基于神经网络的预测玉米秸秆水解后产糖量的方法
【技术领域】
[0001] 本发明涉及生物质水解技术领域。更具体地说，本发明涉及一种基于神经网络的 预测玉米秸杆水解后产糖量的方法。
【背景技术】
[0002] 生物质能源作为一种可再生新型能源替代化石能源已经成为各国未来能源战略 的研究热点。燃料乙醇作为新的可再生的燃料替代品，可直接用作液体燃料或者同汽油混 合使用，减少对不可再生能源-石油的依赖，保障本国能源按照本国能源安全而日益受到 各国的重视。玉米秸杆作为中国主要的农业废弃物，是生物燃料生产中主要的生物质来源。 玉米秸杆在大型的收储中面临一个困境，怎么样对玉米秸杆收储进行定价？是仅仅靠玉米 秸杆的重量吗？长期放置的玉米秸杆含水量较大，仅靠重量收购玉米秸杆是不合理的。测 定完生物质成分后，还要经历3-4天糖化水解的过程，才能知道玉米秸杆是否作为燃料乙 醇的原料。但是如果测试时间过长，会对收购带来很多不便。中粮，中石油，中石化都在布 局玉米秸杆的大规模收储，所以现在急需一个快速合理的对玉米秸杆评价的方法。希望能 够创建一个新的模型，通过生物质特性就能立刻预测生物质糖化水解效果，为企业收储玉 米秸杆服务。
【发明内容】
[0003] 本发明的一个目的是解决至少上述问题，并提供至少后面将说明的优点。
[0004] 本发明还有一个目的是提供一种基于神经网络的预测玉米秸杆水解后产糖量的 方法，能够通过将被测样品的8个生物质参数输入到建立的神经网络中，直接推测出对应 的被测样品的玉米秸杆水解产物中葡萄糖的含量，不用直接应用水解酶对玉米秸杆进行水 解操作，避免过多浪费时间，降低水解酶的使用成本以及大量人力成本。
[0005] 为了实现根据本发明的这些目的和其它优点，提供了一种基于神经网络的预测玉 米秸杆水解后产糖量的方法，其特征在于，包括以下步骤：
[0006] 步骤一、获取被测样品的水解后产糖量以及对其有影响的被测样品的8个生物质 特性的值作为检测数据，所述对水解后产糖量有影响的被测样品的8个生物质特性的值包 括纤维素含量、半纤维素含量、木质素含量、生物质氢键强度、生物质结晶度、分支度、木质 素单体比值S/G和木质素单体比值H/G;
[0007] 步骤二、建立神经网络框架；
[0008] 步骤三、将被测样品的水解后产糖量以及对其有影响的被测样品的8个生物质特 性的值作为检测数据带入建立的神经网络框架进行归一化处理，以训练和验证神经网络； 以及
[0009] 步骤四、利用通过训练和验证的神经网络进行反向归一法来预测玉米秸杆的水解 葡萄糖含量。
[0010] 优选的是，其中，所述步骤二中建立神经网络框架的方法为：调用Matlab函数库 中的newff函数，Net=newgrnn(PR，T,SPREAD)，其中，Net为GRNN神经网络框架，PR为输 入值，T为目标向量，SPREAD为径向基函数的扩展速度，扩展速度为0. 1。
[0011] 优选的是，其中，所述步骤三中对被测样品的水解后产糖量以及对其有影响的被 测样品的生物质特性的值作为检测数据做归一化处理到0. 1-2之间。
[0012] 优选的是，其中，所述步骤三中，被测样品的水解后产糖量以及对其有影响的被测 样品的8个生物质特性的值作为检测数据的前81 %的数据用于训练神经网络，剩余19%的 数据用于验证神经网络。
[0013] 优选的是，其中，所述步骤三中，被测样品为80个，其中，65个被测样品的水解后 产糖量以及对其有影响的被测样品的8个生物质特性的值作为检测数据用于训练神经网 络，剩余15个被测样品的数据作为检测数据用于检测神经网络。
[0014] 优选的是，其中，所述步骤三中应用被测样品的多个水解后产糖量对应对其有影 响的被测样品的8个生物质特性的值作为检测数据用于相互交叉验证，并经归一化处理， 对神经网络反复训练，当预测值与监测数据间的相对误差小于5%或者绝对误差小于0. 23 时，停止训练，开始预测。
