利用响应面方法和自适应神经模糊推理系统对甘蔗渣的酶解过程进行建模，以生产可发酵糖

《BioEnergy Research》：Modeling of Enzymatic Hydrolysis of Sugarcane Bagasse for Fermentable Sugar Production Using Response Surface Methodology and Adaptive Neuro-fuzzy Inference System

甘蔗渣酶解建模中响应面法（RSM）与自适应神经模糊系统（ANFIS）的对比研究。通过实验室摇床培养（pH5.0，120rpm，50℃）利用黑曲霉纤维素酶进行水解，确定水解时间（t）、酶浓度（E）和底物浓度（S）为关键变量。结果显示ANFIS模型（R2=0.9992）显著优于RSM（R2=0.9859），最佳参数组合为t=60h，E=3.3%，S=23.3g/L时葡萄糖产量达25.0g/L。证实ANFIS在复杂化学过程建模中的优越性。

　　

摘要

本研究探讨了预处理甘蔗渣（SB）的酶促水解建模，以生产可发酵糖类。在此过程中，评估了响应面方法（RSM）和自适应神经模糊推理系统（ANFIS）的应用效果。模糊逻辑是人工智能采用的众多技术之一，其目标是创建能够解决复杂问题并利用现有信息进行学习的智能系统。实验在实验室条件下（使用瓶子）进行，采用商业纤维素酶（Sigma，来源于A. niger，活性为1.47 U.mg^?1），在120 rpm和50°C的摇床培养箱中进行酶促水解（pH 5.0）。首先使用RSM评估了三个水解变量的影响，随后测试了ANFIS。模型中考虑的输入变量包括水解时间（t）、酶浓度（E）和底物浓度（S），而糖类（葡萄糖）的产量作为响应（输出）变量。RSM建模表现出良好的拟合度（R² = 0.9859）。ANFIS工具能够高效预测葡萄糖产量（R² = 0.9992）。在t = 60 h、E = 3.3%和S = 23.3 g L^?1的工艺条件下，获得了最佳的葡萄糖产量（25.0 g L^?1）。总之，ANFIS方法在复杂化学过程的建模中是一个有趣的替代方案，尤其是在RSM在模型拟合方面未能取得满意结果的情况下。