基于人工神经网络和遗传算法优化灵芝液态发酵培养基
Acta Edulis Fungi（2023）
摘要
以灵芝(Ganoderma lucidum)胞内相对分子质量较高的多糖组分的峰面积为指标,采用单因素实验筛选液态发酵培养基的氮源及其浓度,按照Box-Behnken设计29个实验组,并进行发酵培养实验,建立数据集;将数据集随机分为训练集(24组)和测试集(5组),训练集用于构建BP神经网络模型,测试集用于评估模型,采用遗传算法对BP神经网络的拟合结果进行寻优.结果表明:模型拟合度可达0.984 8;最佳培养基组成为29.0 g·L-1无水葡萄糖、3.7 g·L-1酵母自溶粉、0.3 g·L-1 MgSO4·7H2O,采用优化后的发酵培养基培养比未优化的基础培养基培养获得的相对分子质量较高的多糖峰面积提高40.8％.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要