人工神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)

前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇人工神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)范文，相信會(huì)為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

人工神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)范文第1篇

關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)；VC維；數(shù)據(jù)挖掘

中圖分類號：TP183文獻(xiàn)標(biāo)識碼：A文章編號：1009-3044(2008)30-0710-02

A Review of the Research and Development of the Artificial Neural Nets

WANG Hui

(Xinjiang Petroleum Institute,Urumqi 830000,China)

Abstract: This paper reviews the history and the current situation of the theory of neural nets. It discusses two aspects: the Vapnik-Chervonenkis dimension calculation and the data mining in neural nets. It also touches upon such research areas as calculation theory, methods and application of neural nets.

Key words: neural nets;Vapnik-Chervonenkis dimension;Data Mining

1 引言

本世紀(jì)初，科學(xué)家們就一直探究大腦構(gòu)筑函數(shù)和思維運(yùn)行機(jī)理。特別是近二十年來。對大腦有關(guān)的感覺器官的仿生做了不少工作，人腦含有數(shù)億個(gè)神經(jīng)元，并以特殊的復(fù)雜形式組成在一起，它能夠在計(jì)算某些問題（如難以用數(shù)學(xué)描述或非確定性問題等）時(shí)，比目前最快的計(jì)算機(jī)還要快許多倍。大腦的信號傳導(dǎo)速度要比電子元件的信號傳導(dǎo)要慢百萬倍，然而，大腦的信息處理速度比電子元件的處理速度快許多倍，因此科學(xué)家推測大腦的信息處理方式和思維方式是非常復(fù)雜的，是一個(gè)復(fù)雜并行信息處理系統(tǒng)。1943年McCulloch和Pitts結(jié)合了神經(jīng)生理學(xué)和數(shù)理邏輯的研究描述了一個(gè)神經(jīng)網(wǎng)絡(luò)的邏輯演算。他們的神經(jīng)元模型假定遵循一種所謂“有或無”(all-or-none)規(guī)則。如果如此簡單的神經(jīng)元數(shù)目足夠多和適當(dāng)設(shè)置突觸連接并且同步操作，McCulloch和Pitts證明這樣構(gòu)成的網(wǎng)絡(luò)原則上可以計(jì)算任何可計(jì)算的函數(shù)，這標(biāo)志著神經(jīng)網(wǎng)絡(luò)學(xué)科的誕生。

2 發(fā)展歷史及現(xiàn)狀

2.1 人工神經(jīng)網(wǎng)絡(luò)理論的形成

早在40年代初，神經(jīng)解剖學(xué)、神經(jīng)生理學(xué)、心理學(xué)以及人腦神經(jīng)元的電生理的研究等都富有成果。其中，神經(jīng)生物學(xué)家McCulloch提倡數(shù)字化具有特別意義。他與青年數(shù)學(xué)家Pitts合作[1]，從人腦信息處理觀點(diǎn)出發(fā)，采用數(shù)理模型的方法研究了腦細(xì)胞的動(dòng)作和結(jié)構(gòu)及其生物神經(jīng)元的一些基本生理特性，他們提出了第一個(gè)神經(jīng)計(jì)算模型，即神經(jīng)元的閾值元件模型，簡稱MP模型，他們主要貢獻(xiàn)在于結(jié)點(diǎn)的并行計(jì)算能力很強(qiáng)，為計(jì)算神經(jīng)行為的某此方面提供了可能性，從而開創(chuàng)了神經(jīng)網(wǎng)絡(luò)的研究。50年代初，神經(jīng)網(wǎng)絡(luò)理論具備了初步模擬實(shí)驗(yàn)的條件。Rochester，Holland與IBM公司的研究人員合作，他們通過網(wǎng)絡(luò)吸取經(jīng)驗(yàn)來調(diào)節(jié)強(qiáng)度，以這種方式模擬Hebb的學(xué)習(xí)規(guī)則，在IBM701計(jì)算機(jī)上運(yùn)行，取得了成功，幾乎有大腦的處理風(fēng)格。但最大規(guī)模的模擬神經(jīng)網(wǎng)絡(luò)也只有1000個(gè)神經(jīng)元，而每個(gè)神經(jīng)元又只有16個(gè)結(jié)合點(diǎn)。再往下做試驗(yàn)，便受到計(jì)算機(jī)的限制。人工智能的另一個(gè)主要?jiǎng)?chuàng)始人Minsky于1954年對神經(jīng)系統(tǒng)如何能夠?qū)W習(xí)進(jìn)行了研究，并把這種想法寫入他的博士論文中，后來他對Rosenblatt建立的感知器(Perceptron)的學(xué)習(xí)模型作了深入分析。

2.2 第一階段的研究與發(fā)展

1958年計(jì)算機(jī)科學(xué)家Rosenblatt基于MP模型，增加了學(xué)習(xí)機(jī)制，推廣了MP模型。他證明了兩層感知器能夠?qū)⑤斎敕譃閮深悾偃邕@兩種類型是線性并可分，也就是一個(gè)超平面能將輸入空間分割，其感知器收斂定理：輸入和輸出層之間的權(quán)重的調(diào)節(jié)正比于計(jì)算輸出值與期望輸出之差。他提出的感知器模型，首次把神經(jīng)網(wǎng)絡(luò)理論付諸工程實(shí)現(xiàn)。1960年Widrow和Hoff提出了自適應(yīng)線性元件ADACINE網(wǎng)絡(luò)模型，是一種連續(xù)取值的線性網(wǎng)絡(luò)，主要用于自適應(yīng)系統(tǒng)。他們研究了一定條件下輸入為線性可分問題，期望響應(yīng)與計(jì)算響應(yīng)的誤差可能搜索到全局最小值，網(wǎng)絡(luò)經(jīng)過訓(xùn)練抵消通信中的回波和噪聲，它還可應(yīng)用在天氣預(yù)報(bào)方面。這是第一個(gè)對實(shí)際問題起作用的神經(jīng)網(wǎng)絡(luò)。可以說，他們對分段線性網(wǎng)絡(luò)的訓(xùn)練有一定作用，是自適應(yīng)控制的理論基礎(chǔ)。Widrow等人在70年代，以此為基礎(chǔ)擴(kuò)充了ADALINE的學(xué)習(xí)能力，80年代他們得到了一種多層學(xué)習(xí)算法。

Holland于1960年在基因遺傳算法及選擇問題的數(shù)學(xué)方法分析和基本理論的研究中，建立了遺傳算法理論。遺傳算法是一種借鑒生物界自然選擇和自然遺傳機(jī)制的高度并行、隨機(jī)、自適應(yīng)搜索算法，從而開拓了神經(jīng)網(wǎng)絡(luò)理論的一個(gè)新的研究方向。1976年Grossberg提出自適應(yīng)共振理論(ART)，這是感知器較完善的模型，即superrised學(xué)習(xí)方式。本質(zhì)上說，仍是一種unsuperrised學(xué)習(xí)方式。隨后，他與Carpenter一起研究ART網(wǎng)絡(luò)，它有兩種結(jié)構(gòu)ART1和ART2，能夠識別或分類任意多個(gè)復(fù)雜的二元輸入圖像，其學(xué)習(xí)過程有自組織和自穩(wěn)定的特征，一般認(rèn)為它是一種先進(jìn)的學(xué)習(xí)模型。另外還有Werbos提出的BP理論以及提出的反向傳播原理；Fukushima 提出了視覺圖象識別的Neocognitron模型這些研究成果堅(jiān)定的神經(jīng)網(wǎng)絡(luò)理論的繼續(xù)研究。

2.3 第二次研究的階段

Hopfield于1982年至1986年提出了神經(jīng)網(wǎng)絡(luò)集體運(yùn)算功能的理論框架，隨后，引起許多學(xué)者研究Hopfield 網(wǎng)絡(luò)的熱潮，對它作改進(jìn)、提高、補(bǔ)充、變形等，至今仍在進(jìn)行，推動(dòng)了神經(jīng)網(wǎng)絡(luò)的發(fā)展。1983年Kirkpatrick等人先認(rèn)識到模擬退火算法可應(yīng)用于NP完全組合優(yōu)化問題的求解。這種思想最早是由Metropolis等人在1953年提出的，即固體熱平衡問題，通過模擬高溫物體退火過程的方法，來找全局最優(yōu)或近似全局最優(yōu)，并給出了算法的接受準(zhǔn)則。這是一種很有效的近似算法。1984年Hinton等人提出了Boltzmann機(jī)模型，借用統(tǒng)計(jì)物理學(xué)中的概念和方法，引入了模擬退火方法，可用于設(shè)計(jì)分類和學(xué)習(xí)算法方面，并首次表明多層網(wǎng)絡(luò)是可訓(xùn)練的。Sejnowski于1986年對它進(jìn)行了改進(jìn)，提出了高階Boltzmann機(jī)和快速退火等。

1986年Rumelhart和McClelland 合著的Parallel Distributed Processing: Exploratio n in the Microstructures of Cognition兩卷書出版，對神經(jīng)網(wǎng)絡(luò)的進(jìn)展起了極大的推動(dòng)作用。它展示了PDP研究集團(tuán)的最高水平，包括了物理學(xué)、數(shù)學(xué)、分子生物學(xué)、神經(jīng)科學(xué)、心理學(xué)和計(jì)算機(jī)科學(xué)等許多相關(guān)學(xué)科的著名學(xué)者從不同研究方向或領(lǐng)域取得的成果。他們建立了并行分布處理理論，主要致力于認(rèn)知的微觀研究。尤其是，Rumelhart提出了多層網(wǎng)絡(luò)Back-Propagation法或稱Error Propagation法，這就是后來著名的BP算法。

2.4 新發(fā)展階段

90年代以來，人們較多地關(guān)注非線性系統(tǒng)的控制問題，通過神經(jīng)網(wǎng)絡(luò)方法來解決這類問題已取得了突出的成果，它是一個(gè)重要的研究領(lǐng)域。1990年Narendra和Parthasarathy提出了一種推廣的動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)系統(tǒng)及其連接權(quán)的學(xué)習(xí)算法，它可表示非線性特性，增強(qiáng)了魯棒性。他們給出了一種新的辨識與控制方案，以multilayer網(wǎng)絡(luò)與recarrent網(wǎng)絡(luò)統(tǒng)一的模型描述非線性動(dòng)態(tài)系統(tǒng)，并提出了動(dòng)態(tài)BP 參數(shù)在線調(diào)節(jié)方法。尤其是進(jìn)化計(jì)算的概念在1992年形成，促進(jìn)了這一理論的發(fā)展。1993年誕生了國際性雜志Evolutionary Computation。近幾年它成為一個(gè)熱點(diǎn)研究領(lǐng)域。1993年Yip和Pao提出了一種帶區(qū)域指引的進(jìn)化模擬退火算法，他們將進(jìn)化策略引入?yún)^(qū)域指引，它經(jīng)過選優(yōu)過程，最終達(dá)到求解問題的目的。

從上述各個(gè)階段發(fā)展軌跡來看，神經(jīng)網(wǎng)絡(luò)理論有更強(qiáng)的數(shù)學(xué)性質(zhì)和生物學(xué)特征，尤其是神經(jīng)科學(xué)、心理學(xué)和認(rèn)識科學(xué)等方面提出一些重大問題，是向神經(jīng)網(wǎng)絡(luò)理論研究的新挑戰(zhàn)，因而也是它發(fā)展的最大機(jī)會(huì)。90年代神經(jīng)網(wǎng)絡(luò)理論日益變得更加外向，注視著自身與科學(xué)技術(shù)之間的相互作用，不斷產(chǎn)生具有重要意義的概念和方法，并形成良好的工具。

3 神經(jīng)網(wǎng)絡(luò)的發(fā)展趨勢

3.1 神經(jīng)網(wǎng)絡(luò)VC維計(jì)算

神經(jīng)計(jì)算技術(shù)已經(jīng)在很多領(lǐng)域得到了成功的應(yīng)用，但由于缺少一個(gè)統(tǒng)一的理論框架，經(jīng)驗(yàn)性成分相當(dāng)高。最近十年里，很多研究者都力圖在一個(gè)統(tǒng)一的框架下來考慮學(xué)習(xí)與泛化的問題 。PAC(Probably Approximately Correct)學(xué)習(xí)模型就是這樣一個(gè)框架。作為PAC學(xué)習(xí)的核心以及學(xué)習(xí)系統(tǒng)學(xué)習(xí)能力的度量，VC維(Vapnik-Chervonenkis dimension)在確定神經(jīng)網(wǎng)絡(luò)的容量(capacity)、泛化能力(generalization)、訓(xùn)練集規(guī)模等的關(guān)系上有重要作用。如果可以計(jì)算出神經(jīng)網(wǎng)絡(luò)的VC維，則我們可以估計(jì)出要訓(xùn)練該網(wǎng)絡(luò)所需的訓(xùn)練集規(guī)模；反之，在給定一個(gè)訓(xùn)練集以及最大近似誤差時(shí)，可以確定所需要的網(wǎng)絡(luò)結(jié)構(gòu)。

Anthony將VC維定義為：設(shè)F為一個(gè)從n維向量集X到{0, 1}的函數(shù)族，則F的VC維為X的子集E的最大元素?cái)?shù)，其中E滿足：對于任意S?哿E，總存在函數(shù)fs ∈F，使得當(dāng)x ∈ S時(shí)fs(x) =1，x?埸S但x∈E時(shí)fs(x) =0。

VC維可作為函數(shù)族F復(fù)雜度的度量，它是一個(gè)自然數(shù)，其值有可能為無窮大，它表示無論以何種組合方式出現(xiàn)均可被函數(shù)族F正確劃分為兩類的向量個(gè)數(shù)的最大值。對于實(shí)函數(shù)族，可定義相應(yīng)的指示函數(shù)族，該指示函數(shù)族的VC維即為原實(shí)函數(shù)族的VC維。

3.2 基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘

1996年，F(xiàn)ayyad、Piatetsky-Shapiro和Smyth對KDD(Knowledge Discovery from Databases)和數(shù)據(jù)挖掘的關(guān)系進(jìn)行了闡述。但是，隨著該領(lǐng)域研究的發(fā)展，研究者們目前趨向于認(rèn)為KDD和數(shù)據(jù)挖掘具有相同的含義，即認(rèn)為數(shù)據(jù)挖掘就是從大型數(shù)據(jù)庫的數(shù)據(jù)中提取人們感興趣的知識。

數(shù)據(jù)挖掘的困難主要存在于三個(gè)方面：首先，巨量數(shù)據(jù)集的性質(zhì)往往非常復(fù)雜，非線性、時(shí)序性與噪音普遍存在；其次，數(shù)據(jù)分析的目標(biāo)具有多樣性，而復(fù)雜目標(biāo)無論在表述還是在處理上均與領(lǐng)域知識有關(guān)；第三，在復(fù)雜目標(biāo)下，對巨量數(shù)據(jù)集的分析，目前還沒有現(xiàn)成的且滿足可計(jì)算條件的一般性理論與方法。在早期工作中，研究者們主要是將符號型機(jī)器學(xué)習(xí)方法與數(shù)據(jù)庫技術(shù)相結(jié)合，但由于真實(shí)世界的數(shù)據(jù)關(guān)系相當(dāng)復(fù)雜，非線性程度相當(dāng)高，而且普遍存在著噪音數(shù)據(jù)，因此這些方法在很多場合都不適用。如果能將神經(jīng)計(jì)算技術(shù)用于數(shù)據(jù)挖掘，將可望借助神經(jīng)網(wǎng)絡(luò)的非線性處理能力和容噪能力，較好地解決這一問題。

4 結(jié)束語

經(jīng)過半個(gè)多世紀(jì)的研究，神經(jīng)計(jì)算目前已成為一門日趨成熟，應(yīng)用面日趨廣泛的學(xué)科。本文對神經(jīng)計(jì)算的研究現(xiàn)狀和發(fā)展趨勢進(jìn)行了綜述，主要介紹了神經(jīng)網(wǎng)絡(luò)VC維計(jì)算、基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘領(lǐng)域的相關(guān)研究成果。需要指出的是，除了上述內(nèi)容之外，神經(jīng)計(jì)算中還有很多值得深入研究的重要領(lǐng)域，例如：與符號學(xué)習(xí)相結(jié)合的混合學(xué)習(xí)方法的研究；脈沖神經(jīng)網(wǎng)絡(luò)(Pulsed Neural Networks)的研究;循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Networks)的研究等；神經(jīng)網(wǎng)絡(luò)與遺傳算法、人工生命的結(jié)合；支持向量機(jī)(Support Vector Machine)的研究；神經(jīng)網(wǎng)絡(luò)的并行、硬件實(shí)現(xiàn)；容錯(cuò)神經(jīng)網(wǎng)絡(luò)的研究。

參考文獻(xiàn):

[1] McCulloch W S, Pitts W. A Logical Calculus of the Ideas Immanent in Nervous Activity, Bulletin of Mathematical Biophysics, 1943.

[2] N.維納著，郝季仁譯，控制論，科學(xué)出版，1985.

