一种预测丹参中质量标志物含量的方法

    公开(公告)号:CN111667889B

    公开(公告)日:2022-03-01

    申请号:CN202010699837.5

    申请日:2020-07-20

    Inventor: 赵妍 张永清 刘谦

    Abstract: 本发明涉及一种预测丹参中质量标志物含量的方法,采用长短期记忆网络模型,利用气候因子和代谢产物谱分析(植物代谢组学)方法,对大田中丹参根膨大后期4种质量标志物的含量进行预测。由于存在干扰因素,采用最大信息系数(MIC)进行相关分析实现特征选择,过滤后得到关键因素。长短期记忆网络(LSTM)模型通过有效提取、充分反映与代谢历程相关的气候因子和产物变化的内在特征,保证了预测的准确性。基于MIC的LSTM算法已在山东三地丹参试验田得到验证,确保了模型的鲁棒性。本发明有助于制定丹参合理的收获策略或在极端天气条件下,采取补救措施以获得合格的药材。

    一种预测丹参中质量标志物含量的方法

    公开(公告)号:CN111667889A

    公开(公告)日:2020-09-15

    申请号:CN202010699837.5

    申请日:2020-07-20

    Inventor: 赵妍 张永清 刘谦

    Abstract: 本发明涉及一种预测丹参中质量标志物含量的方法,采用长短期记忆网络模型,利用气候因子和代谢产物谱分析(植物代谢组学)方法,对大田中丹参根膨大后期4种质量标志物的含量进行预测。由于存在干扰因素,采用最大信息系数(MIC)进行相关分析实现特征选择,过滤后得到关键因素。长短期记忆网络(LSTM)模型通过有效提取、充分反映与代谢历程相关的气候因子和产物变化的内在特征,保证了预测的准确性。基于MIC的LSTM算法已在山东三地丹参试验田得到验证,确保了模型的鲁棒性。本发明有助于制定丹参合理的收获策略或在极端天气条件下,采取补救措施以获得合格的药材。

Patent Agency Ranking