基于分层插值神经网络的疫苗回收率预测技术
疫苗回收率的准确预测对于疫苗生产的效率和成本控制具有重要影响。本文依托深度学习原理，提出了一种基于分层插值神经网络的疫苗回收率预测技术。该技术能够依据疫苗生产流程中的实时参数，对物理抗原146S的回收效率进行精确预测，从而为疫苗生产过程提供量化评价标准。研究中，我们采用了金宇保灵生物药品有限公司提供的口蹄疫疫苗生产数据集对网络模型进行训练和验证。实验结果表明，该模型在 MSE、RMSE、MAE、MAPE、R2 等评价指标上表现出了良好的预测性能和数据拟合能力。此外，通过对测试集数据的预测分析，模型展示出了与实际回收率数据的高度一致性，验证了其在疫苗生产实际操作中的参考价值。
[1]马磊，杨昭庆，王佑春．全球疫苗研发现状和展望［J］．中国药科大学学报，2024, 55(1): 115-126.
[2]马相虎，沈谊清，杨月莲，等．细胞工厂自动化操作系统在水痘疫苗生产中的应用［J］．中国新药杂志，2014, 23(20): 2446-2449.
[3]Lee B Y, Haidari L A. The importance of vaccine supply chains to everyone in the vaccine world［J］．Vaccine, 2017, 35: 4475-4479.
[4]陆明，顾颂青，项新华．构建满足 WHO-NRA评估要求的疫苗质量控制实验室质量管理体系的研究［J］．中国药事，2020, 34(12): 1378-1383.
[5]孙京林．疫苗的质量管理与监管检查［J］．中国药物评价，2014, 31(01): 48-50+60.
[6]张辉，刘建阳，毛群颖，等．mRNA疫苗质量控制进展［J］．药学进展，2022, 46(10): 745-750.
[7]熊桢，郑兰芬，童庆禧．分层神经网络分类算法［J］．测绘学报，2000(03): 229-234.