[3] Von Neumann J. The General and Logical Theory of Automata, Cerebral Mechanisms in Behavior; The Hixon Sympsium, 1951.

[4] Hebb D O. The Organization of Behavior, New York:Wiley, 1949.

[5] 陳世福，陳兆乾. 人工智能與知識工程[M]. 南京: 南京大學(xué)出版社，1998.

[6] Simon Haykin.神經(jīng)網(wǎng)絡(luò)原理[M].機(jī)械工業(yè)出版社（第二版），2004.

人工神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)范文第2篇

[關(guān)鍵詞] 股票收益波動(dòng)率GARCH模型SV模型神經(jīng)網(wǎng)絡(luò)灰色模型支持向量機(jī)

一、股票收益波動(dòng)率預(yù)測模型研究現(xiàn)狀

如何對股票收益波動(dòng)率進(jìn)行準(zhǔn)確的描述與預(yù)測？這一直以來都是金融學(xué)領(lǐng)域探討的熱點(diǎn)問題之一。把握股票收益波動(dòng)率的特征及趨勢，對投資者測度、規(guī)避和管理股市風(fēng)險(xiǎn)具有極其重要的理論和實(shí)際意義。因此，長期以來許多學(xué)者運(yùn)用各類預(yù)測模型對股票收益率波動(dòng)性進(jìn)行實(shí)證分析和預(yù)測，希望能夠從中得到有益的啟示和可以遵循的規(guī)律。目前，從國內(nèi)外的相關(guān)文獻(xiàn)來看，盡管對股票收益波動(dòng)率進(jìn)行預(yù)測的模型有很多種，但依據(jù)其建模理論不同，可將模型劃分為兩個(gè)大類：一類是以統(tǒng)計(jì)原理為基礎(chǔ)的傳統(tǒng)型的波動(dòng)率預(yù)測模型，目前較為流行且具有代表性的模型包括ARCH類模型和SV類模型；另一類是以神經(jīng)網(wǎng)絡(luò)(ANN)、灰色理論(GM)、支持向量機(jī)(SVM)等為基礎(chǔ)的創(chuàng)新型預(yù)測模型。國外學(xué)者運(yùn)用GARCH和SV模型進(jìn)行預(yù)測，其預(yù)測效果好于國內(nèi)的同類預(yù)測。Campbll,Hetschel,Engle,Ng,Pagan,Schwert等證實(shí)GARCH能夠提供較理想的數(shù)據(jù)模擬與預(yù)測效果。Jun、Yu利用基本SV模型對新西蘭股市進(jìn)行了預(yù)測分析,發(fā)現(xiàn)基本SV模型具有很好的預(yù)測能力。G..B.Durham利用SV-mix 模型對標(biāo)準(zhǔn)普爾500指數(shù)做了預(yù)測，認(rèn)為預(yù)測效果較好。國內(nèi)學(xué)者如魏巍賢、張永東、錢浩韻、張世英等分別運(yùn)用GARCH和SV對我國股市進(jìn)行預(yù)測，效果不是十分理想。而利用創(chuàng)新型預(yù)測模型（ANN，GM，SVM）對股市進(jìn)行預(yù)測，國內(nèi)外文獻(xiàn)顯示預(yù)測效果都比較理想。Hill等將神經(jīng)網(wǎng)絡(luò)與六種傳統(tǒng)的統(tǒng)計(jì)預(yù)測方法作了對比，他們用了111個(gè)時(shí)間序列進(jìn)行預(yù)測，結(jié)論是：采用短期（月度、季度）數(shù)據(jù)預(yù)測時(shí)，神經(jīng)網(wǎng)絡(luò)明顯優(yōu)于傳統(tǒng)的統(tǒng)計(jì)模型；采用長期（年度）數(shù)據(jù)時(shí)，預(yù)測結(jié)果相差不多。李敏強(qiáng)、吳微、胡靜等許多學(xué)者實(shí)證研究結(jié)果表明：人工神經(jīng)網(wǎng)絡(luò)應(yīng)用于我國股票市場的預(yù)測是可行和有效的。陳海明、段進(jìn)東、施久玉、胡程鵬、覃思乾應(yīng)用灰色GM（1，1）模型對股票價(jià)格進(jìn)行短期預(yù)測，效果很好。W.Huang等用支持向量機(jī)預(yù)測股票市場運(yùn)動(dòng)方向。P.Pai等將ARIMA（autoregresssive integrated moving average）模型和SMV模型結(jié)合起來，提出一種組合模型來進(jìn)行股票價(jià)格預(yù)測,得出該組合模型優(yōu)于單個(gè)ARIMA或SVM的結(jié)論。國內(nèi)的楊一文、楊朝軍利用SMV對上海證券綜合指數(shù)序列趨勢做較準(zhǔn)確的多步預(yù)測。李立輝等將SMV應(yīng)用到我國上證180指數(shù)預(yù)測中。周萬隆、姚艷、趙金晶等實(shí)驗(yàn)結(jié)果表明，SVM預(yù)測精度很高。

總之，比較國內(nèi)外學(xué)者的研究狀況，至少可以得出以下兩個(gè)結(jié)論：一是國外學(xué)者采用美國或其他西方國家股市的相關(guān)數(shù)據(jù)帶入GARCH類或SV類模型進(jìn)行數(shù)據(jù)擬合或預(yù)測，其效果普遍要好于國內(nèi)學(xué)者采用國內(nèi)股市相關(guān)數(shù)據(jù)進(jìn)行的同類研究;二是我國學(xué)者運(yùn)用創(chuàng)新型預(yù)測模型進(jìn)行股市方面預(yù)測的文獻(xiàn)多于傳統(tǒng)的統(tǒng)計(jì)模型，而且從預(yù)測效果上看，創(chuàng)新型預(yù)測模型的預(yù)測精確度要高于傳統(tǒng)型統(tǒng)計(jì)類預(yù)測模型。

二、基于統(tǒng)計(jì)原理的預(yù)測模型與創(chuàng)新型預(yù)測模型的比較分析

1.建模的理論基礎(chǔ)不同。傳統(tǒng)的基于統(tǒng)計(jì)原理的股票收益波動(dòng)率預(yù)測模型是建立在統(tǒng)計(jì)分析理論基礎(chǔ)之上的。而處理基于概率統(tǒng)計(jì)的隨機(jī)過程，是要求樣本量越大越好，原始數(shù)據(jù)越完整、越明確越好。但事實(shí)上，在實(shí)際中，即使有了大樣本量，也不一定找到規(guī)律，即使有了統(tǒng)計(jì)規(guī)律也不一定是典型的。創(chuàng)新型預(yù)測模型則是完全脫離統(tǒng)計(jì)理論的基礎(chǔ)，以一種創(chuàng)新型的建模思維，來建立預(yù)測模型。例如灰色模型是建立在灰色理論基礎(chǔ)之上的，依據(jù)廣義能量變化規(guī)律，將歷史資料做累加處理，使其呈現(xiàn)出指數(shù)變化規(guī)律，然后建模。而人工神經(jīng)網(wǎng)絡(luò)模型是建立在神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)之上的，它通過模仿人腦神經(jīng)系統(tǒng)的結(jié)構(gòu)及信息處理和檢索等功能，建立神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)測。支持向量機(jī)則依據(jù)的是統(tǒng)計(jì)學(xué)習(xí)的機(jī)器學(xué)習(xí)理論，通過凸優(yōu)化，使得局部解一定是最優(yōu)解，克服了神經(jīng)網(wǎng)絡(luò)收斂速度慢和局部極小點(diǎn)等缺陷。

2.對數(shù)據(jù)的要求與處理不同。基于統(tǒng)計(jì)原理的預(yù)測模型要求樣本量大并有很好的分布規(guī)律，無論是GARCH類還是SV類模型，只有在樣本量足夠大，且分布較好的情況下，其預(yù)測效果才會(huì)比較理想。例如，運(yùn)用GARCH模型對美國股指進(jìn)行預(yù)測要比對國內(nèi)股指進(jìn)行預(yù)測效果理想，原因是我國股市發(fā)展的時(shí)間相對較短，期間由于宏觀調(diào)控和股改等原因，造成股指大起大落，導(dǎo)致數(shù)據(jù)分布規(guī)律性不強(qiáng)，因此我國運(yùn)用這類模型存在一定局限。而創(chuàng)新型預(yù)測模型對樣本量的要求和分布程度的要求均較低。例如灰色模型，只要擁有7、8個(gè)數(shù)據(jù)就可對下一個(gè)數(shù)據(jù)進(jìn)行預(yù)測。在處理技術(shù)上，灰色模型要對原始數(shù)據(jù)進(jìn)行累加處理，使表面雜亂無章的數(shù)據(jù)呈現(xiàn)出明顯的指數(shù)規(guī)律，建模計(jì)算之后，再進(jìn)行累減還原。神經(jīng)網(wǎng)絡(luò)模型則采用數(shù)據(jù)驅(qū)動(dòng)，黑箱建模，無需先驗(yàn)信息，能夠在信息資源不完整、不準(zhǔn)確等復(fù)雜的數(shù)據(jù)環(huán)境下，通過自身結(jié)構(gòu)的調(diào)整，提取數(shù)據(jù)特征，并對未來進(jìn)行有效預(yù)測。

3.模型結(jié)構(gòu)的穩(wěn)定性與適應(yīng)性不同?；诮y(tǒng)計(jì)原理的預(yù)測模型一經(jīng)建立，其模型結(jié)構(gòu)具有較強(qiáng)的穩(wěn)定性，模型變量之間存在一個(gè)穩(wěn)定的內(nèi)在關(guān)系。無論是GARCH模型還是SV模型，模型結(jié)構(gòu)都相對穩(wěn)定、簡單，而且都是單因素模型。但在實(shí)際中，預(yù)測環(huán)境是復(fù)雜多變的，一旦系統(tǒng)變量之間出現(xiàn)新的關(guān)系，該類模型則無法調(diào)整和適應(yīng)。創(chuàng)新型預(yù)測模型則是一種或者多因素、或者可以變結(jié)構(gòu)的模型，其計(jì)算相對復(fù)雜，但其適應(yīng)能力要好于基于統(tǒng)計(jì)原理的預(yù)測模型。例如灰色模型，除了有基本的GM（1，1）模型，對于高階系統(tǒng)，灰色理論通過GM（1，n）模型群解決，并且可以綜合考慮多種因素的影響。而神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)都是變結(jié)構(gòu)模型，通過網(wǎng)絡(luò)對新樣本的學(xué)習(xí)，調(diào)整其內(nèi)部結(jié)構(gòu)，從而適應(yīng)系統(tǒng)變量的變化。對于非線性高維、高階問題神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)會(huì)發(fā)揮得更好。

4.預(yù)測精準(zhǔn)度與外推性強(qiáng)弱不同。相比較而言，基于統(tǒng)計(jì)原理的預(yù)測模型誤差較大，外推性差。因?yàn)榛诮y(tǒng)計(jì)原理的預(yù)測模型對數(shù)據(jù)樣本沒有再處理或?qū)W習(xí)的過程，因此對樣本的擬合性較低，由此導(dǎo)致其外推性也較差。而創(chuàng)新型預(yù)測模型相對而言精確度較高，外推性強(qiáng)。原因是創(chuàng)新型預(yù)測模型對數(shù)據(jù)具有再處理或?qū)W習(xí)的過程。灰色模型是對數(shù)據(jù)進(jìn)行了累加處理；而神經(jīng)網(wǎng)絡(luò)模型和支持向量機(jī)是對數(shù)據(jù)進(jìn)行了學(xué)習(xí)，然后進(jìn)行推理、優(yōu)化。因此，創(chuàng)新型預(yù)測模型的擬合度和外推能力都要高于統(tǒng)計(jì)類模型。

5.預(yù)測難度與預(yù)測時(shí)間長度不同?；诮y(tǒng)計(jì)原理的預(yù)測模型技術(shù)比較成熟，預(yù)測過程相對簡單。無論是GARCH類還是SV類預(yù)測模型，其建立模型依據(jù)的理論基礎(chǔ)堅(jiān)實(shí)，模型構(gòu)造相對簡單，計(jì)算難度相對較低。由于這類模型采用的數(shù)據(jù)是較長時(shí)間的歷史數(shù)據(jù)，因此可以對未來進(jìn)行較長時(shí)間的預(yù)測。而創(chuàng)新型預(yù)測模型預(yù)測技術(shù)還有改進(jìn)的余地，且預(yù)測難度較大。如利用神經(jīng)網(wǎng)絡(luò)進(jìn)行股票收益波動(dòng)率預(yù)測，其過程相對較難，因?yàn)樯窠?jīng)網(wǎng)絡(luò)需要設(shè)定隱層，權(quán)重；其隱層和權(quán)重設(shè)置合理與否，直接導(dǎo)致預(yù)測結(jié)果的合理與準(zhǔn)確。用支持向量機(jī)方法進(jìn)行預(yù)測，涉及到核函數(shù)的確定。核函數(shù)的確定難度較大。由于創(chuàng)新型預(yù)測模型對數(shù)據(jù)要求度不高，一般是小樣本量預(yù)測，因此，適用于對預(yù)測對象進(jìn)行短期預(yù)測。

三、我國股票收益波動(dòng)率預(yù)測模型發(fā)展方向

1.創(chuàng)新型的智能化預(yù)測模型將成為我國股票收益率預(yù)測的一個(gè)發(fā)展方向。首先，創(chuàng)新型預(yù)測模型能夠克服我國股市數(shù)據(jù)不完整、波動(dòng)大、分布不合理等缺點(diǎn)，采用小樣本數(shù)據(jù)對股市進(jìn)行短期預(yù)測，預(yù)測的精準(zhǔn)度相對高于傳統(tǒng)的統(tǒng)計(jì)類預(yù)測模型。其次，創(chuàng)新類模型中的智能化模型能夠模仿或部分模仿人工智能，對影響股市的多種因素進(jìn)行復(fù)雜的非線性變結(jié)構(gòu)處理，既能克服單因素模型包含信息不充分的缺點(diǎn)，也能克服固定結(jié)構(gòu)模型無法處理突發(fā)性事件的缺點(diǎn)，能盡量充分地反映影響股市的多種信息和復(fù)雜變化，從而增加預(yù)測的準(zhǔn)確度。

2.組合預(yù)測模型將成為我國股票收益率預(yù)測模型發(fā)展的另一個(gè)發(fā)展方向。組合預(yù)測是將不同預(yù)測模型的預(yù)測結(jié)果依據(jù)一定的原則賦予不同的權(quán)重，然后進(jìn)行加權(quán)平均，得出最終的預(yù)測結(jié)果。這種預(yù)測方法可以克服單一預(yù)測模型信息量不充分的缺點(diǎn)，充分發(fā)揮不同預(yù)測模型的優(yōu)勢，最大限度獲取不同角度的信息量，提高股票收益率預(yù)測水平。

3.包含各種非量化信息的預(yù)測模型將成為我國股票收益率預(yù)測模型的一個(gè)重要發(fā)展方向。目前股票收益率預(yù)測模型都屬于數(shù)量化預(yù)測模型,非量化的因素?zé)o法融入到模型之中,這就導(dǎo)致預(yù)測中丟失了大量的非量化信息,預(yù)測的精準(zhǔn)度受到很大影響。如何能將各種影響股市的非定量化信息進(jìn)行技術(shù)處理后轉(zhuǎn)變成量化信息,使之能夠被加入到股票收益率預(yù)測的模型當(dāng)中,從而充分反映政策因素、心理因素、突發(fā)事件等非量化因素對股票收益率的影響,提高預(yù)測的精確度,是股票收益率預(yù)測模型的一個(gè)重要發(fā)展方向。

參考文獻(xiàn)：

[1]張永東 畢秋香:2003上海股市波動(dòng)性預(yù)測模型的實(shí)證比較.管理工程學(xué)

人工神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)范文第3篇

開展礦產(chǎn)資源綜合區(qū)劃功能分區(qū)研究，對進(jìn)行差別化管理政策的制定、空間分區(qū)管理有理論和實(shí)踐意義。在分析礦產(chǎn)資源綜合區(qū)劃影響因素的基礎(chǔ)上，構(gòu)建以資源條件、開發(fā)基礎(chǔ)、生態(tài)條件、區(qū)域經(jīng)濟(jì)潛能為準(zhǔn)則層的礦產(chǎn)資源綜合區(qū)劃二級區(qū)劃的指標(biāo)體系和分區(qū)體系。分析和討論了礦產(chǎn)資源綜合區(qū)劃二級區(qū)劃分區(qū)方法，并采用BP神經(jīng)網(wǎng)絡(luò)方法對甘肅省礦產(chǎn)資源綜合區(qū)劃二級區(qū)劃進(jìn)行分類研究，將甘肅省劃分為重點(diǎn)發(fā)展、一般發(fā)展、限制發(fā)展和禁止發(fā)展4類功能區(qū)。結(jié)果表明，BP神經(jīng)網(wǎng)絡(luò)分類結(jié)果符合實(shí)際，是對傳統(tǒng)區(qū)劃方法的重要補(bǔ)充。

