跳到主要內容

臺灣博碩士論文加值系統

(44.220.44.148) 您好!臺灣時間:2024/06/21 17:12
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果 :::

詳目顯示

我願授權國圖
: 
twitterline
研究生:許志瑋
研究生(外文):Xu, Zhi-Wei
論文名稱:凝聚性酒精酵母SaccharomycesdiastaticusLORRE-316之模式建立
論文名稱(外文):Modeling of a Flocculating Ethanol Yeast Saccharomyces diastaticus LORRE-316
指導教授:王逢盛
指導教授(外文):Wang, Feng-Sheng
學位類別:碩士
校院名稱:國立中正大學
系所名稱:化學工程研究所
學門:工程學門
學類:化學工程學類
論文種類:學術論文
論文出版年:1997
畢業學年度:85
語文別:中文
論文頁數:103
中文關鍵詞:酒精乙醇酵母菌參數估計類神經網路最佳化化學工程化學
外文關鍵詞:ethanolyeastneural networkparameter estimationoptimizationCHEMICAL-ENGINEERINGCHEMISTRY
相關次數:
  • 被引用被引用:4
  • 點閱點閱:155
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
本研究以Saccharomyces diastaticus LORRE-316為乙醇醱酵菌株,此菌
株 具有高酒精產率、高酒精容忍度、高細胞密度、醱酵快速和菌體的
自凝 聚等特性。為建立此菌株的生長模式,我們應用多目標最佳化
的方法作 參數估計,藉由模式學習的方式,找出其動力參數,並利
用目標函數間 的折衷協調,得到適用範圍較廣的模式。另外對於較
複雜的動力模式, 類神經網路的學習架構是一個有效的應用方法,
我們可以直接由實驗所 得的資料,經由類神經網路的學習訓練,建
立一類神經網路模式,而不 需知道其詳細的動力型式。

由研究結果我們可以知道,不論是使用多目標最佳化方法的參數估計或
類神經網路方法所建立的動力模式,都將隨著學習範圍的增加而更準
確。另一方面我們也可以從模式的學習經驗,去修正我們的動力程序或
參數,俾使所建立的模式更符合實際情況。由於生化動力模式的複雜
性,如果要得到較準確的模式,必須依實驗的操作範圍而定,並以實驗
範圍內的資料為學習範例,如此不論一般的參數估計,或類神經網路模
式,都能有良好的學習效果。最後我們藉由饋料批式醱酵程序的最佳進
料策略,證明所建立之模式確實可以準確的預估LORRE-316的生長趨
勢。經由控制進料流速的最終產量的確比未控制進料流速的最終產量
高,且所需的醱酵時間較短。說明了饋料批式醱酵程序的最佳進料策略
確有其必要性。
In the research,we adopt Saccharomyces diastaticus LORRE-316 as
the strain of the ethanol fermentation that some
characteristics,like high final ethanol
concentration,high ethanol tolerance,high cell density,fast
fermentation and cell self-flocculation.The parameter
estimation of multiobjective optimization is
applied to set up the growth model of the strain.The method
helps to make the dynamic action more accurate.
Besides,the neural network learning model is an
effective method to deal with more complicated dynamic model
that can be established by our experimental
data,training,as well as learning without
knowing other specific dynamic model.

No matter parameter estimation of multiobjective optimization or
neural network is used to set up the action
model,we will get more accurate result by increasing
our learning category.The increasing in our learning category
can also modify our dynamic procedure making the
established model meet the practical situation
more.Because of the complication of biochemical
reaction ,we have to follow the manipulative range as our
learning example.Thus,good learning
results can be presented no matter the parameter
estimation or neural network is utilized.Final,we apply the
optimal feed strategies of the fed-batch
process to prove the model we establish can
accurately estimate the growth tendency.The yield of the
optimization strategy is higher and the time of the
fermentation is shorter than that of the constant flow
rate strategy.As a result,optimal feed strategies of the fed-
batch fermentation is proved to be necessary.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