基于正交设计和BP神经网络-遗传算法多指标综合优化茶叶提取工艺

目的 用正交设计及BP神经网络-遗传算法对茶叶提取工艺进行多指标综合优化。方法 以咖啡因、表没食子儿茶素没食子酸酯（epigallocatechin gallate，EGCG）、表儿茶素没食子酸酯（epicatechin gallate，ECG）为考察指标，在单因素实验的基础上，采用正交设计及BP神经网络-遗传算法优选超声辅助提取茶叶中有效成分的工艺，并对2种方法优选所得的工艺进行验证。结果 正交设计得到的最佳提取条件为乙醇浓度85%、浸提温度80℃、超声时间10 min。工艺验证评分为99.050。BP神经网络-遗传算法得到的最优提取方案为乙醇浓度89%、浸提温度88℃、超声时间13 min，网络预测评分为100.758，工艺验证评分为99.651，相对误差为1.099%。结论 BP神经网络-遗传算法数学模型可用于茶叶中有效成分提取工艺预测和优选，且略优于正交设计