BP神经网络结合正交试验法优化Bacillus velezensis Z—27菌株培养基组分

格式：doc
大小：19.50 KB
文档页数：5

下载文档原格式

/ 5

基于正交数值试验与GA-BP算法的玻纤筋参数优化及预测研究

基于正交数值试验与GA-BP算法的玻纤筋参数优化及预测研究基于正交数值试验与GA-BP算法的玻纤筋参数优化及预测研究摘要：随着科学技术的不断发展，材料科学领域得到了长足的发展，其中玻璃纤维加强材料在工程领域中的应用日益广泛。

玻璃纤维筋作为玻璃纤维加强材料的重要组成部分，其性能参数优化对材料性能的提升起到至关重要的作用。

本文通过正交数值试验与GA-BP算法的结合，针对玻璃纤维筋的参数进行优化，并利用优化后的参数进行预测性能研究。

1. 引言玻璃纤维加强材料是一种重要的复合材料，在航空航天、汽车制造、建筑工程等领域都有广泛的应用。

玻璃纤维筋作为玻璃纤维加强材料的一个重要组成部分，对材料的力学性能和结构特性起着至关重要的作用。

因此，对于玻璃纤维筋的参数进行优化研究具有重要的理论与实际意义。

2. 正交数值试验原理及方法正交试验是一种常用的试验方法，通过一定的试验设计，可以充分利用有限的试验数据，较好地描述系统的参数关系。

正交试验方法的核心思想是通过对试验因素进行不同水平的组合，获得不同参数组合下系统的响应值，从而建立模型并进行参数优化。

3. GA-BP算法的基本原理遗传算法是一种生物进化的模拟算法，通过模拟自然界中的进化过程，利用选择、交叉、变异等操作，逐步优化问题的解。

BP神经网络算法是一种常用的人工神经网络算法，通过迭代更新权值和阈值来优化网络输出。

GA-BP算法是将遗传算法与BP神经网络相结合，通过遗传算法优化BP神经网络的权值和阈值，提高算法的优化效果。

4. 玻璃纤维筋参数优化实验设计与结果分析4.1 正交试验设计本文采用正交试验设计协方差分析方法，将玻璃纤维筋的参数分别设置为试验因素，分别选取不同的水平值，进行正交数组试验。

4.2 实验结果分析通过正交试验，获得不同参数组合下的玻璃纤维筋力学性能数据，利用协方差分析方法分析数据，得出各参数对力学性能的贡献程度，进而优化参数。

5. GA-BP算法在玻璃纤维筋参数优化中的应用5.1 GA-BP算法设计将正交试验中得到的参数数据作为BP神经网络的输入，通过遗传算法优化BP神经网络的权值和阈值，建立预测模型。

优化BP神经网络的快速细菌觅食算法

广西科学院学报２０１１，２７（３）：２２１～２２３Ｊｏｕｒｎａｌ　ｏｆ　Ｇｕａｎｇｘｉ　Ａｃａｄｅｍｙ　ｏｆ　ＳｃｉｅｎｃｅｓＶｏｌ．２７，Ｎｏ．３　Ａｕｇｕｓｔ　２０１１收稿日期：２０１０－１１－３０作者简介：麦雄发（１９７４－），男，副教授，主要从事智能计算及其应用的研究。

