi le hou piao "fa han "de ke xue xing yu bi yao xing 。
论文参考文献
论文详细介绍
论文作者分别是来自中华中医药学刊的王潇,王婷,张晨,刘芳，发表于刊物中华中医药学刊2019年12期论文，是一篇关于厚朴论文,提取工艺论文,人工神经网络模型论文,发汗论文,中华中医药学刊2019年12期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自中华中医药学刊2019年12期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：厚朴论文; 提取工艺论文; 人工神经网络模型论文; 发汗论文; 中华中医药学刊2019年12期论文;