基于BP神经网络的产絮菌发酵参数的优化

为优化对产絮菌克雷伯氏菌(Klebsiella.sp.)的发酵参数,首先用正交实验量化絮凝菌发酵参数对絮凝率和产率的影响度,确定温度、摇床转数、pH3个影响度较高的发酵参数作为神经网络的输入,絮凝率和产率为输出,同时设计了训练样本．经过反复训练,建立了准确度高、误差小的预测模型,并利用该模型实现发酵参数双指标的全局优化,其最优发酵条件为温度33℃、摇床转数141r／min、pH7.90,经验证此条件下实际絮凝率和产率分别为92.67％和2.1809g／L,絮凝率提高了4.08％,产率提高了14.36％,使生物絮凝剂产量低的问题得以初步改善．利用所建立模型预测生物絮凝菌F+在发酵罐中的发酵过程,仿真误差较小．