關(guān)鍵詞：

綜合區(qū)劃；礦產(chǎn)資源；BP神經(jīng)網(wǎng)絡(luò)；功能分區(qū)

區(qū)劃是從區(qū)域角度觀察和研究地域綜合體，探討區(qū)域單元的形成發(fā)展、分異組合、劃分合并和相互聯(lián)系，是對過程和類型綜合研究的概括和總結(jié)[1]。綜合區(qū)劃是人與環(huán)境系統(tǒng)研究對可持續(xù)發(fā)展的重大理論貢獻(xiàn)[2]，是當(dāng)前地域系統(tǒng)研究和全球環(huán)境變化人文因素研究的熱點(diǎn)[3,4]，不同部門綜合區(qū)劃研究也取得很多理論成果[5-9]。第三輪礦產(chǎn)資源規(guī)劃編制要求開展礦產(chǎn)資源基礎(chǔ)、開發(fā)條件、生態(tài)約束、區(qū)域發(fā)展需求等各因素整合起來的礦產(chǎn)資源綜合區(qū)劃研究，為分區(qū)規(guī)劃、分類指導(dǎo)礦產(chǎn)資源勘查、開發(fā)利用與保護(hù)，為礦產(chǎn)資源規(guī)劃編制提供理論依據(jù)。楊博等[10,11]已對礦產(chǎn)資源綜合區(qū)劃的概念內(nèi)涵、區(qū)劃體系、劃分方法等作了大量研究，提出了較重要的理論成果。候華麗等[12]將礦產(chǎn)資源綜合區(qū)劃體系劃分為兩級，一級為地域分區(qū)，二級為功能分區(qū)。并認(rèn)為二級區(qū)劃指標(biāo)體系應(yīng)包含礦產(chǎn)資源基礎(chǔ)條件、礦產(chǎn)資源開發(fā)條件、生態(tài)條件、地區(qū)經(jīng)濟(jì)發(fā)展水平等綜合性指標(biāo)。本文擬探討礦產(chǎn)資源綜合區(qū)劃二級區(qū)劃指標(biāo)體系、分區(qū)方法，并以縣區(qū)為基本單位，采用BP神經(jīng)網(wǎng)絡(luò)方法開展甘肅省礦產(chǎn)資源綜合區(qū)劃二級區(qū)劃功能分區(qū)研究，為豐富和拓展區(qū)劃的方法和途徑，并為礦產(chǎn)資源綜合區(qū)劃分區(qū)研究和礦產(chǎn)資源規(guī)劃提供理論依據(jù)和實(shí)證參考。

1礦產(chǎn)資源綜合區(qū)劃二級區(qū)劃指標(biāo)體系與分區(qū)體系

1.1礦產(chǎn)資源綜合區(qū)劃二級區(qū)劃指標(biāo)體系

綜合考慮礦產(chǎn)資源勘查、開發(fā)利用與保護(hù)全過程，可以發(fā)現(xiàn)其受到資源因素、環(huán)境因素、社會(huì)因素、經(jīng)濟(jì)因素等四個(gè)方面的影響?；谶@些影響因素，在遵循全面性與可操作性、數(shù)據(jù)可獲得性與可對比性、系統(tǒng)性和導(dǎo)向性等原則基礎(chǔ)上，構(gòu)建礦產(chǎn)資源綜合區(qū)劃二級區(qū)劃指標(biāo)體系，從而實(shí)現(xiàn)區(qū)域劃分。其中目標(biāo)層為礦產(chǎn)資源合理開發(fā)與區(qū)劃可持續(xù)發(fā)展，準(zhǔn)則層包括礦產(chǎn)資源條件、開發(fā)基礎(chǔ)、生態(tài)條件和區(qū)域經(jīng)濟(jì)潛能等四個(gè)方面。準(zhǔn)則層又由若干指標(biāo)組成（表1）。

1.2礦產(chǎn)資源綜合區(qū)劃二級區(qū)劃分區(qū)體系

依據(jù)礦產(chǎn)資源綜合區(qū)劃的定義，以及礦產(chǎn)資源綜合區(qū)劃指標(biāo)體系，按照區(qū)劃的目標(biāo)和功能，劃分礦產(chǎn)資源綜合區(qū)劃二級區(qū)劃體系。根據(jù)礦產(chǎn)資源綜合區(qū)劃影響因素指標(biāo)分析，可以知道礦產(chǎn)資源基礎(chǔ)為綜合區(qū)劃核心要素，其他如開發(fā)條件、區(qū)域經(jīng)濟(jì)發(fā)展水平等因素是綜合區(qū)劃的重要影響因素，而生態(tài)條件礦產(chǎn)資源綜合區(qū)劃約束性因素。因此，本文認(rèn)為礦產(chǎn)資源綜合區(qū)劃二級區(qū)區(qū)劃應(yīng)該包含重點(diǎn)發(fā)展、禁止開發(fā)、限制發(fā)展、一般發(fā)展等四種類型區(qū)，其中一般發(fā)展區(qū)為其他三類發(fā)展區(qū)的補(bǔ)充，不單獨(dú)劃分。因此，礦產(chǎn)資源綜合區(qū)劃二級區(qū)可劃分為：礦產(chǎn)資源重點(diǎn)發(fā)展區(qū)、生態(tài)保護(hù)區(qū)（禁止開發(fā)區(qū)）、限制發(fā)展區(qū)和一般發(fā)展區(qū)。

2基于BP神經(jīng)網(wǎng)絡(luò)的礦產(chǎn)資源綜合區(qū)劃功能分區(qū)

2.1礦產(chǎn)資源綜合區(qū)劃二級區(qū)劃分區(qū)方法

礦產(chǎn)資源綜合區(qū)劃受自然、社會(huì)、環(huán)境、經(jīng)濟(jì)的綜合影響，影響因子多，難以提取主要因子，同時(shí)不同因子之間又存在一定相關(guān)性，且每個(gè)因子貢獻(xiàn)率也不同，導(dǎo)致礦產(chǎn)資源綜合區(qū)劃難以劃分?，F(xiàn)有比較常見的區(qū)劃分析方法有：主導(dǎo)標(biāo)志法、相關(guān)分析法、專家集成定性分析法、最終分類評價(jià)矩陣分類法[13]，逐步歸并模型定量法等[14]。朱傳耿等[15]采用最終分類評價(jià)矩陣分類法對地域主體功能區(qū)劃進(jìn)行實(shí)證研究，取得良好的成果，是目前常用的地域功能識別和劃分方法方法。劉玉邦[16]等運(yùn)用主成分與聚類分析方法進(jìn)行農(nóng)業(yè)水資源高效利用綜合分區(qū)，這種方法可以避免人為的主觀確定因子的權(quán)值，同時(shí)可以消除不同因子之間的相關(guān)性干擾，但此方法也易受影響[17]，導(dǎo)致聚類中心偏移。神經(jīng)網(wǎng)絡(luò)方法在區(qū)域劃分中取得了很好地效果[18-23]，但表1礦產(chǎn)資源綜合區(qū)劃指標(biāo)體系目標(biāo)層準(zhǔn)則層指標(biāo)層具體指標(biāo)礦產(chǎn)資源合理開發(fā)與區(qū)劃可持續(xù)發(fā)展資源條件基礎(chǔ)地質(zhì)調(diào)查工作覆蓋率查明資源儲(chǔ)量大中型礦產(chǎn)地年度開采總量大中型礦山數(shù)量基礎(chǔ)地質(zhì)調(diào)查工作覆蓋率基礎(chǔ)儲(chǔ)量資源量大型礦產(chǎn)地中型礦產(chǎn)地年度開采總量大型礦山數(shù)量中型礦山數(shù)量開發(fā)基礎(chǔ)可利用土地資源可利用水資源交通優(yōu)勢度適宜建設(shè)用地率可利用水資源潛力交通密度交通干線交通樞紐生態(tài)條件生態(tài)重要性生態(tài)脆弱性生物多樣性保護(hù)重要性水源涵養(yǎng)重要性土壤保持重要性防風(fēng)固沙重要性地質(zhì)災(zāi)害危險(xiǎn)性礦山地質(zhì)環(huán)境影響性水土流失易發(fā)性森林覆蓋率區(qū)域經(jīng)濟(jì)潛能工業(yè)化階段礦業(yè)所占比重三次產(chǎn)業(yè)產(chǎn)值結(jié)構(gòu)人均GDP礦業(yè)經(jīng)濟(jì)占GDP比重目前應(yīng)用神經(jīng)網(wǎng)絡(luò)進(jìn)行庫上次資源綜合區(qū)劃分區(qū)的案例還未見報(bào)道。本文擬選取產(chǎn)資源條件、開發(fā)基礎(chǔ)、生態(tài)條件和區(qū)域經(jīng)濟(jì)潛能等指標(biāo)層和指標(biāo)因子，運(yùn)用BP神經(jīng)網(wǎng)絡(luò)方法，進(jìn)行礦產(chǎn)資源綜合區(qū)劃二級區(qū)劃分區(qū)劃分，目的在于探索實(shí)踐定量途徑在區(qū)劃劃分中的應(yīng)用，拓展區(qū)劃的方法和途徑。

2.2BP神經(jīng)網(wǎng)絡(luò)及其理論基礎(chǔ)

2.2.1神經(jīng)網(wǎng)絡(luò)的分類

神經(jīng)網(wǎng)絡(luò)理論的研究工作始于上世紀(jì)中頁，McMulloch和Pitts首先提出神經(jīng)元的形式化模型[24]，并進(jìn)行邏輯函數(shù)運(yùn)算，開啟了人工神經(jīng)網(wǎng)絡(luò)的理論研究。經(jīng)過多年的發(fā)展，人工神經(jīng)網(wǎng)絡(luò)的理論和應(yīng)用研究在數(shù)學(xué)和工程學(xué)方面取得了豐碩的成果，產(chǎn)生出了諸如向前神經(jīng)網(wǎng)絡(luò)、反饋神經(jīng)網(wǎng)絡(luò)、隨機(jī)神經(jīng)網(wǎng)絡(luò)及自組織神經(jīng)網(wǎng)絡(luò)等30多種不同類型、結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)等，這些模型又大致分為三類：前向神經(jīng)網(wǎng)絡(luò)（以BP網(wǎng)絡(luò)為典型代表），反饋神經(jīng)網(wǎng)絡(luò)（以Hopfidld網(wǎng)絡(luò)為典型代表）以及自組織神經(jīng)網(wǎng)絡(luò)（以SOFM網(wǎng)絡(luò)為典型代表）。從系統(tǒng)角度來看，BP最適合解決分類問題，因?yàn)榉诸悊栴}可視為分析計(jì)算靜態(tài)的非線性映射f，BP這種前向網(wǎng)絡(luò)通過非線性處理能力可較好的逼近映射f。

2.2.2BP神經(jīng)網(wǎng)絡(luò)模型的理論分析

BP神經(jīng)網(wǎng)絡(luò)是基于BP算法的多層前饋網(wǎng)絡(luò)，其網(wǎng)絡(luò)結(jié)構(gòu)簡單，算法成熟，具有自學(xué)習(xí)和自適應(yīng)等優(yōu)點(diǎn)。BP算法通過輸入、輸出數(shù)據(jù)樣本集，根據(jù)誤差反向傳遞的原理，對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，其學(xué)習(xí)過程包括信息的正向傳播過程以及誤差的反向傳播這兩個(gè)過程，對其反復(fù)訓(xùn)練，連續(xù)不斷地在相對誤差函數(shù)梯度下降的方向上，對網(wǎng)絡(luò)權(quán)值和偏差的變化進(jìn)行計(jì)算，逐漸逼近目標(biāo)。典型的BP神經(jīng)網(wǎng)絡(luò)由一個(gè)輸入層、至少一個(gè)隱含層和一個(gè)輸出層組成[25]（圖1）。BP神經(jīng)網(wǎng)絡(luò)模擬預(yù)測過程由以下四個(gè)階段組成：（1）模式順傳播過程；（2）誤差逆?zhèn)鞑ミ^程；（3）記憶訓(xùn)練過程；（4）學(xué)習(xí)收斂過程。最終形成模擬預(yù)測結(jié)果。

2.3BP神經(jīng)網(wǎng)絡(luò)聚類步驟

2.3.1BP神經(jīng)網(wǎng)絡(luò)構(gòu)成

指標(biāo)因子輸入。在輸入層輸入指標(biāo)因子，本文將12個(gè)指標(biāo)層因子列為指標(biāo)因子，即基礎(chǔ)地質(zhì)調(diào)查工作覆蓋率、查明資源儲(chǔ)量、大中型礦產(chǎn)地、年度開采總量、大中型礦山數(shù)量、可利用土地資源、可利用水資源、交通優(yōu)勢度、生態(tài)重要性、生態(tài)脆弱性、工業(yè)化階段、礦業(yè)所占比重等。隱含層。進(jìn)行BP網(wǎng)絡(luò)建模時(shí)，隱層數(shù)的確定至關(guān)重要。隱層數(shù)沒有強(qiáng)制的規(guī)定，隱層數(shù)越多，模型識別訓(xùn)練樣本的差異性越好，但計(jì)算機(jī)運(yùn)行的中間過程越復(fù)雜，耗時(shí)越多，對于檢驗(yàn)樣本誤差可能會(huì)增大。所以一般原則是：隱層數(shù)小于訓(xùn)練樣本數(shù)的前提下，達(dá)到精度要求時(shí)的隱層數(shù)越少越好，本文將隱含層也設(shè)為12層。輸出層。輸出層根據(jù)研究目的而確定，筆者以農(nóng)用地的土地適宜性為輸出層。在BP網(wǎng)絡(luò)結(jié)構(gòu)中，每層都是用數(shù)值來刻畫，而農(nóng)用地適宜性只是一個(gè)概念性的模型，因此筆者將概念模型用數(shù)值進(jìn)行刻畫。根據(jù)礦產(chǎn)資源綜合區(qū)劃二級區(qū)劃分區(qū)體系，綜合礦產(chǎn)資源不同功能分區(qū)，即開發(fā)強(qiáng)度、限制性強(qiáng)度和生態(tài)保護(hù)能力的高低，將二級區(qū)劃開發(fā)適宜性分為4等，4為高度適宜，3為較適宜，2為一般適宜，1為不適宜。

2.3.2訓(xùn)練樣品的選取

根據(jù)甘肅省實(shí)際，結(jié)合專家的知識經(jīng)驗(yàn)，確定14個(gè)市州的12個(gè)指標(biāo)層形成的二級區(qū)劃開發(fā)適宜性指標(biāo)作為訓(xùn)練樣本，即給定14個(gè)市州二級區(qū)劃開發(fā)適宜性評分，作為實(shí)際建模選擇的樣本。

2.4研究實(shí)例

2.4.1數(shù)據(jù)分析與處理

本研究以甘肅省為對象展開實(shí)證分析，以縣區(qū)為基本單位進(jìn)行數(shù)據(jù)收集和處理，主要針對二級區(qū)劃指標(biāo)層指標(biāo)逐一收集，數(shù)據(jù)資源主要來源于《甘肅統(tǒng)計(jì)年鑒2013年》、《2013年甘肅省國土資源公報(bào)》等。主要針對指標(biāo)層數(shù)據(jù)進(jìn)行逐一分析說明：基礎(chǔ)地質(zhì)調(diào)查工作覆蓋率：引用2013年甘肅省已完成的1：5萬礦產(chǎn)遠(yuǎn)景調(diào)查圖幅和面積，并與相關(guān)縣域國土面積相比，得出各縣的基礎(chǔ)地質(zhì)調(diào)查工作覆蓋率；各縣查明資源儲(chǔ)量、大中型礦產(chǎn)地、年度開采總量、大中型礦山數(shù)量引用2013年礦產(chǎn)資源儲(chǔ)量年報(bào)數(shù)據(jù)；可利用土地資源引用2008年土地總體利用規(guī)劃數(shù)據(jù)；可利用水資源引用2013年甘肅統(tǒng)計(jì)年鑒數(shù)據(jù)；各縣區(qū)交通優(yōu)勢度采用金鳳君[26]等計(jì)算方法，依據(jù)甘肅省2013年鐵路、公路網(wǎng)地理圖屬性數(shù)據(jù)計(jì)算得到；各縣區(qū)生態(tài)重要性和生態(tài)脆弱性指標(biāo)數(shù)據(jù)來源于甘肅省生態(tài)功能區(qū)劃；各縣區(qū)工業(yè)化階段和礦業(yè)所占比重來源于2013年甘肅統(tǒng)計(jì)年鑒數(shù)據(jù)。礦產(chǎn)資源綜合區(qū)劃指標(biāo)體系包括4項(xiàng)準(zhǔn)則層，12項(xiàng)評價(jià)指標(biāo)及項(xiàng)基礎(chǔ)指標(biāo)，每項(xiàng)指標(biāo)都有不同的量綱單位，若要對指標(biāo)進(jìn)行BP神經(jīng)網(wǎng)絡(luò)分析時(shí)，就必須要消除量綱的影響，進(jìn)行無量綱化處理[27]。

