响应面法与基于神经网络的遗传算法在优化棉粕固态发酵中外源添加物用量上的应用

采用响应面法和基于神经网络的遗传算法,对提高棉粕固态发酵中游离棉酚降解的外源添加物水平（尿素添加量、碳酸钠添加量、菜粕添加量等因素）进行优化,并对这2种方法的优化效果进行比较.结果表明：采用响应面法优化,当尿素、碳酸钠和菜粕的添加量分别为0.97%、2.47%和24.32%时,预测的游离棉酚最大降解率为77.71%,实际降解率为79.10%;3因素中,添加碳酸钠对棉酚降解的影响最显著;而采用神经网络协同遗传算法优化,当尿素、碳酸钠和菜粕的添加量分别为0.98%、2.45%和23.66%时,预测值和实际值分别为81.36%和80.09%;采用神经网络模拟结合遗传算法的优化方法拟合度为99.91%...

Full description

Saved in:
Bibliographic Details
Published inZhejiang daxue xue bao. Journal of Zhejiang University. Agriculture and life sciences. Nong ye yu sheng ming ke xue ban Vol. 37; no. 1; pp. 97 - 102
Main Author 汤江武 孙宏 姚晓红 吴逸飞 王新
Format Journal Article
LanguageChinese
Published 浙江省农业科学院,植物保护与微生物研究所,浙江,杭州,310021 2011
Subjects
优化
响应面法
棉粕
游离棉酚
神经网络
遗传算法
响应面法
棉粕
遗传算法
神经网络
游离棉酚
优化
Online AccessGet full text
ISSN1008-9209
DOI10.3785/j.issn.1008-9209.2011.01.014

Cover

More Information
Summary:采用响应面法和基于神经网络的遗传算法,对提高棉粕固态发酵中游离棉酚降解的外源添加物水平（尿素添加量、碳酸钠添加量、菜粕添加量等因素）进行优化,并对这2种方法的优化效果进行比较.结果表明：采用响应面法优化,当尿素、碳酸钠和菜粕的添加量分别为0.97%、2.47%和24.32%时,预测的游离棉酚最大降解率为77.71%,实际降解率为79.10%;3因素中,添加碳酸钠对棉酚降解的影响最显著;而采用神经网络协同遗传算法优化,当尿素、碳酸钠和菜粕的添加量分别为0.98%、2.45%和23.66%时,预测值和实际值分别为81.36%和80.09%;采用神经网络模拟结合遗传算法的优化方法拟合度为99.91%,高于响应面法的91.91%,且均方差（RMSE）较低,为0.13,表明在棉粕固态发酵优化中,采用基于神经网络的遗传算法比响应面法具有更好的结果拟合度和准确性.
Bibliography:genetic algorithm
optimization
cottonseed meal
free gossypol
33-1247/S
response surface methodology
cottonseed meal; free gossypol; optimization; response surface methodology; neural network; genetic algorithm
S816.6
neural network
ISSN:1008-9209
DOI:10.3785/j.issn.1008-9209.2011.01.014