基于响应面法（RSM）与人工神经网络（ANN）的固定化台中芽孢杆菌 MAHA 菌株对六价铬（Cr6+）生物还原建模研究：探寻高效处理 Cr6+的新路径

为解决铬（Cr6+）废弃物危害生态系统和人体健康的问题，研究人员利用响应面法（RSM）和人工神经网络（ANN）优化台中芽孢杆菌 MAHA - MIE 固定化细胞对 Cr6+的还原。结果显示 ANN 模型表现更优，证实该固定化细胞可有效处理 Cr6+，意义重大。

　　铬（Cr⁶⁺）废弃物会破坏生态系统平衡，引发严重健康问题，在众多行业中广泛存在。研究人员运用响应面法（RSM）的 Box - Behnken 设计（BBD），探究铬（Cr⁶⁺）浓度、海藻酸钠浓度、结冷胶浓度、微球粒径和微球数量对 Cr⁶⁺还原率的影响，并利用 BBD 实验数据训练前馈多层人工神经网络（ANN）。结果表明，ANN 模型在实际和预测数据方面优于 RSM，误差更低、R²值更高。ANN 模型预测的最佳条件为：Cr⁶⁺浓度 155ppm、海藻酸钠浓度 0.32%、结冷胶浓度 0.65%、微球粒径 0.5cm、微球数量 27 个。验证实验中，验证值（99.00%）和预测值（99.99%）的 Cr⁶⁺还原率高度吻合，偏差低至 0.1%。通过均方根误差（RMSE）、预测标准误差（SEP）、相对百分比偏差（RPD）和回归系数（R²）等统计指标对比建模能力，ANN 分析显示出高预测性能，R²达 0.9911，SEP 为 0.45%，RPD 为 1.88，RMSE 为 1.37%。该研究证实海藻酸钠 - 结冷胶固定化台中芽孢杆菌 MAHA - MIE 细胞可有效处理铬（Cr⁶⁺）。