2.4.2BP神經(jīng)網(wǎng)絡(luò)計(jì)算

在Matlab平臺(tái)下，首先錄入訓(xùn)練樣本，即14個(gè)市州的指標(biāo)數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)訓(xùn)練，進(jìn)而錄入其他各縣的各類指標(biāo)數(shù)據(jù)，使用newff函數(shù)創(chuàng)建級聯(lián)前向神經(jīng)網(wǎng)絡(luò)，輸入層和輸出層的神經(jīng)元采用tansig傳遞函數(shù)，隱含層與輸出層采用purelin函數(shù)，訓(xùn)練算法為trainlm。采取的訓(xùn)練精度設(shè)置為0.001。計(jì)算結(jié)果如圖2所示。

2.4.3結(jié)果分析

從圖2可得，BP神經(jīng)網(wǎng)絡(luò)分類結(jié)果的空間聚集性較高，基本反映了甘肅省礦產(chǎn)資源分布的區(qū)域特征。BP神經(jīng)網(wǎng)絡(luò)輸出結(jié)果為4類區(qū)域。第一類為礦產(chǎn)資源重點(diǎn)發(fā)展區(qū)，第二類為礦產(chǎn)資源一般發(fā)展區(qū)，第三類為礦產(chǎn)資源限制發(fā)展區(qū)，第四類為生態(tài)保護(hù)區(qū)（禁止開發(fā)區(qū)）。每一類發(fā)展區(qū)都包括若干縣區(qū)，每類發(fā)展區(qū)與所保護(hù)的縣區(qū)都有很強(qiáng)的相關(guān)性，如重點(diǎn)發(fā)展區(qū)包含：金川區(qū)、平川區(qū)、崇信縣、華亭縣等4個(gè)縣區(qū)，這些縣都是礦產(chǎn)資源儲(chǔ)量豐富，礦產(chǎn)資源開發(fā)強(qiáng)度高，礦業(yè)產(chǎn)值高的地區(qū)；限制發(fā)展區(qū)大都為礦產(chǎn)資源儲(chǔ)量較為匱乏，或者開發(fā)基礎(chǔ)條件較差，不適宜大規(guī)模進(jìn)行礦產(chǎn)資源開發(fā)的地區(qū)；生態(tài)保護(hù)區(qū)（禁止開發(fā)區(qū)）如卓尼縣、舟曲縣、碌曲縣、肅南縣等，大都位于自然保護(hù)區(qū)，不適宜進(jìn)行礦產(chǎn)資源開發(fā)。

3討論

基于BP神經(jīng)網(wǎng)絡(luò)開展的礦產(chǎn)資源綜合區(qū)劃二級區(qū)劃分區(qū)，你搞過預(yù)測結(jié)果和驗(yàn)證分析，結(jié)果表明模型的建立與選擇是符合實(shí)際的，且有以下優(yōu)點(diǎn)：（1）能夠快速把握區(qū)域的分異特點(diǎn)，進(jìn)行大范圍的區(qū)劃工作；（2）BP網(wǎng)絡(luò)模型可以避免聚類分析的噪音影響帶來的評價(jià)誤差；（3）與專家經(jīng)驗(yàn)集成的區(qū)劃方法相比，BP神經(jīng)網(wǎng)絡(luò)方法更加客觀。但也有需要完善的地方，如典型樣本（訓(xùn)練樣本）的選擇上，有一定的主觀性；只進(jìn)行了一種神經(jīng)網(wǎng)絡(luò)方法的分類研究，研究論證不夠全面等等。但總體上，基于BP神經(jīng)網(wǎng)絡(luò)進(jìn)行的礦產(chǎn)資源綜合區(qū)劃二級區(qū)劃分具有劃分層次明顯、區(qū)域分割清晰、客觀性強(qiáng)等優(yōu)點(diǎn)，是對傳統(tǒng)區(qū)劃方法的重要補(bǔ)充。在未來的工作中，應(yīng)該加強(qiáng)對因子選擇、典型樣本選取方法研究，同時(shí)要運(yùn)用多種神經(jīng)網(wǎng)絡(luò)方法開展分區(qū)研究，通過對不同方法的對比分析，總結(jié)出最優(yōu)區(qū)劃方案。

參考文獻(xiàn)：

[1]鄭度，葛全勝，張雪芹，等.中國區(qū)劃工作的回顧與展望[J].地理研究，2005，24（3）：330-344.

[2]劉燕華，葛全勝，張雪芹.關(guān)于中國全球環(huán)境變化人文因素研究發(fā)展方向的思考[J].地球科學(xué)進(jìn)展，2004，19（6）：889-895.

[3]吳紹洪.綜合區(qū)劃的初步設(shè)想[J].地理研究，1998，17（4）：367-374.

[4]劉燕華，鄭度，葛全勝，等.關(guān)于開展中國綜合區(qū)劃研究若干問題的認(rèn)識[J].地理研究，2005，24（3）：321-329.

[5]楊勤業(yè)，鄭度，吳紹洪，等.20世紀(jì)50年代以來中國綜合自然地理研究進(jìn)展[J].地理研究，2005，24（6）：89-91．

[6]毛漢英，方創(chuàng)琳.我國新一輪國土規(guī)劃編制的基本構(gòu)想[J].地理研究，2002，21（3）：267-275

[7]陳守煜，李亞偉.基于模糊迭代聚類的水資源分區(qū)研究[J].遼寧工程技術(shù)大學(xué)學(xué)報(bào)，2004，23（6）：848-851.

[8]馮紅燕，譚永忠，王慶日.中國土地利用分區(qū)研究綜述[J].中國土地科學(xué)，2010，24（8）：71-76.

[9]金貴，王占岐，姚小薇，等.國土空間分區(qū)的概念與方法探討[J].中國土地科學(xué)，2013，27（5）：48-53.

[10]楊博，呂新彪，魏彥芳.礦產(chǎn)資源綜合區(qū)劃的概念與方法探討[J].國土與自然資源研究，2015（3）：50-53.

[11]楊博，呂新彪，魏彥芳.省級尺度礦產(chǎn)資源綜合區(qū)劃方法與應(yīng)用[J].國土與自然資源研究，2015（6）：19-22.

[12]侯華麗，吳尚昆，張玉韓，周璞.對我國開展礦產(chǎn)資源綜合區(qū)劃相關(guān)問題的思考[J].國土資源科技管理，2015（03）：78-83.

[13]陳雯，段學(xué)軍，陳江龍，等.空間開發(fā)功能區(qū)劃的方法[J].地理學(xué)報(bào)，2004，59（增刊）：53-58.

[14]黃桂芝，董平，吳霜.可持續(xù)發(fā)展理論基本模式新探及數(shù)學(xué)模型研究[J].太原理工大學(xué)學(xué)報(bào)，2005，36（1）：103-106.

[15]朱傳耿，仇方道，馬曉冬，等.地域主體功能區(qū)劃理論與方法的初步研究[J].地理科學(xué)，2007，27（2）：136-141.

[16]劉玉邦，梁川.基于主成分和模糊C-均值聚類算法的農(nóng)業(yè)水資源高效利用綜合分區(qū)[J].水文，2011，31（5）：57-63.

[17]秦福高，孫悅娟.聚類與關(guān)聯(lián)規(guī)則挖掘進(jìn)行結(jié)合的研究[J].電腦知識與技術(shù)，2011，7（14）：3418-3419.

[18]黃嬌，高陽，趙志強(qiáng)，等.基于GIS與SOFM網(wǎng)絡(luò)的中國綜合自然區(qū)劃[J].地理研究，2011，30（9）：1648-1659.

[19]劉婭，朱文博，韓雅，等.基于SOFM神經(jīng)網(wǎng)絡(luò)的京津冀地區(qū)水源涵養(yǎng)功能分區(qū)[J].環(huán)境科學(xué)研究，2015，28（3）：369-376.

[20]王江思，馬傳明，王文梅.基于SPSS和GIS的BP神經(jīng)網(wǎng)絡(luò)農(nóng)用地適宜性評價(jià)[J].地質(zhì)科技情報(bào)，2013，32（2）：138-143.

[21]黃亞捷，葉回春，張世文.基于自組織特征映射神經(jīng)網(wǎng)絡(luò)的中國耕地生產(chǎn)力分區(qū)[J].中國農(nóng)業(yè)科學(xué)，2015，48（6）：1136-1150.

[22]張學(xué)儒，張鐿鋰，劉林山.基于SOFM神經(jīng)網(wǎng)絡(luò)模型的土地類型分區(qū)嘗試—以青藏高原東部樣帶為例[J].地理研究，2013，32（5）：839-847.

[23]袁滿，劉耀林，危小建.基于模糊自組織神經(jīng)網(wǎng)絡(luò)的土地用途分區(qū)研究[J].國土資源科技管理，2013，30（6）：74-80.

[24]謝承泮.神經(jīng)網(wǎng)絡(luò)發(fā)展綜述[J].科技情報(bào)開發(fā)與經(jīng)濟(jì)，2006，16（12）：148-150.

[25]李朝靜，唐幼純，黃霞.BP神經(jīng)網(wǎng)絡(luò)的應(yīng)用綜述[J].勞動(dòng)保障世界，2012（8）：71-74.

[26]金鳳君，王成金，李秀偉.中國區(qū)域交通優(yōu)勢的甄別方法及應(yīng)用分析[J].地理學(xué)報(bào)，2008，63（8）：787-798.

人工神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)范文第4篇

關(guān)鍵詞：中央空調(diào)；節(jié)能技術(shù)

中圖分類號：S210文獻(xiàn)標(biāo)識碼： A

引言

近年來，伴隨著人們追求更高的物質(zhì)文化生活水平，要求創(chuàng)造舒適而健康的室內(nèi)空氣環(huán)境，中央空調(diào)勢必成為21世紀(jì)健康環(huán)境不可或缺的重要組成部分之一。但中央空調(diào)系統(tǒng)運(yùn)行耗能很大，在某些工業(yè)發(fā)達(dá)國家，供暖和空調(diào)系統(tǒng)的能源消耗約占國家總能源消耗的1/3。因此，提高空調(diào)系統(tǒng)的能源利用效率已成為空調(diào)工程技術(shù)的一項(xiàng)重要課題。為了降低空調(diào)系統(tǒng)的能耗，在世界能源日益緊張、環(huán)境保護(hù)日益重要的今天，探討空調(diào)系統(tǒng)的節(jié)能環(huán)保問題意義重大。

一、中央空調(diào)的特點(diǎn)

1、對象特性

不同的被控對象,在相同的干擾作用下,被控量隨時(shí)間的變化過程也不同?？照{(diào)自控系統(tǒng)的任務(wù)就是克服這些干擾因素,維持空調(diào)房間一定的溫、濕度和空氣品質(zhì)。但溫、濕度的控制效果不僅取決于自控系統(tǒng),更是取決于空調(diào)系統(tǒng)的合理性及空調(diào)的對象特性。

2、溫濕度相關(guān)性

多數(shù)情況下，空調(diào)控制主要是對空調(diào)房間內(nèi)溫度和濕度的控制,這兩個(gè)參數(shù)常常是在一個(gè)調(diào)節(jié)對象里同時(shí)進(jìn)行調(diào)節(jié)的兩個(gè)被調(diào)量，且這兩個(gè)參數(shù)在調(diào)節(jié)過程中又相互影響。

3、干擾性

空調(diào)系統(tǒng)運(yùn)行中,由于氣溫、太陽輻射、風(fēng)、晴、雨、雪等外部條件和空調(diào)房間中設(shè)備、投入運(yùn)行的多少,以及人員的增減等內(nèi)部條件的變化,都會(huì)干擾空調(diào)系統(tǒng)的運(yùn)行。

4、整體控制性

空調(diào)自動(dòng)控制系統(tǒng)一般是以空調(diào)房間內(nèi)的空氣溫度和相對濕度控制為中心,通過工況轉(zhuǎn)換與空氣處理過程每個(gè)環(huán)節(jié)緊密聯(lián)系在一起的整體控制系統(tǒng)?？照{(diào)系統(tǒng)中空氣處理設(shè)備的啟停都要根據(jù)系統(tǒng)的工作程序,按照有關(guān)的操作規(guī)程進(jìn)行,處理過程的各個(gè)參數(shù)調(diào)節(jié)及聯(lián)鎖控制都是與室內(nèi)溫、濕度密切相關(guān)的。

5、多工況運(yùn)行及轉(zhuǎn)換控制

由于空調(diào)系統(tǒng)是在全年的室內(nèi)外條件變化下,按照一定的運(yùn)行方式(即工況)進(jìn)行調(diào)節(jié)的。同時(shí)在內(nèi)外條件發(fā)生顯著變化時(shí)要改變運(yùn)行調(diào)節(jié)方式,即進(jìn)行運(yùn)行工況的轉(zhuǎn)換。

二、中央空調(diào)系統(tǒng)節(jié)能的意義

1、建筑節(jié)能法規(guī)要求空調(diào)系統(tǒng)降低能耗

長期以來，當(dāng)季節(jié)變化、晝夜溫差變化、溫室效應(yīng)和空調(diào)實(shí)際使用工況發(fā)生變化時(shí)，中央空調(diào)系統(tǒng)在傳統(tǒng)的運(yùn)行模式下，能源浪費(fèi)很大。就我國情況而言，現(xiàn)代建筑中采用中央空調(diào)的民用、公用及商用建筑，中央空調(diào)能耗約占整個(gè)建筑總能耗的50％左右，商場和綜合大樓等的能耗甚至可能高達(dá)60％以上。我國屬能源消耗大國，能源有限，利用率不高且依賴性強(qiáng)。近年來能源短缺的現(xiàn)實(shí)迫使國家把公共建筑節(jié)能提升到戰(zhàn)略高度，相應(yīng)制定了節(jié)約能源法，對公共建筑能耗國家實(shí)施國家節(jié)能標(biāo)準(zhǔn)。

2、產(chǎn)業(yè)辦公樓宇的發(fā)展對空調(diào)系統(tǒng)節(jié)能提出了更高的要求

現(xiàn)階段，產(chǎn)業(yè)辦公樓從發(fā)展初期的以“產(chǎn)權(quán)式商鋪”為主要銷售模式逐漸被經(jīng)營持有型物業(yè)所取代，從投資者的經(jīng)濟(jì)效益來說，過去一段時(shí)間由于利潤的實(shí)現(xiàn)，產(chǎn)業(yè)辦公樓多以出售為主，受短期利益的驅(qū)動(dòng)，往往只追求建設(shè)階段的低成本和銷售時(shí)的高收益，對后期實(shí)際使用階段的效果和運(yùn)營成本很少考慮，后期往往中央空調(diào)系統(tǒng)效率低、能耗大。而目前越來越多的項(xiàng)目——主要為商業(yè)辦公地產(chǎn)，以持有物業(yè)持續(xù)經(jīng)營為主要贏利模式，這勢必使投資者及發(fā)展商從一開始就關(guān)注能耗問題?，F(xiàn)階段我國中央空調(diào)能耗現(xiàn)狀概述我國現(xiàn)階段中央空調(diào)系統(tǒng)的應(yīng)用中，更多的關(guān)注的是空調(diào)系統(tǒng)溫濕度控制效果及空氣品質(zhì)控制效果，往往忽略了空調(diào)系統(tǒng)的能耗情況。

三、中央空調(diào)節(jié)能環(huán)保技術(shù)

1、太陽能空調(diào)

太陽能是一種可持續(xù)利用的清潔能源。利用太陽能供熱與制冷是近年來國內(nèi)外新能源研究領(lǐng)域的熱點(diǎn)課題。利用太陽能真空集熱管與溴化鋰雙效吸收式制冷技術(shù)的有機(jī)結(jié)合，形成夏季制冷、冬季供熱和全年生活熱水供應(yīng)的空調(diào)熱水機(jī)組，做到一機(jī)多用，從而可以顯著提高太陽能空調(diào)系統(tǒng)的利用率和經(jīng)濟(jì)性。

太陽能空調(diào)熱水系統(tǒng)的優(yōu)點(diǎn)：季節(jié)適應(yīng)性好。太陽能空調(diào)系統(tǒng)的制冷能力是隨著太陽輻射能量的增加而增大的，這正好與夏季人們對空調(diào)的迫切要求相匹配；太陽能吸收式空調(diào)熱水系統(tǒng)以不含氟氯烴化合物的溴化鋰為工作介質(zhì)，無臭、無毒，減少了溫室氣體的排放量，有利于環(huán)境保護(hù)。

2、變頻空調(diào)系統(tǒng)