优化ＢＰ神经网络的快速细菌觅食算法ＢＰ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ　ｂａｓｅｄ　ｏｎ　Ｆａｓｔ　Ｂａｃｔｅｒｉａｌ　ＦｏｒａｇｉｎｇＡｌｇｏｒｉｔｈｍ麦雄发１，李　玲２，胡宝清３ＭＡＩ　Ｘｉｏｎｇ－ｆａ１，ＬＩ　Ｌｉｎｇ２，ＨＵ　Ｂａｏ－ｑｉｎｇ３（１．广西师范学院数学科学学院，广西南宁　５３０００１；２．广西师范学院继续教育学院，广西南宁　５３０００１；３．广西师范学院资源与环境科学学院，广西南宁　５３０００１）（１．Ｓｃｈｏｏｌ　ｏｆ　Ｍａｔｈｅｍａｔｉｃａｌ　Ｓｃｉｅｎｃｅｓ，Ｇｕａｎｇｘｉ　Ｔｅａｃｈｅｒｓ　Ｅｄｕｃａｔｉｏｎ　Ｕｎｉｖｅｒｓｉｔｙ，Ｎａｎｎｉｎｇ，Ｇｕａｎｇｘｉ，５３０００１，Ｃｈｉｎａ；２．Ｓｃｈｏｏｌ　ｏｆ　Ｃｏｎｔｉｎｕｉｎｇ　Ｅｄｕｃａｔｉｏｎ，Ｇｕａｎｇｘｉ　Ｔｅａｃｈｅｒｓ　ＥｄｕｃａｔｉｏｎＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｎｉｎｇ，Ｇｕａｎｇｘｉ，５３０００１，Ｃｈｉｎａ；３．Ｆａｃｕｌｔｙ　ｏｆ　Ｒｅｓｏｕｒｃｅ　ａｎｄ　Ｅｎｖｉｒｏｎｍｅｎｔａｌ　Ｓｃｉ－ｅｎｃｅｓ，Ｇｕａｎｇｘｉ　Ｔｅａｃｈｅｒｓ　Ｅｄｕｃａｔｉｏｎ　Ｕｎｉｖｅｒｓｉｔｙ，Ｎａｎｎｉｎｇ，Ｇｕａｎｇｘｉ，５３０００１，Ｃｈｉｎａ）摘要：为了提高ＢＰ神经网络的全局收敛能力和预测精度，提出了混合ＰＳＯ的快速细菌觅食算法优化ＢＰ神经网络（ＦＢＦＡＢＰ）的方法，并以石漠化危险度预警为例进行验证。

结果表明，通过使用粒子移动和简化细菌趋化操作，提高了算法的收敛速度和搜索全局最优值的能力。

相对于其它神经网络训练算法，该方法具有较好的预测精度和泛化能力，具有一定的优势。

基于BP神经网络的麦蚜最大虫株率预测

基于BP神经网络的麦蚜最大虫株率预测靳然;李生才【摘要】农业病虫害严重制约着农作物的产量和质量,准确的病虫害测报是科学防治害虫的前提,因此建立准确且稳定的预测模型,对于提前采取措施进行病虫害防治、减少农作物经济损失具有重要意义.为探索建立更加准确和稳定的病虫害测报模型,本实验以山西省运城市芮城县1980-2006年麦蚜最大虫株率和气象因子数据为基础,建立BP神经网络预测模型,对1980-2006年数据进行网络训练,预测2007-2011年麦蚜最大虫株率,并与逐步回归法进行比较.结果表明,BP神经网络的预测准确率超过96％,从预测准确率和模型稳性定上都远好于逐步回归法预测结果.基于BP神经网络预测模型处理非线性问题的能力、良好的自学习、自组织和自适应性、良好的推广能力,其可作为农作物病虫害预测预报的一种有效方法继续探索.【期刊名称】《山西农业大学学报（自然科学版）》【年(卷),期】2015(035)004【总页数】6页(P361-366)【关键词】BP神经网络;麦蚜;最大虫株率;预测【作者】靳然;李生才【作者单位】山西农业大学农学院,山西太谷030801;山西农业大学农学院,山西太谷030801【正文语种】中文【中图分类】S431多年来，众多昆虫学家和植保工作者致力于病虫害测报方法的研究，发展了经验预测法、实验预测法和统计预测法等传统预测预报方法［1］。

但由于害虫的发生具有多样性、突发性、随机性等特点，易受环境因子及害虫自身生长发育、天敌发生情况等影响，其所在的生态系统是一个非常复杂的非线性结构，传统的预测预报方法很难达到理想的效果。

近年来，专家、学者将现代非线性理论运用到害虫测报领域，将传统的动力学理论、数理统计与现代计算技术相结合，发展了人工神经网络、相空间重构预测法、小波分析、支持向量机等病虫害测报新方法［2～4］。

