点击显示 收起
【摘要】 用花类中药的花期、果期和生长地域的经纬度作为数据，另将中药药性中的寒热温凉用相应的数值作为数据，将两类数据综合，建立起数据样本。然后用bp神经网络通过学习建立起两者之间的联系。通过学习之后的网络对8个花类中药的药性进行预测，结果表明，所建立的神经网络有预测能力，网络本身能够反映出花果期、生长地域的经纬度与花类中药药性之间的规律。
【关键词】 bp神经网络;花期;果期;中药药性;数字化
花类中药必须在具有其最适宜的生理条件（如温度）下才开花，而花类中药的花果期与开花时的温度有直接的关系，它能够反映花在当时条件下的抗寒（抗热）能力。而花的抗寒能力与花类中药的药性有一定的内在联系，因此，可以推测花类中药的花果期与其药性之间存在着某一种规律。
另外，花类中药的生长地域也影响开花时的温度。同一类药材在不同的地域有不同的开花季节，这也说明地域对花类中药的药性有影响。
在本研究中，对中药药性的描述改变了常规的“寒”、“热”、“温”、“凉”的方法，采用了数据的方式，这方便神经网络中数据运算。神经网络运用误差反向传播算法操作系统为Windows XP，数据运算工具软件是Matlab 6.5。
2 数据来源和标准样本数据的生成
2.1 数据来源 花期、果期 捍印兑┑洹贰ⅰ吨幸┐蟠堑洹分谢竦没ɡ嘁┎牡幕ㄆ凇⒐凇；ㄆ谥苯佑迷路葑魑担制鹗荚路莺椭罩乖路荨Ｈ缁ㄆ谖～8个月，则取数6、8；如花期为6，则取数6、6；次年的月份，则加上12，如次年8月，则取20。果期采用花期同样的取值方法。每一种花类中药通过花果期可获得四个数据。
地域经纬度：地域直接定到省、自治区和直辖市。有些资料对地域有不同的说法，如药材主产地、主分布地区等等。首选药材主产地，然后选主分布地区，再选次分布地区。另有些地域描述比较笼统，如长江流域，则根据相关资料，将长江流域中的各个省份列入地域中。又从互联网上获得各个省份、自治区、直辖市的经度和纬度。对于每一类花类中药的地域中，无论是多个还是单个省份，取所有经纬度的平均值，这样可以得到一个平均经度和平均纬度。
2.2 数据样本的建立 每一类花类中药由花果期可直接获得四个数据，然后通过地域的平均纬度减去23，平均经度减去102，获得两个数据。总共获得六个数据组成一个六维的标准输入。每一类花类中药的药性的数据为一个一维的标准输出。
每一类花类中药的标准输入和输出组成一个数据样本，总共获得77个标准数据样本。
3 网络的建立和训练
神经网络以bp网络〖7〗应用最广，而bp网络又以三层最为常见（如图1）。采用输入层为6个节点，隐层为12个节点，输出层只一个节点的bp网络，隐层的转移函数为logsig，输出层的转移函数为purelin。为防止网络学习的过拟合，采用提前终止的学习方法。将77个数据样本分成训练样本、验证样本和测试样本，通过学习后，获得如下的训练曲线（图2）。
4 网络仿真及结果
通过学习而获得的bp网络必须要有泛化的能力才能说这个网络有意义〖8〗。将训练样本和8个测试样本用sim函数进行仿真，并将仿真的结果与标准输出用posttreg函数进行线性回归分析，分别得到如下的效果图（图3、图4）。其回归参数分别为0.966和0.97，所得的回归直线与理想的回归直线基本相合，表明网络具有良好的性能。
5 结论及探讨
5.1 用神经网络对中药药性进行数值化具有可行性 从分析的结果来看，网络具有一定的预测性能力，同时也正反映了花类中药的花果期以及其生长地域与其药性确实存在一定联系，对花类中药的研究有一定的指导意义。
5.2 中药的标准化需要中药药性的数值化 实验中运用到药性的数值化描述。将中药的药性的数值化是将传统中药药理标准化的一个尝试，对中药的标准化有一定的帮助。目前，对中药的标准化研究是一个十分迫切的任务，但对中药的标准化往往只限于质量的标准化，对传统的中药的性味、归经方面往往没有涉及，从一定的程度上说，中药的这种片面用现代药学技术来研究中药的行为使中药的发展与传统的中医药之间的距离将拉得更远。从另外的角度来研究中医药对其发展将更有意义。当然，还可以从其他的信息数据（如指纹图谱）或更加完整的信息数据通过神经网络来获得传统中药的药理的更加合理的数值化描述。
5.3 神经网络在中医药实行现代化的过程中有广阔的应用前景 将中药药理的数值化描述使得在临床使用和科研中更加方便，让中药的传统描述与现代医药的理化与生物指标之间建立起联系。神经网络在建立这种非线性映照关系的运算有其独特的优势，它能以任意精度逼近任何非线性连续函数。另外，神经网络由于其并行分布的处理方式，具有处理快、容错高的特性［9］。神经网络因具有数据融合能力，又加上不受输入和输出变量数目的限制，在工程技术和人工智能方面又大有作为，这对中医药的推广与提高有重要意义。
5.4 现代数学技术对研究传统的中医药文献的发掘有重要意义 用花果期和地域的经纬度作为数据，是对传统中药中的信息的再次使用，有利于对中医药文献的再次发掘。中医药的文献经过几千年的积累，浩如烟海，但都是用传统的中医药理论进行解释，或者仅仅是进行处方或病案的方式记载。如果将中医药理论中的各种指标进行数值化，然后用现代的数学技术进行数据的发掘，建立数学模型，这势必使中医药提高到一个新的发展水平，更充分地发挥其作用。
【参考文献】
1 雷功炎.数学模型讲义.北京：北京大学出版社，2001，143-147.
2 飞思科技产品研发中心.MATLAB6.5辅助神经网络分析与设计.北京：电子工业出版社，1997，64-69.
3 江苏新医学院.中药大辞典.上海：上海科学技术出版社，1999，876-897.
4 任仁安，陈瑞华.中药鉴定学.上海：上海科学技术出版社，1990，336-361.
5 徐国钧.常用中草药彩色图谱.福州：福建科学技术出版社，1999，384-418.
6 国家药典委员会.中华人民共和国药典，2005版（一部）.北京：化学工业出版社，2005，418.
7 闻新，周露，王丹力，等. MATLAB神经网络应用设计.北京：科学出版社，2001，207-243.
8 Simon Haykin.神经网络原理.北京：机械工业出版社，2004，144-146.
9 王伟.人工神经网络原理——入门与应用.北京：航空航天大学出版社，1995，4-6.
作者单位：430300 湖北武汉，武汉市黄陂区中医院新区分院