變頻空調(diào)是指采用變頻原理得到可變化交流電源來控制壓縮機(jī)的轉(zhuǎn)速，從而根據(jù)需要控制空調(diào)器的輸出能力。在中央空調(diào)系統(tǒng)中目前運(yùn)行使用的大部分空調(diào)輸送系統(tǒng)，大都按傳統(tǒng)方法設(shè)計(jì)運(yùn)行，即根據(jù)空調(diào)的最大負(fù)荷設(shè)計(jì)水系統(tǒng)和風(fēng)系統(tǒng)，而空調(diào)系統(tǒng)大部分時(shí)間處于部分負(fù)荷狀態(tài)，一般水系統(tǒng)通過閥門節(jié)流，風(fēng)系統(tǒng)通過再加熱等措施以適應(yīng)部分負(fù)荷運(yùn)行的需要，而采用此種調(diào)節(jié)方式能量浪費(fèi)嚴(yán)重。有資料統(tǒng)計(jì)表明，此類調(diào)節(jié)方式中，定速泵和風(fēng)機(jī)所耗電能有60％一70％消耗于調(diào)節(jié)閥、節(jié)流控制壓降等處，因此改變空調(diào)輸送系統(tǒng)的流量調(diào)節(jié)方式，節(jié)能潛力巨大，而變頻調(diào)速技術(shù)的發(fā)展成熟，可將其應(yīng)用于空調(diào)輸送系統(tǒng)中，當(dāng)空調(diào)負(fù)荷下降時(shí)，通過變頻裝置調(diào)節(jié)水泵(風(fēng)機(jī))的轉(zhuǎn)速，從而減少水(風(fēng))量，節(jié)省電機(jī)的耗電量，達(dá)到節(jié)能目的。

3、智能控制技術(shù)

智能控制技術(shù)是自動(dòng)化技術(shù)發(fā)展到高級階段的產(chǎn)物，融合了控制技術(shù)、信息技術(shù)和人工智能等多種技術(shù)，包括模糊控制技術(shù)和神經(jīng)網(wǎng)絡(luò)控制技術(shù)等。對于現(xiàn)代空調(diào)日益復(fù)雜的系統(tǒng)，傳統(tǒng)控制技術(shù)難以實(shí)現(xiàn)精確、可靠且有效的控制，智能控制技術(shù)因此應(yīng)運(yùn)而生。

（1）模糊控制技術(shù)

模糊控制是模糊數(shù)學(xué)、人工智能和計(jì)算機(jī)科學(xué)等多種學(xué)科相互滲透而產(chǎn)生的一種具有很強(qiáng)理論性的控制技術(shù)。模糊控制系統(tǒng)的理論基礎(chǔ)是模糊集合論、模糊邏輯推理規(guī)則和模糊語言變量，計(jì)算機(jī)控制技術(shù)是其系統(tǒng)的主要實(shí)現(xiàn)形式，其核心為智能模糊語言控制器。這種控制系統(tǒng)具有智能性和自學(xué)習(xí)性，并且并不需要建立精確的系統(tǒng)數(shù)學(xué)模型，適用于復(fù)雜的系統(tǒng)和過程。目前模糊控制已經(jīng)在中央空調(diào)的定風(fēng)量空調(diào)系統(tǒng)和變風(fēng)量空調(diào)系統(tǒng)中得到了應(yīng)用。

利用模糊控制技術(shù)對空調(diào)回風(fēng)溫度和濕度進(jìn)行自動(dòng)調(diào)節(jié)，可以受到不錯(cuò)的節(jié)能效果。利用溫度傳感器將測得的回風(fēng)溫度信號輸入到模糊語言控制器中，并與給定值進(jìn)行比較，根據(jù)比較結(jié)果自動(dòng)調(diào)節(jié)回水調(diào)節(jié)閥的開度，以實(shí)現(xiàn)控制冷凍水流量的目的，從而使室內(nèi)溫度穩(wěn)定在設(shè)定值。對于這個(gè)自動(dòng)控制系統(tǒng)，新風(fēng)溫度的變化是系統(tǒng)的一個(gè)干擾量，為了提高系統(tǒng)的控制精確性，可以將新風(fēng)溫度傳感器的信號作為一個(gè)反饋信號加入到系統(tǒng)中。采用模糊控制的回風(fēng)濕度自動(dòng)控制系統(tǒng)與回風(fēng)溫度自動(dòng)控制系統(tǒng)工作原理相類似。

（2）神經(jīng)網(wǎng)絡(luò)控制。神經(jīng)網(wǎng)絡(luò)控制融合了人工神經(jīng)網(wǎng)絡(luò)理論和系統(tǒng)控制理論，屬于智能控制的另一個(gè)分支。其原理是模擬人腦神經(jīng)系統(tǒng)的工作方式，以大量簡單的處理單于相互連接，構(gòu)成一種復(fù)雜的網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)可分為輸入層、隱含層、和輸出層。在中央空調(diào)的控制系統(tǒng)中，采用神經(jīng)網(wǎng)絡(luò)代替原來的控制器或辨識器，就構(gòu)成了神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)。這種控制方式對于復(fù)雜的、不確定的系統(tǒng)具有良好的控制效果，整個(gè)控制系統(tǒng)可以獲得較高的穩(wěn)定性和動(dòng)靜態(tài)性能。并且對于變化的環(huán)境有著良好的適應(yīng)性?；谶@些優(yōu)秀的性能，神經(jīng)網(wǎng)絡(luò)控制技術(shù)在中央空調(diào)的控制系統(tǒng)中也得到較多的應(yīng)用。

結(jié)束語

我國的建筑施工中的中央空調(diào)的施工建設(shè)已經(jīng)取得了長足地發(fā)展，節(jié)能環(huán)保技術(shù)成為施工技術(shù)中控制的重點(diǎn)，同樣的現(xiàn)今我國的很多的施工建設(shè)都是和節(jié)能相關(guān)聯(lián)，我國的科學(xué)家也在不斷地研究和探索節(jié)能的新理念，相信我國的中央空調(diào)的建設(shè)施工會(huì)更好的實(shí)現(xiàn)節(jié)能和環(huán)保這兩個(gè)目標(biāo)。

參考文獻(xiàn)

[1]譚胤.張德源智能中央空調(diào)節(jié)能系統(tǒng)設(shè)計(jì)實(shí)現(xiàn)[期刊論文]-工業(yè)控制計(jì)算機(jī)2013.

人工神經(jīng)網(wǎng)絡(luò)理論基礎(chǔ)范文第5篇

[關(guān)鍵詞] 數(shù)理統(tǒng)計(jì)方法；配伍優(yōu)化；配伍規(guī)律；配伍禁忌

[收稿日期] 2013-12-26

傳統(tǒng)中醫(yī)臨床用藥的主要形式和手段是方劑，而方劑的本質(zhì)是各組分間的配伍。方劑配伍規(guī)律研究的內(nèi)容主要是依據(jù)中醫(yī)藥基礎(chǔ)理論，為達(dá)到防治疾病目的，而將兩味或兩味以上具有一定協(xié)同或拮抗作用的中藥配合應(yīng)用的藥物間聯(lián)系或內(nèi)在規(guī)律。方劑配伍規(guī)律內(nèi)涵的揭示是中醫(yī)藥現(xiàn)代化的要求，同時(shí)也是中醫(yī)藥走向國際化的必備要素，可為我國獨(dú)立自主的知識產(chǎn)權(quán)與專利保護(hù)提供有力的科學(xué)依據(jù)。近年來，越來越多的現(xiàn)代科學(xué)技術(shù)和方法應(yīng)用于中藥復(fù)方配伍規(guī)律的研究，如復(fù)方配伍前后、不同配伍方法下藥物化學(xué)成分[1-4]、藥理作用[5-7]的變化規(guī)律和機(jī)制；采用血清藥理學(xué)實(shí)驗(yàn)，揭示中藥復(fù)方在體內(nèi)發(fā)揮療效的活性物質(zhì)[8-10]；復(fù)方藥物在體內(nèi)的代謝規(guī)律[11-13]；中藥復(fù)方譜效關(guān)系研究[14-15]等。而運(yùn)用數(shù)理統(tǒng)計(jì)、數(shù)學(xué)模型等方法作為定量化分析與推斷數(shù)據(jù)資料、探究事物內(nèi)在規(guī)律的手段，從數(shù)學(xué)關(guān)系的角度對復(fù)方配伍規(guī)律進(jìn)行闡述，既有助于科學(xué)認(rèn)識復(fù)方配伍的實(shí)質(zhì)，也有助于中藥新藥復(fù)方科學(xué)化組方，在揭示中藥復(fù)方配伍規(guī)律內(nèi)涵的研究方面起到了重要的作用。

目前對中藥方劑配伍規(guī)律的數(shù)理統(tǒng)計(jì)實(shí)驗(yàn)研究主要集中在：數(shù)據(jù)處理和實(shí)驗(yàn)研究兩方面。其中數(shù)據(jù)處理包括：數(shù)據(jù)挖掘、聚類分析、因子分析、主成分分析、相關(guān)分析、回歸分析、方差分析等；實(shí)驗(yàn)設(shè)計(jì)包括：全方研究、撤藥研究、直接實(shí)驗(yàn)設(shè)計(jì)、單味研究、藥對研究、正交設(shè)計(jì)法、均勻設(shè)計(jì)、析因設(shè)計(jì)法、正交與均勻聯(lián)合設(shè)計(jì)法等。利用現(xiàn)代數(shù)理統(tǒng)計(jì)理論方法與技術(shù)研究中藥方劑配伍規(guī)律和內(nèi)涵，一方面可以促進(jìn)處方配伍配比的優(yōu)化篩選，充分提高中藥材的藥物療效，另一方面還將促進(jìn)我國中醫(yī)藥事業(yè)走向現(xiàn)代化國際化，使中藥方劑更易于被國際醫(yī)藥界所接受。本文就數(shù)理統(tǒng)計(jì)方法在中藥復(fù)方配伍研究中的應(yīng)用，從方藥配伍劑量優(yōu)化、中藥配伍作用規(guī)律、中藥配伍禁忌規(guī)律等方面進(jìn)行綜述。

1 方藥劑量配伍優(yōu)化研究

方劑療效是復(fù)方藥物相互作用所表現(xiàn)的綜合結(jié)果。其中，影響方劑療效的兩大因素是復(fù)方的藥味組成與藥量配比。復(fù)方劑量配比優(yōu)化不僅可以對處方藥物進(jìn)行優(yōu)化篩選，提高藥物療效，同時(shí)也是中藥新藥開發(fā)的重要任務(wù)之一。基于此需求，許多學(xué)者利用不同的數(shù)理統(tǒng)計(jì)方法對中藥劑量配伍優(yōu)化進(jìn)行了較多的研究。

1.1 實(shí)驗(yàn)設(shè)計(jì)方法

1.1.1 正交設(shè)計(jì)法 正交試驗(yàn)設(shè)計(jì)是為尋求最優(yōu)化水平組合的一種高效的多因素實(shí)驗(yàn)。其特點(diǎn)表現(xiàn)在不僅消除了各效應(yīng)間的相關(guān)性，使得藥物各因素及其交互作用對指標(biāo)的影響大小和變化規(guī)律更易于估計(jì)，即正交性；而且可以通過部分試驗(yàn)的結(jié)果反映全面實(shí)驗(yàn)的情況，便于數(shù)據(jù)結(jié)果的分析，即代表性。基于這兩方面的特點(diǎn)，正交設(shè)計(jì)試驗(yàn)已被廣泛應(yīng)用于中藥復(fù)方的組分優(yōu)化篩選等方面。趙學(xué)軍等[16]采用正交設(shè)計(jì)法對溫腎咳喘片各組分的最佳劑量配伍進(jìn)行了研究，得出其提取物的最佳配比為厚樸-蛇床子-甘草提取物4∶3∶3，并且按此比例制成的制劑有明顯的藥理作用，說明該組方劑量合理。張萬龍等[17]采用正交試驗(yàn)對澤瀉湯加味方進(jìn)行最佳組分配伍研究，結(jié)果得出了澤瀉湯加味方最佳降壓效果的最優(yōu)藥用劑量為澤瀉 21 g，炒白術(shù) 9 g，澤蘭、石菖蒲各15 g。姚干等[18]采用正交設(shè)計(jì)法配合多藥效指標(biāo)綜合評價(jià)，篩選出具有保肝和免疫調(diào)節(jié)作用的二至丸有效部位群組方，其最佳劑量比為女貞子總皂苷-女貞子多糖-墨旱蓮黃酮 58∶367∶18（質(zhì)量單位以mg計(jì)）。汪珊珊等[19]基于正交試驗(yàn)對由麻黃、杏仁和甘草三味藥組成的三拗湯進(jìn)行了最優(yōu)配比的研究，結(jié)果最佳配比為麻黃6 g，杏仁9 g，甘草3 g，其主次關(guān)系為麻黃>杏仁>甘草，表明優(yōu)選配比三拗湯對哮喘模型各指標(biāo)均表現(xiàn)出明顯的改善作用。此外，許多學(xué)者[20-26]還采用正交設(shè)計(jì)試驗(yàn)對復(fù)方藥物劑量配伍進(jìn)行實(shí)驗(yàn)研究與數(shù)據(jù)處理，從而優(yōu)化藥味和藥量的最佳配比，以一個(gè)新的角度為劑量配伍優(yōu)選從飲片配伍研究過渡到組分配伍研究提供了數(shù)據(jù)依據(jù)和方法參考。然而，相比于復(fù)方劑量配比優(yōu)化的特殊要求，目前的正交設(shè)計(jì)試驗(yàn)還未能實(shí)現(xiàn)多目標(biāo)優(yōu)化，并同時(shí)具備良好的非線性擬合能力以及完善的試驗(yàn)設(shè)計(jì)方法，僅限于研究藥味組成較為簡單的處方，這對復(fù)方優(yōu)化的效果及其優(yōu)勢的發(fā)揮都造成了一定的影響。

1.1.2 均勻設(shè)計(jì)法 相比于為了實(shí)現(xiàn)整齊可比性而導(dǎo)致每個(gè)因素的各水平必須重復(fù)，從而使得試驗(yàn)點(diǎn)相應(yīng)增多的正交設(shè)計(jì)法而言，同樣作為一種篩選研究手段的均勻設(shè)計(jì)方法，在實(shí)驗(yàn)過程中僅考慮實(shí)驗(yàn)點(diǎn)的均勻分散性，因而不會(huì)受因素?cái)?shù)、因素水平的限制，實(shí)驗(yàn)次數(shù)可明顯減少，而不導(dǎo)致試驗(yàn)所反映的信息量減少，適用于多因素多水平的試驗(yàn)研究。均勻設(shè)計(jì)法近年來被學(xué)者廣泛應(yīng)用于復(fù)方劑量配伍優(yōu)化實(shí)驗(yàn)研究。興等[27]采用均勻設(shè)計(jì)法對降尿酸方主效應(yīng)中藥的最佳配伍進(jìn)行研究探討，實(shí)驗(yàn)結(jié)果顯示黃柏、秦皮及桑寄生三味中藥組合是降尿酸的最佳配伍組合，而且實(shí)驗(yàn)明確了其最佳的劑量配伍分別為50，260，50 mg?kg-1。唐亞軍等[28]通過均勻設(shè)計(jì)法對防治脂肪肝的復(fù)方中藥“祛濕化瘀方”有效組分或單體（綠原酸、梔子苷、姜黃素、虎杖苷、白術(shù)多糖）進(jìn)行篩選和驗(yàn)證研究，結(jié)果表明運(yùn)用均勻設(shè)計(jì)篩選獲得的組分方（梔子苷、綠原酸）對高脂飲食誘導(dǎo)的大鼠肝臟脂肪沉積及肝損傷具有顯著的防治作用。賀燕等[29]采用均勻設(shè)計(jì)法探討三七及山楂組合物中有效部位的最佳劑量配伍，實(shí)驗(yàn)結(jié)果得出山楂葉總黃酮與三七葉總皂苷的最佳組合比例為20∶15，并且在此條件下藥效作用明顯，說明運(yùn)用均勻設(shè)計(jì)與藥理學(xué)動(dòng)物模型相結(jié)合的方法對中藥復(fù)方進(jìn)行研究是可行的。曾曉會(huì)等[30]采用均勻設(shè)計(jì)法尋找姜黃素與胡椒堿的最佳配比，結(jié)果顯示在姜黃素為13 mg?kg-1和胡椒堿為5.81 mg?kg-1時(shí)可使姜黃素和胡椒堿有最大的降三酰甘油效應(yīng)。高鵬等[31]應(yīng)用均勻設(shè)計(jì)處理方法對丹心痛各味藥所占比例進(jìn)行篩選，從而確定川芎、香附、冰片、丹皮酚4種成分在復(fù)方中的最佳配比為5∶1.7∶1.4∶4.4（原提取物的質(zhì)量比），劑量為138 mg?kg-1（折生藥2.78 g?kg-1），證明均勻設(shè)計(jì)作為有效優(yōu)化復(fù)方最佳劑量方法的可行性。基于均勻設(shè)計(jì)法可以更全面更充分地優(yōu)化復(fù)方中劑量配伍的關(guān)系，許多學(xué)者都在這方面做了很多研究[32-37]，這為我國現(xiàn)代中醫(yī)藥優(yōu)化劑量配伍研究提供了很好的篩選手段與技術(shù)支持。雖然均勻設(shè)計(jì)法在一定程度上克服了早期試驗(yàn)設(shè)計(jì)的諸多弊端，明顯減少了試驗(yàn)次數(shù)，提高了實(shí)驗(yàn)效率，但其僅考慮了均勻分散性，并沒有以正交性與代表性為基礎(chǔ)，因此可能造成試驗(yàn)結(jié)果不穩(wěn)定及導(dǎo)致分析誤差增大。