目前，人工神经网络在预测方面已有较多的应用，如地质灾害的发生、房地产走向、借贷风险分析等，在害虫预测预报方面也取得了一定的成果。

用正交试验法选择BP网络参数研究机器人运动学逆解

性特点可以实现机器人逆运动学的求解，但是在网络的训练参数的选择上还缺少一个统一的方法，大
法一般不能给出全部可能的解，且常规的数值迭代
法解的精度不高，时太多，以满足机器人实时控花难
ＫｅｗｒｓｉｖｒｉｍｔｓｒｂｔＰｎｔｏｋｏｈｇｎｅｉｘｅｍｅｔｉ（Ｄｙｏｄ：ｎｅｓｋｅａｉ，ｏｏ，Ｂｅｒ，￣ｏｏａｄｓｎｅｐｒｎａｏＯＥ）ｅｎｃｗｌｇｉｔｎ
机器人运动学包括运动学逆问题和运动学正问题两方面．串联机器人逆运动学和并联机器人正运
ａｄＯｒｈｏｏｌＤｅｉｎＥｘｒｍｅｔｉｎｎｔｇｎａｓｇｐｅｉｎａｔｏ
ＸＵＥＹａ — ｉｎｒｎ，ＬＵｎ —ｈｏａＩＨｏｇｎＩｓｕｅｔｎｉｅｎ， ’ｎＵｉｒｔｅｈｏｏｙＸ ’，７０４，ｈｎ）ＳｈｏｏｃｉｅａｄＰｅｉｏｔｍｎＥｇｎｒｇｇｎｅｉｏＴｃｎｌ，ｉｏ１０８Ｃｉｙｓｎｒｅｉｔｖｓｙｆｇｎａ
代数法和儿何法经常结合起来以简化计算；值解数
近年来，人工神经网络技术为机器人的研究提供了方便．串联机器人逆解方面，多学者采用在很ＢＰ神经网络－］ＣＣ网络、Ｂ５、ＭＡＲＦ网络［等 ’ 对不同的机器人进行了逆解研究．研究表明，利用神经网络的平行处理能力、自学习能力和本身的非线
制要求．

BP神经网络的优化算法研究

计算机与现代化2009年第1期J I S UANJ I Y U X I A NDA I HUA 总第161期文章编号: 1006 22475 ( 2009) 0120073 203B P神经网络的优化算法研究张山,何建农(福州大学数学与计算机科学学院,福建福州350002 )摘要: B P学习算法通常具有收敛速度慢,易陷入局部极小值等缺点; 遗传算法是全局优化算法,具有较强的全局搜索性能,但它在实际应用中容易产生早熟收敛的问题,且在进化后期搜索效率较低; 模拟退火算法具有摆脱局部最优点的能力,能抑制遗传算法的早熟现象。

因此,本文在B P算法结合遗传算法的同时,再加入模拟退火算法,可以有效地缓解遗传算法的选择压力。

关键词:遗传算法; 模拟退火算法; 神经网络中图分类号: TP183文献标识码: ARe s ea r ch on O p t i m i zed A lgor ith m for BP Neura l Ne t work sZ HAN G Shan , H E J ian2nong( C o l lege of M a t he m a t ic s and Comp u t e r Sc i ence, Fuzhou U n i ve r sity, Fuzhou 350002 , Ch i na)A b stra c t:B P lea rn ing a lgo rith m conve rge s sl ow and the s o lu ti on g o t is u sua lly l oca l op ti m a l s o lu ti on. Gene tic A lg o rith m is gl oba lop ti m iza ti on a lgo rith m and ha s str ong gl oba l sea rch ab ility. B u t it can ea sily cau se p re m a tu re conve rgence p r ob le m s in p rac tica l app lica ti on and the effic ien t of sea rch in la te r evo lu ti on is l ow. Si m u lted A nnea ling A lg o rith m ha s the advan tage s of av o id ge tting the l oca l op ti m a l s o lu ti on and p re m a tu re conve rgence p r ob le m. S o B P a lg o rith m co m b ine s Gene tic A lg o rith m and Si m u la ted A n2 nea l ing A lgo r ith m can effec t ive l y ea s e the p re s su r e of gene t ic a l go r ith m se l ec t i on p re s su r e.Key word s: gene t ic a l go r ith m; si m u l a t ed annea l ing a l go r ith m; B P neu r a l ne t w o r k s0 引言据统计, 近些年在神经网络学习算法中, B P 算法[ 1 ]是应用最广泛的算法之一。

