测定结果换算成单位浸膏质量所含指标成分质量，与原始浸膏样品所测的相应指标值比较后可得五味子醇甲保留率及各个糖的去除率数据。具体测定结果见表2。

    2.4 贝叶斯网络分析主要工艺参数

    利用Matlab的贝叶斯网络学习工具箱(Bayesian network learning algorithms toolbox， BNLAT)中的PC算法对采集到的数据进行分析^[7]，构建一个8节点有向无环的贝叶斯网络结构图，节点间有箭头连接表示2个变量间存在因果关系，可以此辨析出关键工艺参数。工艺参数网络结构见图1，乙醇加入量和乙醇浓度是五味子醇沉工艺的关键工艺参数，它们直接影响糖的去除率、可溶性固形物含量和五味子醇甲的保留率。

    2.5 BP人工神经网络建模

    2.5.1 训练集和验证集划分及数据归一化 按照所用样本数据的70%划分训练集，其余30%为验证集，并利用最大-最小法对数据进行归一化，以消除量纲。

    2.5.2 网络结构及参数 选取贝叶斯网络分析所得的2个关键工艺参数：乙醇加入量及乙醇浓度作为BP人工神经网络的输入层，设定隐含层节点数为8，以所测4个观察指标为输出层建立一个2→8→4的3层网络结构 ......