中药有效成分提取物用途多样,可应用于药品、保健品和化妆品等。因此,中药有效成分的提取有着广泛的实用范围和应用前景。中药提取过程中,工艺参数的选择对有效成分的提取率有着显著的影响,而中药有效成分超声提取过程机理复杂,由此难以获得最优工艺参数。因此本课题以双频超声提取单味药甘草和复方芍药甘草汤有效成分为研究对象,通过数据驱动构建工艺参数预测模型,分别对单味药和复方提取过程及其工艺参数优化进行研究,此研究具有理论意义和实用价值。中药超声提取过程采用离线人工测量方法采集数据,该方法获取数据困难,因此样本量有限。少量的数据样本无法明确表达出样本空间的全部特征信息,导致所建模型精度较低、泛化能力较差,进而影响最优工艺参数的预测效果。针对这一问题,本课题提出一种基于响应面法(RSM)和极限学习机(ELM)的虚拟样本生成方法,生成合理有效的虚拟样本加入模型训练过程中。结果表明,加入虚拟样本后所建立的预测模型,预测误差明显降低,各项评价指标均优于由其他方法所建立的预测模型,模型精度、学习能力及泛化能力有显著提高。基于预测模型,采用布谷鸟搜索算法(CS)确定最优工艺参数。单味药提取过程以有效成分提取率最高为目标函数。针对还未有人在提取过程中考虑到复方药用机理的问题,本课题提出复方提取过程以有效成分提取率最高为目标函数的同时,将各有效成分间的比例关系作为约束条件。采用布谷鸟算法对其进行求解,以此分别确定单味药和复方超声提取的最优工艺参数。验证实验结果表明,由此获得的最优工艺参数误差较小,结果准确可靠,具有实用价值,可为中药有效成分提取的工业化提供一定的指导和参考。