姚曉紅 孫 宏,2 吳逸飛 王 新 湯江武

(浙江省農(nóng)業(yè)科學院植物保護與微生物研究所1,杭州 310021)

(浙江大學動物科學學院2,杭州 310029)

菜籽粕發(fā)酵脫毒工藝的神經(jīng)網(wǎng)絡建模與遺傳算法優(yōu)化

姚曉紅1孫 宏1,2吳逸飛1王 新1湯江武1

(浙江省農(nóng)業(yè)科學院植物保護與微生物研究所1,杭州 310021)

(浙江大學動物科學學院2,杭州 310029)

為了獲得菜籽粕固態(tài)發(fā)酵 (B acillus subtilisBS-012)脫毒的最佳工藝條件參數(shù),以硫苷降解率為響應值,通過中心組合設計得到的數(shù)據(jù),建立其神經(jīng)網(wǎng)絡模型;同時利用遺傳算法 (GA)對網(wǎng)絡模型進行全局尋優(yōu),最終獲得最佳菜籽粕固態(tài)發(fā)酵脫毒工藝為:發(fā)酵溫度為 31.7℃,含水率為 37.6%,發(fā)酵時間為 39.3 h。在該工藝參數(shù)下的硫苷降解率提高了 10.22%,顯著高于原工藝。該研究結(jié)果表明,采用神經(jīng)網(wǎng)絡模擬結(jié)合遺傳算法的優(yōu)化方法,對菜籽粕脫毒工藝具有較好的優(yōu)化效果。

菜籽粕 硫苷 脫毒 優(yōu)化 神經(jīng)網(wǎng)絡 遺傳算法

菜籽粕中蛋白含量較高,可達到 34%～38%,同時氨基酸相對均衡,甲硫氨酸、賴氨酸含量豐富,Ca、P等礦物質(zhì)含量高,特別是 Se含量為常用植物飼料中最高的,因此是一種具較高營養(yǎng)價值的植物蛋白原料。但是,菜籽粕中含有的硫葡萄糖苷 (glucosino2 late)對動物的生長有較大的毒副作用,這大大限制了菜籽粕在飼料組分中的添加和應用[1]。

微生物發(fā)酵法是對菜籽粕進行硫苷降解的有效方法。其反應條件溫和、成本較低,在國內(nèi)外有廣泛的應用基礎(chǔ)[2-5]。在菜籽粕發(fā)酵工藝中,發(fā)酵溫度、含水率、發(fā)酵時間、pH值等眾多因素對發(fā)酵微生物生長的調(diào)控起到關(guān)鍵作用。國內(nèi)外有研究采用單因素設計方法對硫苷的降解工藝進行優(yōu)化[6-7]。由于菜籽粕脫毒工藝的參數(shù)優(yōu)化為一個非線性的擬合過程,單因素試驗未考慮個試驗因素間的交互作用,因此效果有限。近幾年出現(xiàn)了采用響應面分析方法 (RS M)對菜籽粕脫毒工藝進行優(yōu)化,與單因素方法相比,效果顯著[8-9],而人工智能理論的發(fā)展為解決非線性系統(tǒng)的建模與優(yōu)化問題提供了新的思路。研究表明,人工神經(jīng)網(wǎng)絡 (ANN)技術(shù),具有辨識和逼近任意復雜非線性系統(tǒng)的能力,且準確度較包括響應面方法在內(nèi)的一般擬合方法更高[10-11]。遺傳算法 (GA)是一種模擬自然選擇和遺傳機制的自適應搜索的全局優(yōu)化尋優(yōu)算法。目前,基于神經(jīng)網(wǎng)絡的遺傳算法尋優(yōu)在生物工程中有廣泛的應用[12]。

本試驗首次在通過枯草芽孢桿菌 BS-012對菜籽粕固態(tài)發(fā)酵降解硫苷工藝的基礎(chǔ)上,應用神經(jīng)網(wǎng)絡技術(shù),建立發(fā)酵條件和脫毒率之間的擬合關(guān)系,在此基礎(chǔ)上利用遺傳算法進行全局尋優(yōu),從而獲得最優(yōu)的硫苷脫毒工藝條件。

