用bp网络对中药药性进行数值化的探讨
【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。
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。
2.1 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。