BP神经网络模型预测白芷超临界萃取结果的研究

果进行预测。
关键词：神经网络；超临界萃取；白芷；正交实验设计
中图分类号：２４２１８．１
文献标识码：Ａ
文章编号：０－０（０６０ —１６２１８８５２０）２０７－０００
ＦｏｅａｔｎｇｔｔａｔｏｆＣｏｍａｉｓｉｇｅｉａｄｈｉａｂｕｐｒｒｔｃｌＣＯ２ｗｉｈｒｃｓｉｈｅＥｘｒｃｉｎｏｕｒｎｎＡｎｌｃａｕｒｃｙＳｅｃｉｉａｔＢＰｕａｔｒＮｅｒｌＮｅｗｏｋ
ＬＵＨｏｇｍｅＩｎ ’ ｉ
（ｏｅｅｏｉｈｍｃｌｎｉｅｒｇｏｅｉｎｎＵｉｒｔ，Ｂｉｇ１０２，ｈｎ）ＣｌｇＢｏｅｉｇｎｅｉＢｉｎＵｉｎｖｓｙｅｉ００３ பைடு நூலகம் ｉａｌｆｃａＥｎｆｊｇｏｅｉｊｎ
ｅｓｈｘｒｃｉｎｒｓｌｆａｔｅｃｍｐｎｎｓｉｈｎｓｅｂｍｅｉｉｅ．ａｔｅｅｔｔｅｕｔｏｃｉｏｏｅｔｎＣｉｅｅｈｒｄｃｎｓｔａｏｓｖ
ＫｅｒｓＢｅｒｌｅｗｒ；ＳｐｒｆｉｌｘａｔｎＡｇｌａｄｈｒａＯｈｇｎｌｅｉｙｗｏｄ：ＰＮｕａｎｔｏｋｕｅｉｃｔｃｏ；ｎｅｃａｕｉ；ａｏｏａＤｓｎｃｔａＥｒｉｉｃｇ
ＲｅＩｔｓｌＡ５×４×３ｎｕａｎｔｒａｅｎｓｔｕ．ＴｅｆｒｃｓｅｒｆｅａｅｎＢ —ＮｄｌｗｒｌｓｌｉｌｒｔｈｌｓｅｒｌｅｗｏｋｈｓｂｅｅｐｈｏｅａｔｄｐｏｌｓｂｓｄＯＰｉＮｍｏｅｅｅｃｏｅｙｓｍｉｏｔｅａｔｒｅａｕｓＣｏｃｕｉｎＯｔｏｏａｅｐｒｎａｒｓｌｏｌｅｕｅｒｉｉｇＢａｇｔｖｌｅ．ｎｌｓｏｒｈｇｎｌｘｅｉｔｌｅｕｔｃｕｄｂｓｄｔｔｎｎＰ—ＮＮａｄｔｅｔａｎｄＢＰ—Ｎｏｌｒ — ｍｅｓｏａｎｈｉｅｒＮｃｕｄｆｅｏ

BP神经网络在工程项目管理中的应用及其贝叶斯正规化优化

BP神经网络在工程项目管理中的应用及其贝叶斯正规化优化黎颖;王爱华;古剑伟;罗天
【期刊名称】《价值工程》
【年(卷),期】2009(28)8
【摘要】BP神经网络已经在很多领域应用,而对于工程项目评价中的应用还处在起步阶段,缺乏有效的理论和经验.通过实证的方法,说明贝叶斯正规化方法在工程项目评价中的应用和精度高、自动归一化的优势.
【总页数】3页(P91-93)
【作者】黎颖;王爱华;古剑伟;罗天
【作者单位】华中科技大学土木工程与力学学院,武汉,430074;华中科技大学控制结构湖北省重点实验室,武汉,430074;(Missing);(Missing)
【正文语种】中文
【中图分类】TP183
【相关文献】
1.贝叶斯正规化算法在油藏参数拟合方面的应用 [J], 潘永才;单文兵;张尚辉;王富
2.贝叶斯正规化BP神经网络在我国医院床位预测中的应用 [J], 徐建伟
3.基于贝叶斯正规化算法的BP神经网络泛化能力研究 [J], 徐建伟;刘桂芬
4.贝叶斯正则化BP神经网络在地铁施工安全评价中的应用 [J], 徐佳
5.深圳市肠道传染病与气象及媒介因素的贝叶斯正规化BP神经网络模型 [J], 谢旭;任金马;牟瑾;吕秋莹;梁焯南
因版权原因，仅展示原文概要，查看原文内容请购买。