1.2 優(yōu)化方法

響應(yīng)面方法作為優(yōu)化的常用工具[38]，是研究實(shí)驗(yàn)結(jié)果與實(shí)驗(yàn)因素關(guān)系的方法，包括實(shí)驗(yàn)、建模、數(shù)據(jù)分析和最優(yōu)化過程。目前響應(yīng)面設(shè)計(jì)多與正交設(shè)計(jì)、均勻設(shè)計(jì)、星點(diǎn)設(shè)計(jì)、Doehlert設(shè)計(jì)、Box-Behnken 實(shí)驗(yàn)設(shè)計(jì)等聯(lián)合應(yīng)用在方藥劑量配伍優(yōu)化方面的實(shí)驗(yàn)研究中。謝臻等[39]應(yīng)用Doehlert設(shè)計(jì)-渴求函數(shù)-響應(yīng)曲面優(yōu)化法，研究枳實(shí)、厚樸和芒硝的劑量配伍變化對大黃蒽醌類成分在大承氣湯中溶出的影響，結(jié)果顯示方中各味藥劑量配比為大黃-枳實(shí)-厚樸-芒硝1∶4∶2.31∶2時(shí)，蒽醌類成分有較好的溶出率。這是Doehlert數(shù)學(xué)模型運(yùn)用到中藥復(fù)方配伍研究的初步探討，為數(shù)學(xué)模型在中藥復(fù)方配伍的推廣和應(yīng)用提供理論依據(jù)。黃美艷等[40]應(yīng)用響應(yīng)曲面分析法對不同制法與配比的藥對當(dāng)歸-川芎的抗氧化活性作用進(jìn)行研究，結(jié)果表明先水提后醇提其清除自由基的活性最好。邱玲玲等[41]以流感病毒神經(jīng)氨酸酶活性抑制率為指標(biāo)，采用Box-Behnken響應(yīng)面設(shè)計(jì)法預(yù)測雙黃連注射液組合成分的最佳配比。結(jié)果表明其最優(yōu)配比為綠原酸-隱綠原酸-咖啡酸-黃芩苷107∶279∶7.99∶92。黃美艷等[42]采用響應(yīng)面分析法對不同濃度當(dāng)歸-川芎藥對配伍養(yǎng)血補(bǔ)血效應(yīng)進(jìn)行研究，結(jié)果顯示當(dāng)歸與川芎的比例從4∶1到2∶1，從小劑量到大劑量，均表現(xiàn)為相加作用。而其他比例則表現(xiàn)出小劑量相加，大劑量協(xié)同的作用。陳海燕等[43]采用響應(yīng)面法對丹參葛根的最佳組合比例進(jìn)行了研究探討，結(jié)果顯示丹參葛根的最佳組合比例為6∶4。王睿等[44]采用實(shí)驗(yàn)設(shè)計(jì)（ED）-非線性建模（NM）-多目標(biāo)優(yōu)化（MO）的三聯(lián)法，簡稱ED-NM-MO三聯(lián)法，對經(jīng)基線等比增減設(shè)計(jì)的丹參、三七不同配比的藥效學(xué)數(shù)據(jù)進(jìn)行非線性擬合和多目標(biāo)優(yōu)化，從而實(shí)現(xiàn)方劑劑量配比的非線性多目標(biāo)優(yōu)化。結(jié)果表明，可以根據(jù)實(shí)驗(yàn)?zāi)康膶λ幮е笜?biāo)的不同要求設(shè)定不同的權(quán)重，獲得各自藥物相應(yīng)的最優(yōu)比例。這種適合復(fù)方特點(diǎn)的優(yōu)化方法可用于多飲片多組分多成分復(fù)方藥物的劑量配比優(yōu)化。

此外，鑒于星點(diǎn)設(shè)計(jì)-響應(yīng)面優(yōu)化法有著操作簡單、試驗(yàn)精度高、實(shí)驗(yàn)次數(shù)少等優(yōu)點(diǎn)，其在工藝優(yōu)化提取[45-48]以及制劑、食品、生化等[49-56]方面都有著廣泛的應(yīng)用，在藥學(xué)領(lǐng)域有著較好的推廣應(yīng)用價(jià)值。

1.3 數(shù)據(jù)處理方法

數(shù)據(jù)處理是對數(shù)據(jù)的采集、存儲(chǔ)、檢索、加工、變換和傳輸。常用的數(shù)據(jù)處理方法有數(shù)據(jù)挖掘[57]、回歸分析[58]等。數(shù)據(jù)處理方法可以從大量的、雜亂無章的數(shù)據(jù)中抽取并推導(dǎo)出特定的有意義的數(shù)據(jù)?；诖斯δ?，許多學(xué)者都將數(shù)據(jù)處理方法應(yīng)用于方藥劑量配伍優(yōu)化試驗(yàn)研究中。蔡文選等[59]應(yīng)用化學(xué)計(jì)量學(xué)分辨方法-交互移動(dòng)窗口因子分析法，對桂枝-茯苓配伍后揮發(fā)油成分中的共有成分、差異成分及各成分溶出率進(jìn)行比較分析。結(jié)果顯示少數(shù)組分配伍后溶出率顯著增加，但大部分溶出率明顯下降，甚至個(gè)別組分消失。這表明藥對配伍后會(huì)改變其劑量。李偉霞等[60]基于人工神經(jīng)網(wǎng)絡(luò)法對當(dāng)歸-川芎藥對中主要效應(yīng)物質(zhì)含量與其整合效應(yīng)值進(jìn)行擬合和分析，結(jié)果表明當(dāng)歸-川芎藥對1.5∶1水提物的整體補(bǔ)血效應(yīng)最好，1∶1醇提物的總活血化瘀效應(yīng)最好，1.5∶1醇提物的總調(diào)經(jīng)止血效應(yīng)最好。蔣海強(qiáng)等[61]以鉤藤總堿和萊菔子總堿有效組分的降血壓效應(yīng)為研究對象，采用偏最小二乘回歸分析方法，探討鉤藤總堿和萊菔子總堿的最佳配比，結(jié)果顯示鉤藤總堿25 μg?g-1和萊菔子總堿30 μg?g-1時(shí)得到最佳配比。表明采用正交設(shè)計(jì)結(jié)合偏最小二乘回歸分析的方法，能夠消除各因素的交互作用，可用于中藥的組分配伍及優(yōu)化設(shè)計(jì)。施旭光等[62]采用非線性回歸法分析不同劑量配伍所導(dǎo)致的烏頭湯化學(xué)成分變化的內(nèi)涵。顯示不同劑量配伍的烏頭湯各藥味間主要存在非線性的關(guān)系，各因素間存在交互效應(yīng)，不同的優(yōu)化目標(biāo)有不同的最優(yōu)化配伍組合。商洪才等[63]應(yīng)用多目標(biāo)模糊優(yōu)化法對丹參、三七不同劑量配比組合治療實(shí)驗(yàn)性急性心肌缺血犬的數(shù)據(jù)進(jìn)行處理，結(jié)果觀察到丹參、三七在最優(yōu)配比10∶1和10∶3時(shí)可明顯改善模型犬的病變，同時(shí)，丹參、三七適宜的配比效果在整體調(diào)節(jié)功能上優(yōu)于2種藥的單獨(dú)應(yīng)用（10∶0，0∶10）。

雖然目前應(yīng)用數(shù)學(xué)方法對方藥劑量配伍優(yōu)化的研究越來越多，但是試驗(yàn)研究方法中還沒有能夠充分利用數(shù)理統(tǒng)計(jì)方法的優(yōu)勢對中藥復(fù)方藥味組成與藥量配比優(yōu)化給予中肯的評價(jià)，同時(shí)數(shù)理統(tǒng)計(jì)方法本身存在的不足也未能很好的揭示方劑配伍內(nèi)涵。因此，無論從試驗(yàn)方法上或是對數(shù)學(xué)方法本身都有待進(jìn)一步完善。

2 中藥配伍作用規(guī)律研究

中藥方劑并不是幾種或幾十種藥物的簡單堆砌，而是依據(jù)藥物各有所長的功用，在辨證、立法的基礎(chǔ)上選藥配伍而成并發(fā)揮整體增效減毒調(diào)節(jié)作用，使各具特性的群藥組合成一個(gè)新的有機(jī)整體。方劑經(jīng)過配伍必然使得復(fù)方成分變得更加復(fù)雜。為了更全面、深入地研究與數(shù)學(xué)特征相適應(yīng)的中藥復(fù)方配伍藥理作用和化學(xué)變化之間的相關(guān)規(guī)律，許多學(xué)者在研究復(fù)方配伍作用規(guī)律的實(shí)驗(yàn)中引入了數(shù)理統(tǒng)計(jì)方法。

2.1 藥理作用變化規(guī)律研究

藥理實(shí)驗(yàn)是檢驗(yàn)藥物配伍藥效的途徑之一，其中中藥藥理包括整體、器官、細(xì)胞和分子4個(gè)水平。應(yīng)用藥理學(xué)的方法結(jié)合數(shù)學(xué)模型去探討中藥配伍的變化規(guī)律已有較多文獻(xiàn)報(bào)道。余林中等[64]通過運(yùn)用正交設(shè)計(jì)法對葛根芩連湯各配伍與解熱藥效之間的關(guān)系進(jìn)行研究以探討其配伍規(guī)律。結(jié)果顯示對于解熱指標(biāo)最佳的配伍是葛根黃芩。任均國等[65]構(gòu)建以中藥為節(jié)點(diǎn)，中藥配伍關(guān)系為邊的網(wǎng)絡(luò)理論，將網(wǎng)絡(luò)效能與不同配伍方劑的藥效進(jìn)行直線相關(guān)分析，采用急性心肌缺血再灌注損傷大鼠模型研究加味生脈散中兩兩藥物配伍規(guī)律，結(jié)果優(yōu)化出藥效最強(qiáng)、藥味數(shù)最佳的方劑為4味方最高的是人參+麥冬+丹參+延胡索，三味方最高的是人參+丹參+延胡索。馬秉亮等[66]應(yīng)用正交設(shè)計(jì)法對瀉心湯不同配伍抗炎作用進(jìn)行研究，結(jié)果顯示在抗炎方面，大黃是方中的第一要藥，黃芩次之，且兩者有協(xié)同作用，而黃連沒有明顯作用和影響。萬海同等[67]通過由麻黃、桂枝、杏仁和甘草組成的麻黃湯對16種誘導(dǎo)的SD大鼠，出汗，緩解痙攣的豚鼠氣管平滑肌，減輕疼痛與ICR小鼠動(dòng)物模型組和正常對照組進(jìn)行比較?；诮Y(jié)構(gòu)方程模型，對中草藥的路徑圖的繪制，用阿摩司（Amos）軟件和4個(gè)中藥和治療效果的關(guān)系進(jìn)行了測定，分析了結(jié)構(gòu)方程模型的相關(guān)關(guān)系。根據(jù)測量的標(biāo)準(zhǔn)通徑系數(shù)結(jié)果確定了麻黃湯中的君藥為麻黃，臣藥為桂枝，佐藥為杏仁，使藥為甘草。說明結(jié)構(gòu)方程模型可從一個(gè)全新的角度用于定量分析中藥復(fù)方方劑組成原理。

以中醫(yī)藥傳統(tǒng)理論為基點(diǎn)，將數(shù)理統(tǒng)計(jì)方法理論與技術(shù)結(jié)合藥理學(xué)實(shí)驗(yàn)對方劑配伍規(guī)律進(jìn)行研究，通過對實(shí)驗(yàn)結(jié)果進(jìn)行統(tǒng)計(jì)分析與綜合評價(jià)，探討復(fù)方中藥味配伍與藥理效應(yīng)變化的相關(guān)性規(guī)律，有助于對方劑配伍規(guī)律進(jìn)入更深層次的研究。

2.2 化學(xué)成分變化規(guī)律研究

中藥數(shù)學(xué)模型的研究對象除了中藥藥理，還包括中藥化學(xué)。方劑中各藥味具有多部位、多組分、多成分的特征，是一種特殊的化學(xué)混合體，中藥的配伍使化學(xué)成分變得更加復(fù)雜。如何全面揭示復(fù)方中藥化學(xué)在全方、有效部位、有效組分和有效成分4個(gè)層次上的配伍規(guī)律是目前需要解決的問題，許多學(xué)者利用數(shù)學(xué)方法對此難題進(jìn)行了較多的研究。李姝臻等[68]采用均勻設(shè)計(jì)法對黃芪桂枝五物湯中黃芪、桂枝、大棗、生姜與白芍不同劑量配比中白芍總苷含量變化進(jìn)行比較，結(jié)果表明復(fù)方配伍使白芍中白芍總苷的含量下降24.5%，生姜對其影響最大，占10.2% 。徐培平等[69]采用均勻設(shè)計(jì)-偏最小二乘回歸建模的方法，以小承氣湯和厚樸大黃湯配伍組分為研究實(shí)例，分析了復(fù)方藥物配伍規(guī)律和組方中各組分的相對關(guān)系。結(jié)果表明小承氣湯和厚樸大黃湯雖然都由大黃、厚樸、枳實(shí)三味藥組成，但兩方的藥味配伍比例不同，小承氣湯中大黃和厚樸效應(yīng)最大，而厚樸大黃湯以厚樸為君，大黃、枳實(shí)為臣使。陶靜等[70]應(yīng)用數(shù)據(jù)挖掘算法的頻繁模式增長（FP-Growth）方法分析四物湯類方和藥對、藥組內(nèi)部的組成關(guān)系，探討四物湯的配伍規(guī)律。結(jié)果顯示獲得大于0.15置信度的四物湯配伍常用藥有甘草、人參、肉桂和茯苓。王偉光等[71]采用正交設(shè)計(jì)法結(jié)合高效液相色譜對麻杏甘石湯不同配伍煎液主要化學(xué)成分含量進(jìn)行分析研究，并探討配伍對各化學(xué)成分含量的影響。結(jié)果顯示麻黃堿、偽麻黃堿及苦杏仁苷的含量于全方去甘草組中含量顯著降低，甘草次酸的含量于全方去杏仁組中也顯著下降，其余各組含量變化不顯著。周文俊等[72]應(yīng)用偏最小二乘法對麻丸仁的2種劑型進(jìn)行化學(xué)成分變化比較研究，結(jié)果發(fā)現(xiàn)2種劑型之間有差別的化學(xué)成分，最重要的主要來自枳實(shí)。還有部分學(xué)者利用主成分分析法和正交偏最小二乘判別法分析中藥藥對和方劑合煎液與分煎液中化學(xué)成分的差別，結(jié)果發(fā)現(xiàn)配伍合煎后化學(xué)成分的變化較大，應(yīng)該是導(dǎo)致中藥減毒增效原因[73-75]。

中藥復(fù)方雖然療效確切但組分成分相當(dāng)復(fù)雜，借助于數(shù)學(xué)方法對方藥配伍規(guī)律中化學(xué)成分的變化進(jìn)行試驗(yàn)研究不僅為復(fù)雜的配伍系統(tǒng)研究提供了有力的方法支持，同時(shí)也對方藥配伍規(guī)律內(nèi)涵的揭示有著重要的現(xiàn)實(shí)意義。

