BP神经网络结合遗传算法优化链霉菌产葡萄糖异构酶发酵条件

摘要

目的:利用反向传播(Back propagation,BP)神经网络结合遗传算法(Genetic Algorithm,GA)建立预测模型,拟合链霉菌发酵条件与酶产量的关系,为生产葡萄糖异构酶提供最优发酵条件。方法:通过单因素试验优化葡萄糖异构酶的发酵条件,采用正交试验考察酵母膏添加量、初始pH值、接种量对酶产量的影响。利用GA在试验水平范围预测全局最优发酵条件。结果表明:BP神经网络的训练集、验证集、测试集和总体数据的相关系数分别为1、0.9999、1和1,表明BP神经网络预测模型的准确性很好,可用于链霉菌发酵葡萄糖异构酶酶产量的预测。结论:利用GA寻优的结果为50 mL液体培养基中加入0.3 g酵母膏,初始pH值为7,接种量5%的葡萄糖异构酶的酶产量为7.38 U/mL,与模型预测值的误差仅为1.76%,比初始发酵条件发酵液5.3 U/mL提高了41.1%,说明BP神经网络模型结合GA是一种可用于优化发酵条件提高葡萄糖异构酶产量的方法。