1 材料與方法

1.1 材料

菜籽粕:湖州新市油脂有限公司,粗蛋白 (CP)36%、硫苷 38μmoL/g、水分 10%、粗脂肪 3%、植酸2.4%。

菜籽粕發(fā)酵用菌株:枯草芽孢桿菌 BS-012(Ba2 cillus subtilis)為本實驗室在菜園土中分離得到,并由中科院微生物研究所鑒定,保藏編號為 CG MCC No.2288。

1.2 菜籽粕固態(tài)發(fā)酵試驗設計和過程

以菜籽粕硫苷降解率為指標,參照中心組合設計的方法 (CCD),在前期試驗基礎(chǔ)上,選取了 BS-012固態(tài)發(fā)酵過程中,對影響硫苷降解率的最重要的 3個因素:發(fā)酵溫度、含水率、發(fā)酵時間進行試驗。表 1為中心組合試驗的試驗因子的水平編碼表。

表 1 CCD試驗設計因子編碼水平表

菜籽粕發(fā)酵試驗參照表 1進行,具體過程為:1)種子液制備:從保藏斜面中取一環(huán)接入 25 mL PDA液體培養(yǎng)基中活化 12 h,而后轉(zhuǎn)入 100 mL PDA液體培養(yǎng)基中擴大培養(yǎng) 24 h,待用。2)菜籽粕發(fā)酵:稱取80 g新鮮菜籽粕,加入一定量的水和 2%的液體菌種,混合均勻,裝入 500 mL罐頭瓶中,用無菌報紙封口,置于設定溫度下發(fā)酵,并于試驗設定時間取出,50℃烘干,粉碎,80目過篩后,測定發(fā)酵菜籽粕中的硫苷含量 (μmol/g)[13]。硫苷降解率按照下列公式計算:

1.3 神經(jīng)網(wǎng)絡設計

采用前饋神經(jīng)網(wǎng)絡中的反向傳播網(wǎng)絡 (BP)進行設計。此算法的優(yōu)勢是通過對輸出層數(shù)據(jù)和實際數(shù)據(jù)的相似度計算,反向調(diào)控輸入層神經(jīng)元的權(quán)值和閥值,最終使總體誤差最低[14]。輸入層的神經(jīng)元數(shù)目為 3個,分別代表發(fā)酵溫度、含水率、發(fā)酵時間,硫苷降解率作為網(wǎng)絡的輸出單元,并將所有向量都量化到[-11]的范圍內(nèi)。選擇“tansig”作為隱含層的傳遞函數(shù),“purelin”作為輸出層的傳遞函數(shù),采用Levenberg-Marquardt算法對網(wǎng)絡進行訓練,以均方差為指標 (MSE)確定網(wǎng)絡最終結(jié)構(gòu)。

1.4 遺傳算法優(yōu)化方法

采用浮點編碼的方式對發(fā)酵溫度、含水率、發(fā)酵時間在其各自取值范圍 (表 1)內(nèi)進行神經(jīng)網(wǎng)絡模擬推算,并以網(wǎng)絡擬合值作為遺傳算法的適應性函數(shù)(eval),進行選擇、變異、交換操作。遺傳算法的參數(shù)為:初始種群大小為 50,交叉概率為 0.95,變異概率為 0.09,遺傳代數(shù)為 100代。