3 中藥配伍禁忌研究

中藥理論中的“十八反十九畏”是目前中醫(yī)藥界共同認(rèn)可的配伍禁忌之一。雖然歷代醫(yī)藥學(xué)家多遵信十八反十九畏作為配伍禁忌，但亦有醫(yī)藥學(xué)家認(rèn)為相反藥同用，能相反相成，倘若運(yùn)用得當(dāng)，可產(chǎn)生較強(qiáng)的功效。近年來許多學(xué)者對十八反藥對配伍進(jìn)行了較多實(shí)驗(yàn)研究，尤其是結(jié)合了現(xiàn)代數(shù)理統(tǒng)計(jì)方法，觀察逐漸深入，對十八反配伍規(guī)律的認(rèn)識也趨于客觀、準(zhǔn)確。盧丹丹等[76]用定量藥理學(xué)方法評價(jià)甘遂與甘草不同比例組合對腸運(yùn)動(dòng)的影響，采用均勻設(shè)計(jì)法以小鼠腸推進(jìn)率和腸質(zhì)量為指標(biāo)，觀察合并液和合煎液對腸功能的影響。結(jié)果表明：合并液可促進(jìn)腸推進(jìn)率，存在協(xié)同作用，兩藥合用大大增加腸推進(jìn)功能。該研究為甘遂-甘草反藥組合的毒效表征奠定了一定的研究基礎(chǔ)。由此可看出，應(yīng)用數(shù)理統(tǒng)計(jì)方法在一定程度上可以闡釋中藥十八反藥物毒效與配比及劑量的關(guān)系。劉春芳等[77]分別以制川烏與生半夏的藥理作用為觀察指標(biāo)，采用均勻設(shè)計(jì)法對制川烏與生半夏的配伍藥效進(jìn)行研究。結(jié)果表明制川烏與生半夏配伍比例為10∶1時(shí)，拮抗作用接近最大，能降低制川烏的鎮(zhèn)痛、抗炎作用。制川烏與生半夏為1∶1時(shí)合煎液對氣管酚紅分泌量的增加作用最明顯，能增強(qiáng)生半夏的祛痰作用，且其作用強(qiáng)度隨配比和劑量的不同而改變。王艷麗等[78]采用均勻設(shè)計(jì)法結(jié)合動(dòng)物急性毒性實(shí)驗(yàn)，探討藜蘆與細(xì)辛配伍的毒性規(guī)律。結(jié)果發(fā)現(xiàn)配伍后毒性并未隨藜蘆用量的增加呈嚴(yán)格的上升趨勢，毒性由藜蘆和細(xì)辛共同作用，且藜蘆對毒性的貢獻(xiàn)權(quán)重更大。當(dāng)藜蘆用量是細(xì)辛用量3～6倍時(shí)，毒性明顯。當(dāng)藜蘆給藥劑量低于臨床安全最高限時(shí)，藜蘆與細(xì)辛合用可視為安全的。當(dāng)藜蘆與細(xì)辛合煎，藜蘆用量為5 g?kg-1時(shí)所產(chǎn)生的毒性大致與藜蘆單煎所產(chǎn)生的毒性一致。表明藜蘆和細(xì)辛配伍后毒性大小取決于兩者的比例和各自用量大小。朱冠秀等[79]采用均勻設(shè)計(jì)法對南沙參、北沙參與藜蘆不同比例配伍是否都產(chǎn)生相反毒性作用進(jìn)行了研究，并考察了煎煮因素與毒性是否相關(guān)。結(jié)果顯示南沙參、北沙參與藜蘆配伍共同煎煮會(huì)使毒性增強(qiáng)，存在配伍相反的可能性。且在藜蘆給藥劑量相同的情況下，南、北沙參合并液毒性明顯低于合煎組，提示共同煎煮過程是影響配伍毒性的重要因素。這為南、北沙參反藜蘆之說提供了一定的實(shí)驗(yàn)依據(jù)。

此外，還有許多學(xué)者[80-85]在這方面進(jìn)行了相關(guān)的研究，對中藥十八反配伍藥效的變化及配伍禁忌的組成特點(diǎn)進(jìn)行了探討，為相關(guān)的研究打下了一定的理論基礎(chǔ)。但同樣作為配伍禁忌的十九畏，雖然現(xiàn)代對其進(jìn)行了較多較深入的研究，取得了不少成果，但應(yīng)用數(shù)學(xué)方法對十九畏配伍特點(diǎn)進(jìn)行研究的報(bào)道幾乎沒有?？偟膩碚f，目前應(yīng)用數(shù)理統(tǒng)計(jì)方法對中藥十八反十九畏的配伍特點(diǎn)進(jìn)行的研究還處于初期階段，揭示十八反十九畏藥對配伍規(guī)律的內(nèi)涵還有待進(jìn)一步的深入研究。

4 基于臨床處方配伍規(guī)律的研究

中藥方劑配伍研究的內(nèi)容還包括基于臨床處方配伍規(guī)律的挖掘。通過將數(shù)學(xué)方法應(yīng)用于臨床處方分析中，挖掘處方用藥的配伍規(guī)律，從而更好的指導(dǎo)臨床用藥。宋觀禮等[86]應(yīng)用頻數(shù)分析、復(fù)雜網(wǎng)絡(luò)分析、點(diǎn)式互分析等方法對中醫(yī)診斷冠心病發(fā)病規(guī)律、癥狀規(guī)律、辨析規(guī)律、治法用藥規(guī)律進(jìn)行數(shù)據(jù)挖掘分析。其中對于冠心病治法用藥規(guī)律的研究結(jié)果顯示，臨床治療冠心病的核心處方用藥為黃芪、黨參、丹參、當(dāng)歸、川芎、茯苓、赤芍、瓜蔞、法半夏、麥冬、桃仁、紅花、陳皮、甘草。其中，桃仁-紅花的互信息積分最大（67.996 99），遠(yuǎn)遠(yuǎn)高于其他2個(gè)藥物間的互信息積分，是目前治療冠心病最常用的藥對。妮等[87]應(yīng)用復(fù)雜網(wǎng)絡(luò)分析對李發(fā)枝教授治療艾滋病帶狀皰疹及其后遺神經(jīng)痛的用藥規(guī)律進(jìn)行研究，結(jié)果顯示治療艾滋病帶狀皰疹及其后遺神經(jīng)痛的核心藥物為黃芩、甘草、紅花、車前子、全瓜蔞、當(dāng)歸、龍膽草。核心處方為龍膽瀉肝湯加減和瓜蔞紅花甘草湯加減。杜斌等[88]基于數(shù)據(jù)挖掘方法對潰瘍性結(jié)腸炎方劑用藥及配伍規(guī)律進(jìn)行分析研究，結(jié)果顯示方中白術(shù)、茯苓藥對應(yīng)用的頻率最高，頻數(shù)112次。而甘草、白術(shù)、黃連、茯苓、白芍、木香、黨參、當(dāng)歸、黃芪、陳皮是出現(xiàn)頻率最高的10味藥。這些研究工作不但對深入探討臨床用藥配伍規(guī)律及指導(dǎo)臨床用藥有重要的實(shí)用意義，且對于解放依賴傳統(tǒng)中醫(yī)主觀性較強(qiáng)的辨證論治和經(jīng)驗(yàn)水平的思維模式有著重要的指導(dǎo)意義。

5 小結(jié)與展望

中藥方劑多組分、多成分、多藥效的特點(diǎn)使得中藥復(fù)方配伍成為一個(gè)復(fù)雜的組方系統(tǒng)。從方藥配伍的劑量優(yōu)化、中藥復(fù)方配伍的藥理效應(yīng)、化學(xué)成分變化以及中藥配伍禁忌這幾方面進(jìn)行實(shí)驗(yàn)研究與探討，有助于對中藥復(fù)方進(jìn)行更好的優(yōu)化篩選和對組方藥物整體療效進(jìn)行綜合評價(jià)，而且也在一定程度上體現(xiàn)了傳統(tǒng)中醫(yī)藥整體觀與系統(tǒng)論的思維模式。近年來，隨著各學(xué)科間的相互滲透相互影響，以及中醫(yī)藥走向現(xiàn)代化國際化的進(jìn)程中，要求用精確的方式及準(zhǔn)確的語言表達(dá)和描述中醫(yī)藥學(xué)，尤其對于如何全面、客觀、準(zhǔn)確地揭示中藥復(fù)方的配伍規(guī)律顯得更為重要。如何找到更好的實(shí)驗(yàn)設(shè)計(jì)方法和更好的數(shù)學(xué)擬合模型，如何更好的挖掘和發(fā)現(xiàn)復(fù)方中蘊(yùn)含的豐富的配伍規(guī)律內(nèi)涵，是值得深入探討研究的課題。

數(shù)理統(tǒng)計(jì)方法和計(jì)算機(jī)信息技術(shù)在醫(yī)藥領(lǐng)域中的應(yīng)用，是現(xiàn)代科學(xué)技術(shù)迅速發(fā)展以及中藥事業(yè)自身發(fā)展的需要。數(shù)理統(tǒng)計(jì)方法通過對數(shù)據(jù)資料的搜集、整理、分析和推斷，探討設(shè)計(jì)試驗(yàn)研究從而掌握事物內(nèi)在客觀規(guī)律，具有數(shù)學(xué)化、定量化且準(zhǔn)確簡捷的特點(diǎn)。將數(shù)理統(tǒng)計(jì)方法應(yīng)用于中藥方劑配伍規(guī)律研究中，不僅可以將中藥方劑配伍定性與定量結(jié)合起來，用數(shù)學(xué)語言定性定量分析中藥復(fù)方配伍的相互作用規(guī)律，而且能夠做到客觀準(zhǔn)確，更有利于藥物之間的優(yōu)化篩選和進(jìn)行藥效的評價(jià)。然而，數(shù)理統(tǒng)計(jì)方法在中藥方劑配伍規(guī)律的應(yīng)用研究仍處于初始階段，一方面，中藥復(fù)方配伍在宏觀上涉及藥味的組合、劑量大小的變化以及藥物間的相互作用，微觀上牽涉到各化學(xué)成分的相互作用可能發(fā)生物理化學(xué)反應(yīng)從而導(dǎo)致組分的改變，使得方劑配伍在多個(gè)環(huán)節(jié)上變得更復(fù)雜，這給全面準(zhǔn)確地揭示方劑配伍規(guī)律的工作帶來了更高的難度。另一方面，相對而言，雖然數(shù)理統(tǒng)計(jì)方法能更好的輔助研究中藥方劑配伍規(guī)律，但目前的數(shù)學(xué)方法都在一定程度上存在著不足之處：首先，無論是方法上還是設(shè)計(jì)上都未能更好更完善的彰顯出數(shù)理統(tǒng)計(jì)方法的優(yōu)勢從而導(dǎo)致無法更全面準(zhǔn)確的揭示方劑配伍規(guī)律的內(nèi)涵。比如析因設(shè)計(jì)法在因素增加的情況下，不但計(jì)算復(fù)雜而且難以解釋眾多的交互作用；正交設(shè)計(jì)法在多水平多因素的情況下試驗(yàn)次數(shù)較多，工作量亦大；均勻設(shè)計(jì)法須回歸出與實(shí)際相符的定量方程式進(jìn)行數(shù)據(jù)處理；響應(yīng)面設(shè)計(jì)法得到的回歸方程要求自變量必須是連續(xù)的而且需要被試驗(yàn)者自由控制；數(shù)據(jù)挖掘法要求試驗(yàn)者能深刻理解其所應(yīng)用的領(lǐng)域，以便正確選擇合適的模式進(jìn)行試驗(yàn)；模糊數(shù)學(xué)方法的設(shè)計(jì)更多的是依靠試驗(yàn)者或?qū)I(yè)人員的經(jīng)驗(yàn)和知識，當(dāng)缺乏這樣的經(jīng)驗(yàn)與知識時(shí)，很難獲得滿意的實(shí)驗(yàn)結(jié)果；偏最小二乘回歸方法的解釋矩陣中含有大量與響應(yīng)向量無關(guān)的信息，可影響整個(gè)回歸的效果；等等；其次，只是簡單地套用數(shù)理方法和數(shù)學(xué)模型，還沒有能夠充分吸收和利用數(shù)理統(tǒng)計(jì)方法的理論成果和科技發(fā)展技術(shù)對中藥復(fù)方的劑量配伍優(yōu)化給予全面、客觀、準(zhǔn)確評價(jià)的試驗(yàn)研究方法，沒有針對具體情況作改進(jìn)，以適用于不同中藥復(fù)方配伍規(guī)律的研究。此外，將數(shù)理統(tǒng)計(jì)方法應(yīng)用于臨床的研究較少[89-90]，為了深入地闡明臨床用藥機(jī)制以及更好的為臨床醫(yī)師根據(jù)病理診斷提供用藥參考，在數(shù)學(xué)方法的基礎(chǔ)上結(jié)合臨床特點(diǎn)進(jìn)行深層次的研究還需要做出更大的努力。因此，在未來的方劑配伍研究發(fā)展中，如何以中醫(yī)藥理論為指導(dǎo)，同時(shí)引入數(shù)學(xué)模型，在現(xiàn)有的基礎(chǔ)上突破傳統(tǒng)思維進(jìn)行技術(shù)改進(jìn)和方法創(chuàng)新，是當(dāng)前建立客觀科學(xué)技術(shù)研究中藥方劑配伍規(guī)律的關(guān)鍵。

[參考文獻(xiàn)]

[1] 張振巍，張娜娜，李月梅，等. 黃芩、黃連配伍前后的主要化學(xué)成分含量變化[J]. 中國實(shí)驗(yàn)方劑學(xué)雜志，2012，18（24）：58.

[2] 許妍妍，程麗麗，李遇伯，等. RRLC-QTOF/MS研究不同比例制川烏與瓜蔞配伍前后化學(xué)成分變化[J]. 中草藥，2013，44（17）：2372.

[3] 陳婷，宿樹蘭，錢葉飛，等. 乳香-沒藥配伍前后湯液理化參數(shù)變化與化學(xué)成分的關(guān)聯(lián)分析[J]. 中成藥，2012，34（8）：1529.

[4] 陳婷，宿樹蘭，段金廒，等. 乳香-沒藥配伍前后化學(xué)成分溶出變化及其對LPS-誘導(dǎo)的巨噬細(xì)胞產(chǎn)生NO的影響[J]. 中國中藥雜志，2013，38（2）：179.

[5] 王茜，鐘贛生，王宏蕾，等. 甘遂半夏湯中甘遂與甘草不同比例配伍對癌性腹水模型大鼠生物效應(yīng)影響的研究[J]. 中國實(shí)驗(yàn)方劑學(xué)雜志，2013，19（4）：177.

[6] 謝臻. 大承氣湯方藥物質(zhì)基礎(chǔ)及其配伍規(guī)律研究[D]. 廣州：廣州中醫(yī)藥大學(xué)，2009.

[7] 王紅梅，趙懷舟，張玲. 丁香配伍郁金對胃腸運(yùn)動(dòng)影響的藥理實(shí)驗(yàn)研究（I）――丁香與不同品種不同比例郁金配伍[J]. 時(shí)珍國醫(yī)國藥，2003，14（9）：513.

[8] 張建永，晏仁義，王嵐，等. 丹參山楂有效組分配伍抗動(dòng)脈粥樣硬化的實(shí)驗(yàn)研究[J]. 中國中藥雜志，2013，38（12）：1987.

[9] 向陽，陳楠楠，張德杰，等. 復(fù)方黃黛片中藥血清藥理學(xué)研究方法的建立[J]. 第四軍醫(yī)大學(xué)學(xué)報(bào)，2005，26（17）：1594.

[10] 李靜. 基于均勻設(shè)計(jì)的三首補(bǔ)腎陽類的配伍優(yōu)化研究[D]. 廣州：廣東藥學(xué)院，2011.

[11] 成龍，王嵐，王彥禮，等. 金鈴子散不同配比方對大鼠肝藥酶CYP450 3A4活性的影響[J]. 中國實(shí)驗(yàn)方劑學(xué)雜志，2011，17（22）：117.

[12] 吳艷萍. 葛根芩連湯配伍主要成分藥代動(dòng)力學(xué)研究[D]. 廣州：第一軍醫(yī)大學(xué)，2006.

[13] 汪玉梅. 腎氣丸有效成分的藥代動(dòng)力學(xué)及組分優(yōu)化研究[D]. 廣州：廣州中醫(yī)藥大學(xué)，2012.

[14] 謝臻，王術(shù)玲，高峰，等. 大承氣湯配伍變化的藥效物質(zhì)基礎(chǔ)研究[J]. 中藥新藥與臨床藥理，2011，22（1）：57.

[15] 成龍，王嵐，王彥禮，等. 基于吸收-代謝模型的金鈴子散復(fù)方配伍研究[J]. 中國中藥雜志，2012，37（20）：3130.

[16] 趙學(xué)軍，李衛(wèi)民，熊天琴，等. 溫腎咳喘片組分的正交法優(yōu)選及其主要藥效學(xué)實(shí)驗(yàn)研究[J]. 成都中醫(yī)藥大學(xué)學(xué)報(bào)，2005，28（1）：56.

[17] 張萬龍，張樹峰，范洪亮，等. 澤瀉湯加味方治療高血壓最佳組方配伍的正交試驗(yàn)研究[J]. 世界中西醫(yī)結(jié)合雜志，2013，8（2）：128.

[18] 邊洪榮，趙河山，王宇黃. 芪桂枝五物湯中不同劑量配伍對白芍總苷煎出量的影響[J]. 河北聯(lián)合大學(xué)學(xué)報(bào)：醫(yī)學(xué)版， 2012， 14（6）： 779.

[19] 汪珊珊，范欣生，徐立，等. 基于正交試驗(yàn)的三拗湯配伍關(guān)系研究[J]. 中國實(shí)驗(yàn)方劑學(xué)雜志，2012，18（20）：149.

[20] 戴開金，羅佳波，譚曉梅，等. 葛根芩連湯不同配伍對葛根素含量的影響[J]. 中草藥，2003，34（6）：506.

[21] 譚曉梅，戴開金，羅佳波，等. 葛根芩連湯不同配伍對黃芩苷含量的影響[J]. 中草藥，2003，34（7）：598.

[22] 陳金月，王力寧，劉倩，等. 麻杏二陳煮散湯劑質(zhì)量優(yōu)化影響因素的正交試驗(yàn)研究[J]. 中國藥師，2013，16（3）：342.

