CAJ | 학술논문

[目的]探讨用遗传算法优化BP 神经网络对小球藻生长模型的建立与应用.[方法]使用遗传算法对BP 神经网络的权值和阈值进行优化,并使用该网络模型,以小球藻培养时间和残余葡萄糖为输入,菌体光密度值(OD<,680>)为输出,对小球藻在500 L多功能生物反应器中的生长情况进行了建模,还探讨了该模型的应用情况.[结果]经过遗传算法优化的BP 神经网络,其泛化值的误差平方和比BP神经网络的小,因而预测值更加接近实际值.t 检验表明,所建立的模型是可信的.验证表明,该模型具有良好的拟合度,能够很好地描述在500 L 多功能生物反应器中培齐的小球藻的生物量(OD<,680>)与残余葡萄糖和培养时间之间的关系.[结论]所建立的模型可用于试验结果的预测,对小球藻的培养控制具有指导意义.
[목적]탐토용유전산법우화BP 신경망락대소구조생장모형적건립여응용.[방법]사용유전산법대BP 신경망락적권치화역치진행우화,병사용해망락모형,이소구조배양시간화잔여포도당위수입,균체광밀도치(OD<,680>)위수출,대소구조재500 L다공능생물반응기중적생장정황진행료건모,환탐토료해모형적응용정황.[결과]경과유전산법우화적BP 신경망락,기범화치적오차평방화비BP신경망락적소,인이예측치경가접근실제치.t 검험표명,소건립적모형시가신적.험증표명,해모형구유량호적의합도,능구흔호지묘술재500 L 다공능생물반응기중배제적소구조적생물량(OD<,680>)여잔여포도당화배양시간지간적관계.[결론]소건립적모형가용우시험결과적예측,대소구조적배양공제구유지도의의.