BP神经网络在橡胶配方优化设计中的应用

数据处理的模型，对于不同的性能，需要建立不
想。对于三层网络，含层的神经元个数ｎ隐和输入层的神经元个数ｎ之间可以有以下近．
似关系：
２＝２ｎｌ＋１
同的模型，经网络不需要任何先验公式就能从已有数据中自动地归纳出规则，得这些数据的内在获
３。
对硫化胶的硬度、０％定伸应力和伸长率３０
的测试按相应的国家标准进行。采用三因素三
第３７卷第７期
林孝全，Ｂ等．Ｐ神经网络在橡胶配方优化设计中的应用
２２数据的归一化处理．
・ｌ・２
水平的正交试验设计。实验结果如表１示，所
～
对于ＢＰ网络，区间内的任何一个连续闭函数都可以用单隐层的网络逼近，因而一个三层ＢＰ网络就可以完成任意的ｎ维到ｍ维的映射。
作者简介：孝全（９２）男，江苍南人，料学专业硕士。林１８一，浙材
隐含层的神经元数目与问题的要求、入／输
输出单元的数目有关。隐含层数目过小，足不以存储训练样本中蕴涵的所有规律；含层数隐目过大，运算量太大，则而且分类效果也未必理
的非线性关系，回归分析只适合于单目标优化
１ＢＰ神经网络的设计
１１网络的层数．
２实证分析

基于正交试验和BP人工神经网络的浮选药剂制度优化

基于正交试验和BP人工神经网络的浮选药剂制度优化张翼;王旭东【期刊名称】《有色金属（选矿部分）》【年(卷),期】2018(000)002【摘要】探索了人工神经网络在浮选药剂制度优化中的应用.研究通过浮选药剂三因素三水平正交试验采集具有一定代表性的实验数据,然后采用BP人工神经网络,建立了输入为pH值调整剂碳酸钠的用量、抑制剂硅酸钠的用量和捕收剂的用量,输出为选矿效率的BP人工神经网络模型,并通过样本检验模型的准确性.试验结果:F 检验确定的药剂制度为pH值调整剂用量4 kg/t、抑制剂用量3 kg/t、捕收剂用量1 kg/t,选矿效率为19.75％,BP人工神经网络确定的药剂制度为pH值调整剂用量4 kg/t、抑制剂用量2.3 kg/t、捕收剂用0.9 kg/t,选矿效率为19.47％,两种药剂制度的选矿效率差别很小,但BP网络确定的药剂制度药剂用量更少.结果表明利用BP人工神经网络可用于浮选药剂制度的优化,可减少试验量,可通过建立模型找出更优的药剂制度,同时结合正交试验减少人工神经网络的学习样本数量,增加样本代表性,优化神经网络的学习过程.【总页数】4页(P99-102)【作者】张翼;王旭东【作者单位】武汉工程大学资源与土木工程学院,武汉430074;武汉工程大学资源与土木工程学院,武汉430074【正文语种】中文【中图分类】TD923【相关文献】1.基于多目标正交试验的浮选药剂制度优化研究 [J], 沈正义;卓金武;匡亚莉;陈祥君2.基于正交试验的环形炉炉温制度优化研究 [J], 张书臣;冯俊小;姬江峰;张勇;高万绪;张小涛3.赞比亚谦比希硫化铜矿的浮选药剂制度优化 [J], 苏敏;邓林欣;张瑞洋;孙春宝;寇珏;张晓亮4.铜渣高温浮选药剂遴选与药剂制度优化研究 [J], 罗仁昆;吴星琳;王俊娥;陈杭;张恒星;石瑀5.基于正交试验的浮选药剂制度优化 [J], 李浩因版权原因，仅展示原文概要，查看原文内容请购买。

基于BP神经网络对薇甘菊预处理方法的选取

基于BP神经网络对薇甘菊预处理方法的选取【摘要】薇甘菊是一种常见的中草药，具有抗炎、镇痛、舒缓消化等功效，对人体健康有着重要作用。

本文将基于BP神经网络，探讨薇甘菊预处理方法的选择，并分析其在预处理过程中的应用。

通过对薇甘菊的特点进行分析，我们将选取合适的预处理方法，并研究BP神经网络在该过程中的效果。

还将分析影响因素，设计实验并进行结果分析。

最终，我们将得出结论并展望未来研究方向，为薇甘菊的利用提供更好的理论支持。

该研究对于提高薇甘菊的药用效果，促进中草药产业的发展具有重要意义。

【关键词】薇甘菊、BP神经网络、预处理方法、特点分析、影响因素、实验设计、结果分析、研究结论、研究展望1. 引言1.1 研究背景薇甘菊是一种常见的植物，被广泛应用于药物和化妆品等领域。