1.5 程序設計和分析方法

神經(jīng)網(wǎng)絡和遺傳算法的程序通過Matlab 7.0(TheMathWorks Inc,USA)和其附帶 GAOT遺傳算法工具箱編寫完成。

2 結(jié)果與分析

2.1 神經(jīng)網(wǎng)絡對中心組合試驗的擬合結(jié)果

選擇了中心組合設計 (CCD)作為試驗設計方案,對考察發(fā)酵溫度、含水率、發(fā)酵時間 3個變量在各自取值范圍內(nèi)的選取,具有較高的全局性,能較好滿足網(wǎng)絡訓練的需要。另一個影響神經(jīng)網(wǎng)絡擬合度的參數(shù)為隱含層的神經(jīng)元數(shù)量,圖 1為以網(wǎng)絡的均方差為考察指標,不同的隱含層數(shù)目對神經(jīng)網(wǎng)絡準確度的影響。由圖 1可知,當隱含層的數(shù)量為 5時,隱含層神經(jīng)元數(shù)目的增加對網(wǎng)絡預測準確度的提高作用不明顯,而過多的隱含層神經(jīng)元數(shù)目會使網(wǎng)絡過擬合,因此選擇隱層神經(jīng)元數(shù)目為 5。菜籽粕脫毒工藝最終的神經(jīng)網(wǎng)絡結(jié)構(gòu)為 3-5-1,擬合誤差曲線見圖 2。表 2為實測值作為測試樣本,對訓練好的網(wǎng)絡進行模擬的結(jié)果。

表 2可知,采用神經(jīng)網(wǎng)絡對試驗數(shù)據(jù)的擬合度較高,相關(guān)系數(shù)達到 0.992 3,網(wǎng)絡預測輸出和試驗結(jié)果的均方差為 0.125 2,滿足統(tǒng)計需要。而由圖 3所示的網(wǎng)絡仿真數(shù)據(jù)擬合圖,可見試驗所建立的 BP神經(jīng)網(wǎng)絡具有較好的仿真性。綜合表明,該模型能夠反應發(fā)酵溫度、含水率、發(fā)酵時間這 3個因素和脫毒率之間的關(guān)系,并作為后續(xù)遺傳算法的適應性函數(shù)基礎(chǔ)。

表 2 CCD模型的實際值對神經(jīng)網(wǎng)絡訓練表

2.2 遺傳算法對神經(jīng)網(wǎng)絡模型的優(yōu)化結(jié)果

經(jīng)過遺傳算法對擬合完全的 BP神經(jīng)網(wǎng)絡進行優(yōu)化后,誤差平方和 (SSE)小于 0.015,準確度較高,適應度函數(shù)的變化曲線見圖 4。結(jié)果表明,在經(jīng)過 20代的擬合后,群體的適應性函數(shù)變化趨勢達到最大值,經(jīng)計算為 67.39,由于遺傳算法的適應度函數(shù)在本試驗中定義為神經(jīng)網(wǎng)絡擬合值,即為硫苷降解率,因此得到的最大的硫苷降解率為 67.39%,對應的最佳的工藝參數(shù)為:發(fā)酵溫度為 31.7℃,含水率為37.6%,發(fā)酵時間為 39.3 h。

圖 3 神經(jīng)網(wǎng)絡預期值與真實值回歸曲線

圖 4 遺傳算法優(yōu)化迭代圖

2.3 遺傳算法結(jié)果的驗證

按照遺傳算法得到的最佳工藝參數(shù)進行試驗,結(jié)果見表 3。經(jīng)過 3次重復試驗,硫苷脫毒率平均達到 66.92%,并具有較高的穩(wěn)定性。網(wǎng)絡預測值與實際值的平均相對誤差較小,僅為 0.51,表明遺傳算法的優(yōu)化結(jié)果真實有效。此結(jié)果較原工藝提高10.22%。

表 3 遺傳算法優(yōu)化工藝參數(shù)的驗證試驗

3 結(jié)論

試驗將BP神經(jīng)網(wǎng)絡用于枯草芽孢桿菌BS-012發(fā)酵菜籽粕去除硫苷工藝的參數(shù)非線性擬合。采用網(wǎng)絡結(jié)構(gòu)為 3-5-1的構(gòu)架,能夠較為準確的擬合輸入的樣本數(shù)據(jù),相關(guān)系數(shù)達到 0.992 3,網(wǎng)絡預測輸出和實驗結(jié)果的均方差為 0.125 2,滿足統(tǒng)計需要。經(jīng)過遺傳算法優(yōu)化的工藝最終參數(shù)為發(fā)酵溫度 31.7℃,含水率為 37.6%,發(fā)酵時間為 39.3 h。在該工藝下,硫苷的降解率較優(yōu)化前工藝提高了 10.22%,表明采用將神經(jīng)網(wǎng)絡擬合技術(shù)和遺傳算法結(jié)合的方式對菜籽粕脫毒工藝進行優(yōu)化是完全可行的。