[23] 戴開金，羅佳波，吳昭暉，等. 配伍對葛根芩連湯中甘草酸含量的影響[J]. 中草藥，2003，34（12）：1084.

[24] 吳昭暉，奚林明，戴開金，等. 配伍對葛根芩連湯中小檗堿含量的影響[J]. 中草藥，2004，35（1）：33.

[25] 姚干，何宗玉，閆光凡，等. 正交設(shè)計(jì)法配合多藥效指標(biāo)綜合評價(jià)篩選二至丸有效部位群組方的最佳配比[J]. 中成藥，2009，31（9）：1444.

[26] 胡金芳，劉靜，馮，等. 正交設(shè)計(jì)篩選獨(dú)一味和高烏甲素抗炎鎮(zhèn)痛作用的最佳配比[J]. 中藥藥理與臨床，2012，28（5）：53.

[27] 興，李曉剛，段君毅，等. 基于均勻設(shè)計(jì)的降尿酸方最佳配伍及其抗小鼠高尿酸血癥效應(yīng)研究[J]. 上海中醫(yī)藥大學(xué)學(xué)報(bào)，2013，27（3）：87.

[28] 唐亞軍，孟勝喜，馮琴，等. 基于均勻設(shè)計(jì)的防治脂肪肝中藥有效組分復(fù)方篩選與驗(yàn)證[J]. 上海中醫(yī)藥大學(xué)學(xué)報(bào)，2013，27（4）：53.

[29] 賀燕，溫富春，紀(jì)鳳蘭，等. 均勻設(shè)計(jì)法篩選三七、山楂有效部位組合物劑量配比[J]. 中國實(shí)驗(yàn)方劑學(xué)雜志，2012，18（19）：248.

[30] 曾曉會(huì)，趙自明，陳玉興，等. 采用均勻設(shè)計(jì)法研究姜黃素與胡椒堿降脂作用的最佳配比[J]. 吉林醫(yī)學(xué)，2009，30（9）：772.

[31] 高鵬，安寧飛，趙明宏，等. 均勻設(shè)計(jì)在丹心痛最佳配比篩選中的應(yīng)用[J]. 中草藥，2003，34（2）：123.

[32] 陳明珠，陳崇宏，盧惠萍. 均勻設(shè)計(jì)法在篩選丹參與黃芪最佳配比中的應(yīng)用[J]. 海峽藥學(xué)，2010，22（11）：28.

[33] 胡占嵩，喬衛(wèi)，金桂紅，等. 均勻設(shè)計(jì)法優(yōu)選酸棗仁合歡方抗抑郁作用的最佳配伍[J]. 中藥材，2010，33（4）：603.

[34] 李雪梅，甘雨，尤獻(xiàn)民，等. 均勻設(shè)計(jì)法優(yōu)化月安煎處方最佳配伍研究[J]. 西北藥學(xué)雜志，2012，27（3）：197.

[35] 楊東亮，馬桂芝，滕亮，等. 均勻設(shè)計(jì)法優(yōu)化杜麻方最佳配伍研究[J]. 西北藥學(xué)雜志，2013，28（1）：46.

[36] 傅琪琳，胡義揚(yáng)，馮琴，等. 基于均勻設(shè)計(jì)的健脾活血方改善酒精性腸滲漏的主效應(yīng)中藥分析[J]. 中西醫(yī)結(jié)合學(xué)報(bào)，2011，9（11）：1234.

[37] 王秀鳳，鄧樹泳，張磊，等. 基于粗糙集理論及均勻設(shè)計(jì)拆方的右歸飲配伍規(guī)律研究[J]. 時(shí)珍國醫(yī)國藥，2013，24（5）：1263.

[38] Bezerra M A， Santelli R E， Oliveiraa E P， et al. Response surface methodology（RSM）as a tool for optimization in analytical chemistry[J]. Talanta， 2008， 76： 965.

[39] 謝臻，曹騁，曾元兒，等. 基于Doehlert設(shè)計(jì)法的大承氣湯配伍研究[J]. 中國中藥雜志，2009，34（9）：1090.

[40] 黃美艷，唐于平，尚爾鑫，等. 當(dāng)歸-川芎藥對不同制法與配比抗氧化活性相互作用研究[J]. 中國中藥雜志，2013，38（2）：234.

[41] 邱玲玲，陳龍虎，鄢丹，等. 基于響應(yīng)曲面設(shè)計(jì)的抑制流感病毒神經(jīng)氨酸酶活性的組分中藥篩選――以雙黃連注射液為例[J]. 藥學(xué)學(xué)報(bào)，2012，47（4）：466.

[42] 黃美艷，尚爾鑫，唐于平，等. 基于藥物相互作用對當(dāng)歸-川芎配伍養(yǎng)血補(bǔ)血效應(yīng)研究[J]. 中國中西醫(yī)結(jié)合雜志，2013，33（4）：516.

[43] Chan H Y. Development of the quantified relationship between chemical compositions and antioxidant activity of Radix et Rhizoma Salviae Miltiorrhizae， Radix Puerariae Lobatae and the herbal formula of Danshengegen Tang（DGT）using liquid chromatography and chemometric techniques[D]. Hong Kong： Hong Kong Polytechnic University，2010.

[44] 王睿，商洪才，王永炎，等. ED-NM-MO三聯(lián)法對丹參三七配比的多目標(biāo)優(yōu)化研究[J]. 天津中醫(yī)藥，2006，23（3）：242.

[45] 謝臻，曹騁，曾元兒，等. 星點(diǎn)設(shè)計(jì)響應(yīng)面法優(yōu)化大承氣湯中和厚樸酚與厚樸酚的提取工藝[J]. 中成藥，2011，33（5）：889.

[46] 謝臻，陳勇，曾海生，等. 星點(diǎn)設(shè)計(jì)響應(yīng)面法優(yōu)選地桃花中總黃酮的提取工藝[J]. 中國實(shí)驗(yàn)方劑學(xué)雜志，2011，17（12）：27.

[47] 施俊輝，楊軍宣，趙成城，等. 星點(diǎn)設(shè)計(jì)效應(yīng)面法優(yōu)化梔子的提取工藝[J]. 時(shí)珍國醫(yī)國藥，2011，22（3）：667.

[48] 蔡恩博，張崇禧，朱啟光，等. 星點(diǎn)設(shè)計(jì)效應(yīng)面法優(yōu)選暴馬丁香樹皮中紫丁香苷的提取工藝[J]. 藥物分析雜志，2011，31（9）：1808.

[49] 楊勇，奉建芳，張慧，等. 星點(diǎn)設(shè)計(jì)效應(yīng)面法優(yōu)化蟾酥固體脂質(zhì)納米粒制備工藝[J]. 中國中藥雜志，2006，31（8）：650.

[50] 湯秀珍，王承瀟，張皓，等. 星點(diǎn)設(shè)計(jì)效應(yīng)面法優(yōu)化關(guān)節(jié)止痛膏貼劑處方[J]. 中草藥，2012，43（1）：86.

[51] 周絢，傅超美，黃逸維，等. 星點(diǎn)設(shè)計(jì)效應(yīng)面法優(yōu)化三七總皂苷生物黏附型緩釋片處方[J]. 華西藥學(xué)雜志，2010，25（4）：406.

[52] 白艷杰，孫國祥，王平. 星點(diǎn)設(shè)計(jì)效應(yīng)面法優(yōu)化小檗堿環(huán)糊精包合物制備工藝[J]. 中國實(shí)驗(yàn)方劑學(xué)雜志，2012，18（4）：63.

[53] Moreira N， Meireles S， Brando T， et al. Optimization of the HS-SPME-GC-IT/MS method using a central composite design for volatile carbonyl compounds determination in beers[J]. Talanta， 2013，117：523.

[54] Hasana S H， Srivastavaa P， Talat M. Biosorption of Pb（II）from water using biomass of Aeromonas hydrophila：central composite design for optimization of process variables[J]. J Hazard Mater，2009，168：1155.

[55] Firlbeck D， Faulstich M， Urmann C， et al. Central composite design for optimal technology of concentrating vanillic acid using foam fractionation[J]. Sep Purif Technol， 2013，119：28.

[56] 趙應(yīng)征，魯翠濤，梅興國. 星點(diǎn)設(shè)計(jì)結(jié)合效應(yīng)面法優(yōu)化紅豆杉細(xì)胞同步化條件[J]. 中國生化藥物雜志，2004，25（5）：291.

[57] 尚爾鑫，李文林，葉亮，等. 藥對研究（Ⅱ）――藥對的數(shù)據(jù)挖掘[J]. 中國中藥雜志，2013，38（24）：4191.

[58] 田茸，陳麗，楊延婷，等. 近20年心病中藥用藥規(guī)律研究及Logistic回歸分析[J]. 中國中藥雜志，2012，37（4）：541.

[59] 蔡文選，王賢親，于曉敏，等. 交互移動(dòng)窗口因子方法在桂枝-茯苓配伍前后揮發(fā)油組分及溶出率變化研究中的應(yīng)用[J]. 中國中藥雜志，2008，33（18）：2056.

[60] 李偉霞，唐于平，尚爾鑫，等. 基于人工神經(jīng)網(wǎng)絡(luò)的當(dāng)歸-川芎藥對整體功效與化學(xué)物質(zhì)關(guān)聯(lián)性分析[J]. 中國中藥雜志，2012，37（19）：2935.

[61] 蔣海強(qiáng)，聶磊，周洪雷，等. 基于偏最小二乘回歸分析的鉤藤總堿和萊菔子總堿組分配伍優(yōu)化研究[J]. 中草藥，2013，44（18）：2531.

[62] 施旭光，王沛堅(jiān). 非線性回歸分析不同劑量配伍對烏頭湯中主要化學(xué)成分的影響[J]. 中藥新藥與臨床藥理，2009，20（1）：55.

[63] 商洪才，李梢，高秀梅，等. 丹參、三七不同配比的多目標(biāo)模糊優(yōu)化研究[J]. 北京中醫(yī)藥大學(xué)學(xué)報(bào)，2003，26（4）：28.

[64] 余林中，伍杰勇，羅佳波，等. 葛根芩連湯配伍與解熱藥效關(guān)系研究[J]. 中國中藥雜志，2004，29（7）：663.

[65] 任鈞國，馬曉斌，林成仁，等. 基于網(wǎng)絡(luò)方法的中藥方劑藥理作用配伍規(guī)律分析[J]. 中國中藥雜志，2010，35（18）：2469.

[66] 馬秉亮，馬越鳴，嚴(yán)東明，等. 瀉心湯不同配伍抗炎作用比較研究[J]. 中草藥，2007，38（11）：1690.

[67] He Y， Gai Y Q， Wu X B， et al. Quantitatively analyze composition principle of Ma Huang tang by structural equation modeling[J]. J Ethnopharmacol， 2012，143（3）：851.

[68] 李姝臻，邊洪榮，劉曉龍，等. 均勻設(shè)計(jì)黃芪桂枝五物湯中不同劑量配伍白芍總苷含量變化比較的研究[J]. 貴陽中醫(yī)學(xué)院學(xué)報(bào)，2013，35（4）：297.

[69] 徐培平，張奉學(xué)，符林春，等. 基于均勻設(shè)計(jì)-偏最小二乘回歸建模的中藥復(fù)方配伍規(guī)律研究方法[J]. 中草藥，2011，42（4）：819.

[70] 陶靜，范欣生，張歡，等. 基于FP-Growth算法的四物湯類方配伍規(guī)律及應(yīng)用研究[J]. 世界科學(xué)技術(shù)――中醫(yī)藥現(xiàn)代化，2010，12（6）：909.

[71] 王偉光，施旭光，翟理祥，等. 不同配伍對麻杏甘石湯主要化學(xué)成分含量的影響[J]. 中藥材，2007，30（5）：602.

[72] Zhou W J， Song J Z， Fu W W， et al. Chemical comparison of two dosage forms of Hemp seed pills by UHPLC-Q-ToF-MS/MS and multivariate statistical techniques[J]. J Pharmaceut Biomed，2013，84：59.

[73] 馬增春，周思思，梁乾德，等. 基于UPLC-TOF/MS分析人參附子配伍減毒的物質(zhì)基礎(chǔ)[J]. 藥學(xué)學(xué)報(bào)， 2011， 46（12）：1488.

[74] Li S L ， Song J Z ， Qiao C F， et al. UPLC-PDA-TOF MS based chemical profiling approach to rapidly evaluate chemical consistency between traditional and dispensing granule decoctions of traditional medicine combinatorial formulae[J]. J Pharm Biomed Anal， 2010，52：468.

[75] Wan J B， Bai X， Cai X J， et al. Chemical differentiation of Da-Cheng-Qi-Tang， a Chinese medicine formula， prepared by traditional and modern decoction methods using UPLC/Q-TOFMS-based metabolomics approach[J]. J Pharm Biomed Anal， 2013，83： 34.

[76] 盧丹丹，卞勇，李，等. 基于均勻設(shè)計(jì)法評價(jià)甘遂與甘草反藥組合對小鼠腸功能的影響[J]. 南京中醫(yī)藥大學(xué)學(xué)報(bào)，2012，28（2）：143.

[77] 劉春芳，譚淑芳，華，等. 基于均勻設(shè)計(jì)法的制川烏與生半夏配伍藥效研究[J]. 中國中藥雜志，2013，38（13）：2169.

[78] 王艷麗，王宇光，梁乾德，等. 基于均勻設(shè)計(jì)的藜蘆與細(xì)辛配伍毒性研究[J]. 中國中藥雜志，2012，37（14）：2139.

[79] 朱冠秀，王宇光，李飛，等. 采用均勻設(shè)計(jì)研究南沙參、北沙參配伍藜蘆相反的毒性作用規(guī)律[J]. 中國中西醫(yī)結(jié)合雜志，2013，33（5）：686.

[80] 張玉華，華浩明，范欣生，等. 基于關(guān)聯(lián)規(guī)則方法探討胸痹心痛方中十八反藥對的應(yīng)用規(guī)律[J]. 中國中藥雜志，2011，36（24）：3544.

[81] 李怡文，鐘贛生，柳海艷，等. 基于均勻設(shè)計(jì)的海藻玉壺湯中海藻與甘草不同比例配伍對甲狀腺腫大大鼠模型肝臟功能及病理形態(tài)的影響[J]. 中華中醫(yī)藥雜志，2013，28（5）：1295.

[82] 尚爾鑫，范欣生，段金廒，等. 基于關(guān)聯(lián)規(guī)則的中藥配伍禁忌配伍特點(diǎn)的分析[J]. 南京中醫(yī)藥大學(xué)學(xué)報(bào)，2010，26（6）：421.

[83] 孟莉，向紹杰，喬敏，等. 均勻設(shè)計(jì)法考察藜蘆對人參的耐缺氧及抗疲勞作用的影響[J]. 實(shí)用中醫(yī)內(nèi)科雜志，2010，24（2）：20.

[84] 李蕓，范欣生，尚爾鑫，等. 基于關(guān)聯(lián)規(guī)則等方法的十八反藜蘆類反藥配伍方劑特點(diǎn)分析[J]. 中國實(shí)驗(yàn)方劑學(xué)雜志，2012，18（18）：332.

[85] 楊亮，王宇光，梁乾德，等. 藜蘆與人參配比毒性與生物堿類成分變化的相關(guān)性研究[J]. 中草藥，2012，43（8）：1574.

[86] 宋觀禮，劉保延，王映輝，等. 基于中醫(yī)臨床科研信息一體化技術(shù)平臺(tái)的冠心病診治規(guī)律研究[J]. 中華中醫(yī)藥雜志，2013，28（5）：1247.

[87] 妮，李真，徐立然，等. 李發(fā)枝治療艾滋病帶狀皰疹及其后遺神經(jīng)痛的配伍精要[J]. 中國中藥雜志，2013，38（15）：2497.

[88] 杜斌，沈洪，王軍，等. 基于數(shù)據(jù)挖掘方法對潰瘍性結(jié)腸炎方劑用藥及配伍規(guī)律分析[J]. 時(shí)珍國醫(yī)國藥，2013，24（10）：2554.

[89] 方朝暉，羅云，陸瑞敏，等. 基于數(shù)據(jù)挖掘的中醫(yī)藥治療糖尿病用藥規(guī)律探析[J]. 中醫(yī)藥臨床雜志，2013，25（8）：670.

[90] 楊小波，張鋼，梁兆暉，等. 基于粗糙集理論的潰瘍性結(jié)腸炎中醫(yī)主癥分析[J]. 遼寧中醫(yī)雜志，2008，35（5）：687.

[基金項(xiàng)目] 國家自然科學(xué)基金項(xiàng)目（81360524）；教育部科學(xué)技術(shù)研究重點(diǎn)項(xiàng)目（211140）；廣西自然科學(xué)基金項(xiàng)目（2012GXNSFBA053093）；廣西高等學(xué)校重點(diǎn)科研項(xiàng)目（201102ZD022）