随着人们对天然植物的需求增加，薇甘菊的研究也变得越来越重要。

薇甘菊具有许多药用价值，包括抗炎、抗菌、抗氧化等功效，因此被广泛用于治疗各种疾病。

薇甘菊的有效成分往往较少，且在提取过程中容易受到各种因素的影响，导致提取效率低下。

在这样的背景下，如何选择合适的预处理方法来提高薇甘菊提取效率成为了研究的重要问题。

目前，基于BP神经网络的预处理方法被认为是一种有效的方式，可以通过训练网络，优化提取过程中的参数，从而提高提取效率。

本研究旨在探讨基于BP神经网络的预处理方法对薇甘菊提取的影响，并寻找最优的预处理方法，为薇甘菊的提取工作提供技术支持。

通过对薇甘菊的特点分析和BP神经网络的应用研究，可以更加深入地了解薇甘菊的提取过程，为其在医药、化妆品等领域的应用提供技术支持。

1.2 研究意义研究薇甘菊预处理方法可以帮助提高中药材的药效和药用价值，满足人们对健康需求的不断提高。

通过科学合理地选择预处理方法，可以保留药材中的有效成分，减少对药效的影响，提高药材的品质和疗效。

研究薇甘菊预处理方法还可以促进中药材的产业化发展。

随着人们对中药材需求的增加，对中药材的品质要求也越来越高。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

BP神经网络结合正交试验法优化Bacillus velezensis Z—27菌株培养基组分作者：甄新武乔均俭来源：《湖北农业科学》2013年第13期摘要：将BP人工神经网络（Artificiai neural network）技术与传统的正交试验方法相结合，提出一种新的试验分析和处理方法，利用神经网络特有的自学能力，对主要影响因素进行仿真优化，获得Bacillus velezensis Z-27菌株培养基组分，即玉米粉2.0%、豆饼粉1.5%、MnSO4·H2O 0.07%，起始pH为7.0、接种量为2.0%，应用优化得到的培养基组分进行验证试验，取得了较好的效果。

关键词：BP人工神经网络（Artificiai neural network）；正交试验；培养基；Bacillus velezensis Z-27菌株中图分类号：Q936 文献标识码：A 文章编号：0439-8114（2013）13-3109-03近年来，健康和生态环境问题日益受到重视，中国已全面启动实施无毒、无公害的微生态饲料添加剂工程。

农业部于1994年公布的可用于微生态制剂生产的菌种包括乳酸杆菌、芽孢杆菌、粪链球菌、酵母菌和双歧杆菌。

其中芽孢杆菌可以使肠道内形成有利于厌氧微生物生长的环境，从而保持肠道微生态系统平衡。

芽孢杆菌在肠道中还可以产生多种消化酶和有机酸，这有益于提高饲料的利用率，抑制有害菌的繁殖，可为乳酸杆菌等菌群的生长创造有利条件。

所以，芽孢杆菌是一种理想的动物微生态制剂的生产菌种。

Z-27菌株[1]是以来自猪粪便的耐高浓度胆酸盐的产芽孢菌株为出发菌株，以大肠杆菌为病原指示菌，经过初筛、复筛筛选出的具有较高拮抗活性的芽孢杆菌，对其进行了菌种鉴定，经鉴定为Bacillus velezensis。

人工神经网络（Artificiai neural network），简称神经网络，是近几年迅速发展起来的一门集神经科学、信息科学、计算机科学于一体的交叉边缘学科，是生物神经网络（Biology neural network）在结构、功能及某些基本特性方面的理论抽象和模拟而构成的一种信息处理系统[2，3]。

本研究以Bacillus velezensis Z-27为发酵菌株，利用BP神经网络结合正交试验法优化其培养基发酵条件，旨在降低生产成本，为进一步研制具有抗腹泻功能的猪用益生菌制剂奠定基础。

1 材料与方法1.1 材料Bacillus velezensis Z-27菌株，由河北农业大学生命科学学院实验室保存。

1.2 培养基NA培养基、NB培养基、LB培养基。

摇瓶发酵基础培养基：蛋白胨1.0%，葡萄糖1.0%，NaH2PO4·2H2O 0.2%，Na2HPO4·2H2O 0.4%，CaCl2 0.02%，蒸馏水1 000 mL，pH 7.0～7.2。

