植物药材中的有效成分在药品、食品中广泛使用,有效成分的提取有利于植物药材最大程度的利用,因此实用性强且发展前景广阔。在超声波提取药材有效成分的过程中,工艺参数的取值对有效成分提取率有着显著的影响,合适的工艺参数有利于最大效率地提取植物药材的有效成分。如何选择合适的工艺参数,是有效成分提取面临的一个重要问题。目前,智能化的方法成为了工艺参数优化的一大解决方法,通过构建工艺参数的预测模型,在模型基础上寻优,获得到提取工艺的最佳参数。但由于提取有效物质的实验费时费力,数据需通过人工化验采集,数据获取存在一定困难,使得构建预测模型时存在小样本的难题。小样本意味着样本数量少,信息包含不充分,利用小样本训练的模型存在学习不足、预测精度低的问题,但高精度的预测模型是获取准确工艺参数的基础,预测模型不够准确,获取的工艺参数也会受到影响。针对此问题,本文提出了两种虚拟样本生成方法,基于全因子设计（FFD）的虚拟样本生成以及基于蝗虫优化算法（GOA）的虚拟样本生成,由于生成的虚拟样本需进一步优化筛选,本文提出基于极限学习机（ELM）连接权值的虚拟样本筛选方法,有效生成并选择出优质的虚拟样本。在获取实验数据后,选择支持向量回归（SVR）作为预测模型,将不同方式生成和筛选后的虚拟样本与小样本合并成合成样本,利用合成样本训练模型,并进行对比分析。结果表明,筛选后的虚拟样本和小样本组成的合成样本,可使被训练的模型效果达到最佳。同时,采用集成的思想建立预测模型,进一步提高模型精度,在集成模型的基础上,采用蝗虫优化算法得到提取工艺的最优工艺参数组合。本文以双频超声技术分别对植物药材甘草和金银花进行提取,获取其有效成分甘草苷和绿原酸,并对其提取工艺参数进行优化。通过实验验证,证明了本文提出的虚拟样本生成和筛选方法的有效性,并实现了对两种药材有效成分提取工艺的参数优化。为超声波萃取植物药材的工艺参数优化提供了一定的参考。