基于遗传算法-神经网络的豆渣酶解工艺优化及其动力学研究

摘要

目的:获得纤维素酶酶解豆渣的最佳工艺条件,建立豆渣酶解动力学模型.方法:在单因素实验的基础上,采用响应面法(Response Surface Methodology,RSM)和遗传算法-神经网络模型(Genetic Algorithm-Neural Network,GA-ANN)两种方法研究pH、纤维素酶添加量、酶解温度和酶解时间对还原糖生成量的影响.结果:遗传算法-神经网络优化的豆渣酶解工艺条件为:pH5.2、纤维素酶添加量4.4％、酶解温度52°C、酶解时间3.2h,在此条件下还原糖生成量为2.65 g/kg,高于响应面优化的结果(还原糖生成量为2.54g/kg).利用类分形动力学得到豆渣酶解动力学参数k0为0.5372,分形维数h为0.1530,根据实验数据与动力学模型进行拟合,拟合度达到0.9827,拟合效果良好.结论:本文采用响应面法和遗传算法-神经网络模型对比优化了豆渣酶解工艺,并建立了豆渣酶解动力学模型,可为豆渣酶解工艺提供理论参考.