1.3 试验方法1.3.1 单因素试验确定培养基组分根据试验需要单因素改变基础培养基的碳源、氮源、无机盐。

摇床转速170 r/min，摇瓶装液量50 mL，接种10～12 h芽孢杆菌Z-27菌株种子液，接种量2.0%，37 ℃培养24 h。

考察单因素对芽孢杆菌Z-27菌株发酵液活菌浓度、发酵液抗菌活性及芽孢产率的影响，从而得到最佳碳源、氮源和无机盐。

利用发酵液梯度稀释后涂布平板的活菌计数法测定芽孢杆菌Z-27菌株摇瓶发酵液活菌浓度。

芽孢观察和计数采用孔雀绿芽孢染色和血球计数板直接计数相结合的方法，将培养液稀释一定倍数后在显微镜下观察，计算芽孢产率。

采用琼脂打孔扩散法测定发酵液抗菌活性。

1.3.2 正交试验优化培养条件培养基组成及接种量等培养条件对芽孢杆菌Z-27菌株发酵的影响按正交试验表L16（45）进行考察[4-8]。

碳源采用1.0%、2.0%、3.0%、4.0%四个水平；氮源采用0.5%、1.0%、1.5%、2.0%四个水平；无机盐采用0.01%、0.03%、0.05%、0.07%四个水平；pH采用6.5、7.0、7.5、8.0四个水平；接种量采用1.0%、2.0%、3.0%、4.0%四个水平。

以发酵液活菌浓度为指标，确定出芽孢杆菌Z-27菌株最佳培养基组成及最适接种量[9，10]。

1.3.3 芽孢杆菌Z-27菌株生长曲线的测定在组成优化后的发酵培养基中接入种龄为10～12 h的芽孢杆菌Z-27菌株种子液，摇床转速170 r/min，摇瓶装液量50 mL，接种量2.0%，37 ℃培养24 h。

每隔2 h测定1次发酵液OD600 nm值，记录测定时间及相应OD600 nm值绘制芽孢杆菌Z-27菌株的生长曲线。

1.3.4 建立BP人工神经网络模型建立神经网络的图形用户界面：应用Matlab7.2的GUIDE 功能创设了含有输入因子数据库、输出因子数据库、神经网络训练参数设置、隐含层数、隐含层的神经元数、训练函数、预测输入、预测结果、神经网络保存等多个功能的操作界面。

数据输入及网络初始化：导入玉米粉、豆饼粉、MnSO4·H2O、pH、接种量5因素4水平的16个试验值作样本输入，用专家相应评价结果作为输入样本对应的教师值，取精度ε=0.000 07，输入节点数为5，隐含层取5个节点，输出层取1个节点，以玉米粉、豆饼粉、MnSO4·H2O、pH、接种量 5因素为自变量，建立输入矩阵，以活菌浓度为因变量，建立输出矩阵，对数据网络初始化。

网络设置的训练参数为：最大训练步数为10 000，学习效率为0.02，训练误差目标为0，动量常数为0.05，网络训练采用Levebberg-Marquardt算法。

2 结果与分析2.1 正交试验优化培养条件2.1.1 不同碳源对芽孢杆菌Z-27菌株摇瓶发酵的影响在摇瓶发酵基础培养基中分别加入1.0%的不同碳源，进行发酵试验，结果见表1。

由表1可见，在培养基中以玉米粉和麸皮为碳源，活菌浓度均≥2.6×109 CFU/mL，芽孢产率亦均≥90%，发酵液中抑菌物对大肠杆菌的抑菌活性也较高。

其中以玉米粉为碳源时，相应的3个指标均表现为最高，故选择玉米粉为最佳碳源。

2.1.2 不同氮源对芽孢杆菌Z-27菌株摇瓶发酵的影响以1.0%玉米粉为碳源，在摇瓶发酵基础培养基中分别加入1.0%的不同氮源进行发酵试验，结果见表2。

由表2可见，在培养基中以豆饼粉或花生饼粉为氮源，活菌浓度均≥2.40×109 CFU/mL，芽孢产率均≥97%，发酵液中抑菌物的活性也较高，因此豆饼粉或花生饼粉均可作为最佳氮源。

