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

TS214; 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℃、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...

Full description

Saved in:
Bibliographic Details
Published in食品工业科技 Vol. 42; no. 16; pp. 213 - 220
Main Authors 谢春平, 赵良忠, 李明, 周晓洁, 黄展锐, 莫鑫, 车丽娜, 庾坤
Format Journal Article
LanguageChinese
Published 豆制品加工与安全控制湖南省重点实验室,湖南邵阳422000 01.08.2021
邵阳学院食品与化学工程学院,湖南邵阳422000
湖南省果蔬清洁加工工程技术研究中心,湖南邵阳422000%广州佳明食品科技有限公司,广东广州511458
Subjects
遗传算法
动力学
神经网络
豆渣
酶解
Online AccessGet full text
ISSN1002-0306
DOI10.13386/j.issn1002-0306.2020120261

Cover

More Information
Summary:TS214; 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℃、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.
ISSN:1002-0306
DOI:10.13386/j.issn1002-0306.2020120261