基于BP神经网络与遗传算法的鸟苷发酵培养基优化  

Optimization of Guanosine Fermentation Medium Based on BP Neural Network and Genetic Algorithms

作　　者：马雷[1] 张蓓[2] 武改红[2] 张克旭[2] 陈宁[2] 

机构地区：[1]天津科技大学电子信息与自动化学院,天津300222 [2]天津科技大学生物工程学院,天津300222

出　　处：《天津科技大学学报》2005年第3期17-19,共3页Journal of Tianjin University of Science & Technology

基　　金：天津市高等学校科技发展基金资助项目(20031205).

摘　　要：运用BP神经网络对鸟苷发酵培养基组成进行建模以及鸟苷产量预测,在此基础上利用遗传算法对鸟苷发酵培养基组成进行全局性寻优,得到最佳鸟苷发酵培养基组成:葡萄糖120 g·L-1,豆饼水解液50 g·L-1,酵母粉16 g·L-1,(NH4)2SO415 g·L-1,味精10 g·L-1,CaCO320 g·L-1(分消),CaCl22 g·L-1,硫酸镁3 g·L-1,生物素0.9 mg·L-1,硫酸锰4 mg·L-1,磷酸二氢钾4 g·L-1。结果表明,BP神经网络与遗传算法耦联法能够有效地优化发酵培养基配比。BP neural network was used for the modeling of fermentation medium of guanosine and the predicting of production. Based on the modeling, genetic algorithms were applied to optimize medium, and the optimal fermentation medium was gained： glucose, 120 g·L^-1; soybean hydrolysate, 50 g·L^-1; yeast extract, 16 g·L^-1; （NH4）2SO415 g·L^-1; monosodium glutamate, 10 g·L^-1; CaCO3, 20 g·L^-1; CaCl2, 2 g·L^-1; MgSO4, 3g·L^-1; biotin, 0.9 mg·L^-1; MnSO4, 4 mg·L^-1; KH2PO4, 4 g·L^-1. The results showed that the method of neural network and genetic algorithms to optimize medium was effective.

关 键 词：鸟苷 发酵培养基 BP神经网络 遗传算法 

分 类 号：TQ929[轻工技术与工程—发酵工程] TP183[自动化与计算机技术—控制理论与控制工程]