食品工业科技

作者：谢春平, 赵良忠, 李明, 周晓洁, 黄展锐, 莫鑫, 车丽娜, 庾坤

关键词：遗传算法,神经网络,豆渣,酶解,动力学,

目的：获得纤维素酶酶解豆渣的最佳工艺条件，建立豆渣酶解动力学模型。方法：在单因素实验的基础上，采用响应面法（Response Surface Methodology，RSM）和遗传算法-神经网络模型（Genetic Algorithm- Neural Network， GA-ANN）两种方法研究pH、纤维素酶添加量、酶解温度和酶解时间对还原糖生成量的影响。结果：遗传算法-神经网络优化的豆渣酶解工艺条件为：pH5.2、纤维素酶添加量4.4%、酶解温度52 ℃、酶解时间3.2 h，在此条件下还原糖生成量为2.65 g/kg，高于响应面优化的结果（还原糖生成量为2.54 g/kg）。利用类分形动力学得到豆渣酶解动力学参数k0为0.5372，分形维数h为0.1530，根据实验数据与动力学模型进行拟合，拟合度达到0.9827，拟合效果良好。结论：本文采用响应面法和遗传算法-神经网络模型对比优化了豆渣酶解工艺，并建立了豆渣酶解动力学模型，可为豆渣酶解工艺提供理论参考。

来源：2021年第16期

《食品工业科技》期刊编辑部

查看食品工业科技杂志2021年第16期