以下试验均选择以豆饼粉为氮源。

2.1.3 不同无机盐对芽孢杆菌Z-27菌株摇瓶发酵的影响在摇瓶发酵基础培养基中以1.0%玉米粉为碳源，以1.0%豆饼粉为氮源，分别添加FeSO4、ZnSO4、CuSO4·5H2O、CaCl2、MnSO4·H2O、MgSO4·7H2O 6种无机盐代替培养基中的CaCl2，添加量均为0.02%，考察不同无机离子对发酵的影响，不同无机离子对芽孢杆菌Z-27菌株活菌数、芽孢产率和抑制大肠杆菌能力的影响结果见表3。

由表3可见，Mn2+对芽孢杆菌Z-27菌株的促进作用最强，故选择MnSO4·H2O作为无机盐。

2.1.4 正交试验与结果综合以上各单因素试验结果，选择玉米粉、豆饼粉、MnSO4·H2O、pH、接种量 5个因素，按正交试验表L16（45）设计试验（表4），结果见表5。

依据正交试验的直观分析结果，极差值大小为R豆饼粉>RpH>R玉米粉>R接种量>R■，表明豆饼粉为主要影响因素，pH影响次之。

由表5可见，7号试验组合发酵液的活菌数最高，为1.70×109 CFU/mL，其组合为A2B3C4D1E2，即玉米粉2.0%、豆饼粉1.5%、MnSO4·H2O 0.07%，起始pH为6.5，接种量为2.0%。

2.2 对主要因素进行仿真和优化分析在正交试验所获得的较优组合的基础上，改变一种影响因素值，固定其他4种影响因素值，应用所建立的BP人工神经网络模型进行模拟，结果如图1至图5所示。

由图1至图5可知，固定其他4种影响因素值，改变一种影响因素值，所建立的BP人工神经网络模型进行数值仿真，确定获得Bacillus velezensis Z-27菌株培养基组分为：玉米粉2.0%、豆饼粉1.5%、MnSO4·H2O 0.07%、起始pH为7.0、接种量为2.0%。

应用优化得到的最佳组分进行了3次验证试验，所得活菌浓度平均为1.81×109 CFU/mL，优于正交试验结果。

3 小结与讨论1）利用正交试验数据对BP人工神经网络模型进行训练，测试样本的网络预测值和实际测量值的相对误差小于1%，训练好的模型可对提取结果进行预测。

2）将BP人工神经网络技术与传统的正交试验方法相结合，充分利用正交试验数据，并对主要影响因素进行仿真优化，获得Bacillus velezensis Z-27菌株培养基组分：即玉米粉2.0%，豆饼粉1.5%，MnSO4·H2O 0.07%，起始pH为7.0，接种量为2.0%。

参考文献：[1] 王世英. 猪源抗腹泻芽孢益生菌的分离与Z-27菌株的鉴定[J]. 湖北农业科学，2009，48（5）： 1200-1203.[2] 沈波，王李仁，许旭艳，等.应用BP神经网络模型预测福州市山区细菌性痢疾流行[J].现代预防医学，2011，38（3）：423-424， 429.[3] 郝中华.BP神经网络的非线性思想[J].洛阳师范学院学报，2008（4）：51-55.[4] 区伟佳. 基于二次正交旋转回归优化大豆内拮抗菌AF-67发酵工艺[J].生物数学学报，2010，25（4）：707-712.[5] 范会兰.抗犊牛腹泻益生菌株 BN-9 产芽孢条件的优化[J]. 湖北农业科学，2009，48（2）：405-409.[6] 范会兰.抗犊牛腹泻益生菌株的筛选及其产芽孢和产抗菌蛋白条件优化[D].成都：四川师范大学，2009.[7] 蔡云，张靖妤.基于BP神经网络优化算法的工业企业经济效益评估[J].统计与决策，2012，358（10）：63-65.[8] 褚以文.微生物培养基优化方法及其 OPTI 优化软件[J].国外医药（抗生素分册），1999（2）：58-66.[9] 王焕.1株鸡肠源益生芽孢杆菌的分离鉴定及其耐受特性研究[J].安徽农业科学，2008，36（33）：14426-14430.[10] 景晓忠，严红.人工神经网络优化发酵过程中氨气释放条件[J].安徽农业科学，2011，39（34）：21278-21279.。