[0015] 优选的是，其中，反归一化处理的具体方法为：将所述用于检测神经网络的8个生 物质参数带入经过训练的神经网络获得玉米秸杆水解葡萄糖含量的仿真值，将仿真值按照 如下公式：grnn-prediction-result=postmnmx(g;rnn_p;rediction_;result，mint，maxt) 进行反归一化处理，得到玉米秸杆中水解产物的葡萄糖含量的预测值，公式中，χ_为经神 经网络预测得到的释放葡萄糖数据中的仿真值的最大值，χ_为经神经网络预测得到的释 放葡萄糖数据中的仿真值的最小值。
[0016] 生物质结构相对复杂，表征生物质的特性也较多。其中对生物质水解效果有直接 影响的特性包括纤维素的含量，木质素的含量，木质素的单体结构，纤维素的结晶度和氢键 强度，半纤维素的分支度等。
[0017] 生物质中纤维素的含量：
[0018] 天然植物纤维细胞壁中的纤维素存在结晶结构。在结晶区中，纤维素大分子排列 紧密，密度很大，分子间的结合力强。这种纤维素链在微纤丝中极其稳定的类晶态排列，阻 碍了酶分子和底物的接触，限制了酶的水解效率。在整个纤维素的水解过程中，限速步骤不 是β-1，4糖苷键的断裂，而是底物中单根纤维素链从结晶区的分离。只有通过单根纤维素 链的剥离才能使纤维素链进入酶的催化位点。
[0019] 生物质的木质素的含量：
[0020] 细胞壁的木质化使得纤维素酶分子对底物的可及度降低，构成了细胞壁多糖抗生 物降解的一个屏障。酶对纤维素的可及度取决于细胞壁暴露的表面积。细胞壁的组织结构， 如木质素和其他聚合物通过共价连接限制了酶解的程度。一般而言，木质化的细胞壁降解 程度比较低，非木质化的细胞壁降解程度较高。
[0021] 生物质中木质素的种类：
[0022] 由于细胞壁的木质化程度和木质素的类型会对纤维细胞壁中纤维素的酶解难易 产生影响，木质素不同单体的比例如S/G，Η/G的差异直接影响到酶解的效率。
[0023] 生物质中氢键强度和结晶度强度的变化
[0024] 疏水的木素包被在纤维素微丝、基质多糖和蛋白质的外层，并以不同方式、不同程 度与这些聚合物共价交联，使得非纤维素多糖间及非纤维素多糖与纤维素间的氢键增加。
[0025] 天然植物原料的化学组成成分复杂，大量的非纤维素组分的存在对纤维素酶解过 程会产生一定的影响。近年来，学者发现不能仅仅利用半纤维素的含量笼统分析半纤维素 对酶解的影响。Xyl/Ara作为半纤维素的分支度，被作为一个评价标准。
[0026] 以上的生物质特性都能影响生物质的水解效果，每一种生物质特性对生物质的水 解效果影响有多大。希望可以将生物质多种特性利用模型展现出来，通过测定生物质的多 种特性，可以通过模型预测生物质水解效果。
[0027] 本发明至少包括以下有益效果：
[0028] 本发明提供一种快速合理的对玉米秸杆评价的方法，能够通过将被测样品的8个 生物质参数输入到建立的神经网络中，直接预测出其对应的被测样品的玉米秸杆水解产物 中葡萄糖的含量的仿真值，且经过对神经网络进行反复的训练和验证之后，该仿真值接近 真实值，误差很小，这样，在实际应用中，就可以通过本发明方法对玉米秸杆样品的品质进 行预测，不需要再将玉米秸杆进行含水量检测以及进行3-4天糖化水解的过程，就可以知 道玉米秸杆是否可以作为燃料乙醇的原料，避免过多浪费时间，并且还降低了水解酶的使 用成本以及大量人力成本，给相关企业大规模储备符合要求的玉米秸杆提供很大的便利， 节省储备时间，大幅度提高工作效率。
[0029] 本发明的其它优点、目标和特征将部分通过下面的说明体现，部分还将通过对本 发明的研究和实践而为本领域的技术人员所理解。
【附图说明】
[0030] 图1为本发明中玉米秸杆的纤维素含量与玉米秸杆的水解效果呈现正相关的关 系图；
[0031] 图2为本发明中木质素含量与玉米秸杆的水解效果呈现负相关的关系图；
[0032] 图3为本发明中玉米秸杆的结晶度与玉米秸杆的水解效果呈现负相关的关系图；
[0033] 图4为本发明中玉米秸杆的氢键强度与玉米秸杆的水解效果呈现负相关的关系 图。
[0034] 图5为本发明中玉米秸杆的木质素单体比例S/G的值与玉米秸杆水解效果有正向 相关的关系图；
[0035] 图6为本发明中玉米秸杆的木质素单体比例Η/G的值与玉米秸杆水解效果有正向 相关图；
[0036] 图7为本发明中一个实施方式中应用本发明方法对15个被测样品的玉米秸杆水 解后产糖