DM423摇瓶培养过程生物量的BP神经网络软测量

华南理工大学学报(自然科学版) ›› 2004, Vol. 32 ›› Issue (12): 11-15.

DM423摇瓶培养过程生物量的BP神经网络软测量

李冰郭祀远李琳黎锡流

华南理工大学食品与生物工程学院广东广州 510640

收稿日期:2004-08-25 出版日期:2004-12-20 发布日期:2015-09-08
通信作者: 李冰（1972－）女讲师博士主要从事食品与生物化工研究。 E-mail:lcbingli＠scut.edu.cn
作者简介:李冰（1972－）女讲师博士主要从事食品与生物化工研究。
基金资助:
国家自然科学基金青年基金资助项目（20306007）和国家自然科学基金重点资助项目（20436020）

BP Neural Network-based Software Measurement for DM423 Biomass During Flask Cultivation

Li Bing Guo S-i yuan Li Lin Li X-i liu

College of Food and Biological EngineeringSouth China Univ．of Tech．Guangzhou 510640GuangdongChina

Received:2004-08-25 Online:2004-12-20 Published:2015-09-08
Contact: 李冰（1972－）女讲师博士主要从事食品与生物化工研究。 E-mail:lcbingli＠scut.edu.cn
About author:李冰（1972－）女讲师博士主要从事食品与生物化工研究。

摘要/Abstract

摘要： 利用 BP 神经网络来描述腊样芽孢杆菌（Baeillus cereus DM423）（简称 DM423）摇瓶培养过程中生物量与培养液初始葡萄糖含量和初始生物量之间的关系．建立了结构为 2-6-3的 BP 神经网络．用所建立的神经网络对 DM423摇瓶培养过程的生物量进行估算发现估算值与实测值相当接近表明网络有较好的泛化能力．此外当初始葡萄糖含量超出测试样本范围时（分别为4．25和27．30g／L）网络对样本的预测结果也相当理想预测的平均相对误差为1．95％。

关键词: BP 神经网络, 摇瓶培养, 生物量, 估算, 泛化能力

Abstract: The relationship between the initial conditions （initial glucose content and initial biomass） and the biomass during the flask cultivation of Baeillus cereus DM423was described by BP neural network．A2-6-3topo-logy of the BP neural network was then constructed．The estimation results of biomass by the BP neural network show that there is little difference between the calculated values and the experimental oneswhich means that the constructed neural network has a good generalization．The proposed network also promises rather good prediction results when the initial glucose contents are4．25and27．30g／Land the average relative error of the estimation is1．95％．

Key words: BP neural network, flask cultivation, biomass, estimation, generalization

中图分类号:

李冰, 郭祀远, 李琳, 等. DM423摇瓶培养过程生物量的BP神经网络软测量[J]. 华南理工大学学报(自然科学版), 2004, 32(12): 11-15.

Li Bing, Guo S-i yuan, Li Lin, et al. BP Neural Network-based Software Measurement for DM423 Biomass During Flask Cultivation[J]. Journal of South China University of Technology(Natural Science Edition), 2004, 32(12): 11-15.

[1]	杨春, 李鹏麟, 熊帅, 等. 基于 BIM 和神经网络的大跨度钢屋盖监测数据解析[J]. 华南理工大学学报（自然科学版）, 2020, 48(9): 10-19.
[2]	王毅红, 张建雄, 兰官奇, 等. 压制生土砖强度的人工神经网络预测模型[J]. 华南理工大学学报（自然科学版）, 2020, 48(7): 115-121.
[3]	牛海清吴炬卓郭少锋. 奇异值分解在电缆局部放电信号模式识别中的应用[J]. 华南理工大学学报（自然科学版）, 2018, 46(1): 26-32.
[4]	曾小华李广含宋大凤李胜朱志成. 基于遗传算法优化的BP 神经网络侧翻预警算法[J]. 华南理工大学学报（自然科学版）, 2017, 45(2): 30-38.
[5]	林培群雷永巍姚凯斌顾玉牧. 部分联网环境下交叉口排队长度估算与信号自适应控制[J]. 华南理工大学学报(自然科学版), 2017, 45(11): 1-9,147.
[6]	林培群雷永巍姚凯斌顾玉牧. 部分联网环境下交叉口排队长度估算与信号自适应控制[J]. 华南理工大学学报（自然科学版）, 2017, 45(11): 0-0.
[7]	牛海清吴炬卓许佳郑文坚. 基于Radon 和Fourier-Mellin 变换的电缆终端红外图像识别[J]. 华南理工大学学报（自然科学版）, 2016, 44(8): 47-52,59.
[8]	胡俊亮郑恒斌陈舟颜全胜. 基于优化 BP 神经网络的梁结构有限元模型修正[J]. 华南理工大学学报（自然科学版）, 2013, 41(8): 67-73.
[9]	宗敏华刘宗俊吴虹娄文勇朱定和. 油脂酵母Trichosporon fermentans HWZ004 的分批补料法高密度培养[J]. 华南理工大学学报（自然科学版）, 2013, 41(10): 47-52,65.
[10]	李冰郭祀远李琳黎锡流. PRNN对Bacillus cereus DM423分批培养过程中生物量的软测量[J]. 华南理工大学学报（自然科学版）, 2009, 37(4): 111-115.
[11]	黄汉雄何建民刘旭辉邓志武. 水辅助注塑的GA-LMBP 逆向神经网络建模与预测[J]. 华南理工大学学报（自然科学版）, 2007, 35(12): 23-27,33.
[12]	孙春华朱荻李志永. 基于 BP 神经网络的电解加工精度预测模型[J]. 华南理工大学学报(自然科学版), 2004, 32(10): 24-27.
[13]	傅继阳甘泉. 大跨平屋盖结构风压分布特性的神经网络模型[J]. 华南理工大学学报(自然科学版), 2003, 31(8): 62-66.
[14]	何家颖黎绍发. 一种基于虚拟数据库的分布式查询优化算法 [J]. 华南理工大学学报(自然科学版), 2003, 31(11): 24-29.