[1]席鵬彬,李德發(fā),龔麗敏.菜籽餅粕營養(yǎng)品質(zhì)及其在豬日糧中的應用[J].飼料工業(yè),2002,23(6):5-9

[2]張宗舟.發(fā)酵法菜籽餅脫毒研究[J].甘肅高師學報,1996(3):59-61

[3]劉軍,朱文優(yōu).菜籽粕發(fā)酵飼料的研制[J].食品與發(fā)酵工業(yè),2007,33(1):68-71

[4]孫林,李呂木,張邦輝,等.多菌種固態(tài)發(fā)酵菜籽粕的研究[J].中國糧油學報,2009,24(1):85-89

[5]Adarsh P V,Amandeep W.Beneficial effects of Rhizopus oli2 gosporus fermentation on reduction of glucosinolates,fibre and phytic acid in rapeseed(Brassica napus)meal[J].Biore2 source Technology,2001,78(3):309-312

[6]Rozan P,Villaume C,Bau H.Detoxication of rapeseed meal by Rhizopus Oligosporus sp-T3:A first step towards rape2 seed protein concentrate[J].Journal of Science and Technol2 ogy,1996,31(1):85-90

[7]何國菊,李學剛,趙海伶.菜籽餅粕脫毒工藝參數(shù)的研究[J].中國油脂,2003,28(12):23-26

[8]孫宏,湯江武,葛向陽.響應面法優(yōu)化菜粕固態(tài)發(fā)酵工藝的研究[J].浙江農(nóng)業(yè)學報,2009,21(3):303-306

[9]陸豫,余勃,藏超,等.發(fā)酵菜籽粕脫毒工藝優(yōu)化研究[J].食品科學,2007,28(10):267-271

[10]Liu C H,HwangC F,Liao C C.Medium optimization for glu2 tathione production by Saccharomyces cerevisiae[J].ProcessBiochemistry,1999,34(1):17-23

[11]He L,Xu YQ,Zhang X H.Medium factors optimization and fermentation kinetics for phenazine-1-carboxylic acid production by Pseudomonas sp.M18G[J].Biotechnology and Bioengineering,2008,100(2):250-259

[12]Nagata Y,Chu K H.Optimization of a fermentation medium using neural networks and genetic algorithms[J].Biotech2 nologyLetters,2003,25(21):1837-42

[13]NY/T 126,飼料用菜籽粕[S]

[14]Martin T H,Howard B D,Mark H B.神經(jīng)網(wǎng)絡設計[M].北京:機械工業(yè)出版社,2002:127-128.

Opti mization of RapeseedMealDetoxification Process UsingA NeuralNet work-Genetic Algorithm Method

Yao Xiaohong1Sun Hong1,2Wu Yifei1Wang Xin1Tang Jiangwu1
(ZhejiangAcademy ofAgricultural Science1,Hangzhou 310021)
(College of an imal science,Zhejiang University2,Hangzhou 310029)

In order to obtain the opti mal condition parameters for the detoxification process of rapeseed meal by solid-state fer mentation withBacillus subtilisBS-012,a genetic algorithm based on an established neural network model was used.Results:The obtained optimal conditions are temperature 31.7℃,water ratio 37.6%,and fer menta2 tion time 39.3 h.Under such conditions,a degradation rate increase of 10.22%over previous conditions is achieved.These results suggest that the genetic algorithm based on a neural network modelmay be an excellent tool for optimi2 zing rapeseed meal detoxification process.

rapeseed meal,detoxification,opti mization,neural network,genetic algorithm

S816.6

A

1003-0174(2011)02-0111-04

浙江省重大科技專項 (2006C120971),杭州市重大科技創(chuàng)新專項(20092112A41)

2010-03-02

姚曉紅,女,1972年出生,碩士,助理研究員,發(fā)酵工程、應用微生物

湯江武,男,1970年出生,副研究員,動物營養(yǎng)及飼料科學