BP神经网络和遗传算法在乳酸菌发酵参数优化中的应用.pdfVIP

2014-02-25 DOI: 10.3724/SP.J.1145.2014.00112 / Chin J Appl Environ Biol 2014 20 ( 1 ) : 112-116 应用与环境生物学报 ， BP神经网络和遗传算法在乳酸菌发酵 * 参数优化中的应用 ** 高爱同 毕 珂 齐育平 蒋冬花 浙江师范大学化学与生命科学学院 金华 321004 L2 γ- GABA . 摘 要 为提高短乳杆菌 菌株 氨基丁酸（ ）的产量，建立了一个反映因素与产量之间的非线性关系模型 运用 Plackett-Burman CCD MRS 4 设计、中心组合试验设计（ ）对 培养基组成和培养条件进行了优化，筛选出 个影响发酵的关 pH . BPN GA 键因素：蛋白胨、葡萄糖、谷氨酸钠、初始 在此基础上，采用误差反向传播神经网络（ ）和遗传算法（ ）确 4 21.185 g/L 3.857 g/L 48.948 g/L pH 4.05. 定了 个关键因素的适宜参数：蛋白胨 ，葡萄糖 ，谷氨酸钠 ，初始 最终使短乳杆 菌L2菌株的GABA产量达到了27.765 g/L ，比原始MRS培养基的 13.452 g/L提高了106.4%. 研究表明利用BPN-GA方法进 行发酵条件优化是一种行之有效的途径 . 图5 表4 参 18 L2 γ- GABA Plackett-Burman PB BPN 关键词 短乳杆菌 ； 氨基丁酸（ ）； （ ）设计；误差反向传播神经网络（ ）；遗传算法 GA （ ） CLC Q936 : TQ920.1 Optimization of fermentation variables by using artificial neural network model and genetic algorithm* GAO Aitong, BI Ke, QI Yuping JIANG Donghua** College of Chemistry and Life Sciences, Zhejiang Normal University, Jinhua 321004, China Abstract In order to improve