响应面优化实验

 实 验 报 告 课程名称：发酵工艺及其优化 实验名称： 响应面优化实验 专 业： 生物工程 学 号： 060512212 姓 名： 韦达理 实验地点： 笃行楼303 实验日期：2015年5月16日 常 熟 理 工 学 院 [实验目的和要求] 1. 了解响应面优化实验的原理。 2. 熟悉design expert软件的基本操作。 3. 熟悉响应面优化实验的具体流程。 4. 优化香菇多糖发酵培养基 [实验器材] Design expert软件 [实验原理和方法] 香菇多糖：是一种生理活性物质。它具有抗病毒、抗肿瘤、调节免疫功能和刺激干扰素形成等功能。 提取方法：从香菇子实体或经深层发酵后的发酵液中提取。香菇子实体生长周期长，产量和多糖得率均较低。而深层发酵培养香菇菌丝体不仅发酵液中含有与子实体相当或更高的营养物质，同时还可利用农副产品作原料，成本低，周期短，易于大规模生产，因此已得到广泛应用于重视。 响应曲面设计方法(Response SufaceMethodology，RSM)是利用合理的试验设计方法并通过实验得到一定数据，采用多元二次回归方程来拟合因素与响应值之间的函数关系，通过对回归方程的分析来寻求最优工艺参数，解决多变量问题的一种统计方法（又称回归设计）。 响应面曲线法的使用条件有：①确信或怀疑因素对指标存在非线性影响；②因素个数2-7个，一般不超过4个；③所有因素均为计量值数据；试验区域已接近最优区域；④基于2水平的全因子正交试验。 进行响应面分析的步骤为：①确定因素及水平，注意水平数为2，因素数一般不超过4个，因素均为计量值数据；②创建“中心复合”或“Box-Behnken”设计；③确定试验运行顺序(Display Design)；④进行试验并收集数据；⑤分析试验数据；⑥优化因素的设置水平。 响应面优化法的优点：①考虑了试验随机误差②响应面法将复杂的未知的函数关系在小区域内用简单的一次或二次多项式模型来拟合，计算比较简便，是降低开发成本、优化加工条件、提高产品质量，解决生产过程中的实际问题的一种有效方法③与正交试验相比，其优势是在试验条件寻优过程中，可以连续的对试验的各个水平进行分析，而正交试验只能对一个个孤立的试验点进行分析。 [实验数据和结果] 实验步骤 1. 输入三因素及其水平，设计响应面实验。 2. 应变量 3. 输入实验数据 4. 试验方案形成 5. 实验数据分析 利用系统软件SAS8.0对表5实验数据进行二次多项回归拟合，通过RESEG（响 应面回归）过程进行数据分析，建立二次响应面回归模型，并寻求最优相应因子水平，得到回归方程：Y=2.136667+0.44625X1+0.045X2-0.01375X3-0.44583X12-0.13833X22-0.09083X32-0.1175X1X2+0.015X1X3-0.0725X2X3 模型的F检验值在α=0.05时远大于F（9,5）=4.77，说明方程有很高的显著性。 R2=0.9973，表明方程模型与实验数据有99.73%的符合度，调整后的R2adj=0.9925，表明方程模型有很高的可信度。 6. 正态分布图 7. Residuals vs Predicted 图 8. Predicted vs Actual 图 9. 实验实际值和方程预测值 10. 等高线图 11. 三维相应曲面图 AB AC BC 在获得非线性回归模型和响应面之后，为了求得培养基最佳浓度，对所得的回 归拟和方程分别对各自的变量求一阶偏导数，并令其为得到三元一次方程组，求解此方程组可以得到最大多糖量时的最佳条件： X1=0.5066(2.2533%) ，X2=-0.0488(0.9756%) ， X3=0.0144(0.0993%) ，Y=2.2487g/L。所以产多糖最高时的培养基组成为：葡萄糖2.2533%，鱼粉0.9756%，VB1 0.003%，NaCl0.8%，MgSO4·7H2O 0.1%，FeSO4·7H2O 0.04%，KH2PO4 0.0993%，初始pH值5.5。 12.用RSM预测最优值 根据最优培养基配方对模型进行验证，香菇菌丝体产粗多糖为2.33g/L，实际值与预测值的误差为+3.61%。初始培养基条件下总多糖产量为0.80g/L，优化后提高了1.91倍。该结果表明，响应面法优化产香菇粗多糖最佳培养基是可行有效的。 该研究经响应面方法优化，在优化条件下经3批摇瓶培养实验验证，粗多糖产量均值为2.33g/L与预测值2.2487g/L误差为+3.61%，与原始培养条件相比，多糖产量提高了1.91倍。 实验证明响应面方法对培养基优化是非常有效的工具，Plackett-Burman实验设计能对影响多糖产量的各因素效应进行评价并能有效地找出主要因素，最陡爬坡法能充分接近最大响应面区域，Box-Behnken实验设计能建立主要因素影响多糖产量的二次多项数学模型，并利用统计学方法对该模型进行了显著性检验，优化了内在因素水平，找出最佳值。 评语及成绩： 教 师 （签署）