摘要：新疆棉秆资源丰富,将棉秆酶解生成可发酵糖,有利于其高值化利用。本研究以棉秆为原料,将其经过Na OH处理后,以纤维素酶用量、酶解温度、水解时间和固含量为输入参数,以酶解得到的还原糖产率为目标输出,在Box-Behnken设计实验的基础上,采用BP神经网络对经Na OH处理后的棉秆在纤维素酶中酶解的过程进行模拟与优化,建立了棉秆在纤维素酶中酶解糖化的神经网络模型,优化了棉秆在纤维素酶中酶解的工艺。模型分析结果表明:优化的神经网络模型均方误差小,回归值为0.9571,网络性能稳定,预测结果准确。通过模型优化获得最优的酶解条件为:酶用量为70 FPU/g,温度为46.31℃,酶解时间为72 h和固含量为7.5%,获得还原糖产率最高为62.14%;XRD、SEM和FT-IR的分析结果表明:Na OH预处理能有效除去木质素,使纤维素的含量相对升高,与纤维素酶的接触位点增多,从而提高棉秆的水解产率。

摘要：为了提高棉秆的还原糖产率,为新疆棉秆的糖化利用研究奠定一定的基础,本文选用酶解温度、纤维素酶用量、pH和水解时间为输入参数,还原糖产率为目标输出参数,在响应曲面设计实验的基础上,采用人工神经网络对H2SO4处理棉秆在纤维素酶中的水解过程进行模拟与优化,建立其神经网络模型(4-5-1),得到棉秆在纤维素酶中水解的最优条件为酶解温度45.32℃、纤维素酶用量434.23 FPU、pH 4.98和水解时间68.37 h,最优条件下还原糖产率最高,为72.93%;经过分析得知纤维素酶用量是影响棉秆酶解产糖的主要因素,当纤维素酶用量为150FPU,并向纤维素酶中添加125 IU木聚糖酶时,棉秆经混合酶酶解后的还原糖产率增大至92.42%,比纤维素酶酶解的还原糖产率提高了1.27倍。