The fit of the model Y was evaluate

The fit of the model Y was evaluated by the coefficient of determination, R2, which was 0.9531, indicating that 95.31% of the variability in the response could be explained by the model ( Table 2). The statistical significance of the model equation was evaluated by an F-test ANOVA, which revealed that this regression was statistically significant (P = 0.0092) at the 99% confidence level. Table 2 shows the significance of the regression coefficient of the model, indicating that the glucose (X1) (P = 0.0057) and the total nitrogen (X2) (P = 0.0156) had highly significant effects on the maximum cell dry weight. The effect of the interaction of glucose (X1) and total nitrogen (X2) was not significant (P = 0.6221) at the 90% confidence level. The contour plot described by the model Y is represented in Fig. 2, which shows that the maximum cell dry weight was approximately 75 g/L. The optimal concentrations for glucose (X1) and total nitrogen (X2) obtained from the maximum point of the model were 30.70 g/L for X1 and 1.68 g/L for X2. The model predicted a maximum cell dry weight of 76.79 g/L for this point.

Table 2. Analysis of variance for the experimental results of the central composite design (CCD).


Source
DF
Sum of squares
Mean square
F value
Prob > F
X1 a
1
443.63
443.63
29.06
0.0057**
X2
1
249.78
249.78
16.34
0.0156*
X12
1
401.36
401.36
26.25
0.0069**
X22
1
377.94
377.94
24.72
0.0076**
X1X2
1
4.35
4.35
0.28
0.6221
Model
5
1243.45
248.69
16.27
0.0092**
Error
4
61.069
15.29
Total
9
1304.60
R2 = 0.9531
Adj-R2 = 0.8945

a The symbols are the same as those in Table 1.
* Statistically significant at a probability level of 90%.
** Statistically significant at a probability level of 99%.


Fig. 2. Response surface plot, described by the model Y fitted from the experimental results of the central composite design (CCD) represents the effect of total nitrogen and glucose on cell dry weight.

Many authors have studied and continue to study the application of advanced controls to fermentative processes. The advanced controls have been utilized mostly with respect to a particular substrate and the substrate feed rate [30,31]. However, San and Stephanopoulos [32] hypothesized that controlling the feed rate of a substrate could lead to a suboptimal reactor performance. The fermentor performance might depend heavily on the biomass and the reactor substrate concentration, especially when the proportion of carbon and nitrogen sources utilized by the organisms is variable in different fermentation processes. Therefore, San and Stephanopoulos [32] proposed another optimal strategy: controlling the concentration of different substrates by controlling the feed rate of the substrates. In this study, feeding both substrates and optimizing their concentration at the same time were carried out by CCD. The results showed that it was a successful and effective optimal feeding strategy for improving biomass production.

Kết quả (Việt) 1:

Phù hợp của các mô hình Y được đánh giá bằng hệ số xác định R2, đó là 0.9531, chỉ ra rằng 95.31% của sự biến đổi trong các phản ứng có thể được giải thích bởi các mô hình (bảng 2). Ý nghĩa thống kê của phương trình mô hình được đánh giá bởi một ANOVA F-test, tiết lộ rằng hồi qui này là ý nghĩa thống kê (P = 0.0092) ở mức độ tin cậy 99%. Bảng 2 cho thấy tầm quan trọng của các hệ số hồi qui của mô hình, chỉ ra rằng các đường (X1) (P = 0.0057) và nitơ tổng số (X2) (P = 0.0156) có tác dụng rất quan trọng về trọng lượng khô của tế bào tối đa. Tác dụng của sự tương tác của glucose (X1) và tổng nitơ (X2) là không đáng kể (P = 0.6221) ở mức độ tin cậy 90%. Đường viền lô được miêu tả bởi mô hình Y được đại diện trong hình 2, trong đó cho thấy trọng lượng khô của tế bào tối đa là xấp xỉ 75 g/L. Nồng độ tối ưu cho glucose (X1) và tổng nitơ (X2) thu được từ các điểm tối đa của các mô hình là 30.70 g/L cho X1 và 1,68 g/L cho X2. Các mô hình dự đoán một di động tối đa trọng lượng khô của 76.79 g/L cho thời điểm này.Bảng 2. Phân tích các phương sai cho các kết quả thử nghiệm của Trung tâm thiết kế hỗn hợp (CCD). NguồnDFTổng của hình vuôngCó nghĩa là vuôngGiá trị FProb > FX1 một1443.63443.6329.060.0057* *X21249.78249.7816.340.0156*X121401.36401.3626,250.0069* *X221377.94377.9424.720.0076* *X1 X 214.354.350,280.6221Mô hình51243.45248.6916.270.0092* *Lỗi461.06915,29Tổng cộng91304.60R2 = 0.9531Adj-R2 = 0.8945 một biểu tượng là giống như những người trong bảng 1. * Thống kê quan trọng ở một mức độ xác suất 90%. ** Ý nghĩa thống kê ở một mức độ xác suất 99%.Hình 2. Bề mặt phản ứng âm mưu, được mô tả bởi mô hình Y trang bị từ các kết quả thử nghiệm của Trung tâm thiết kế hỗn hợp (CCD) đại diện cho các hiệu ứng của tổng nitơ và glucose trên trọng lượng khô của tế bào.Nhiều tác giả đã nghiên cứu và tiếp tục nghiên cứu ứng dụng các điều khiển nâng cao để fermentative các quá trình. Các điều khiển tiên tiến đã được sử dụng chủ yếu đối với một bề mặt cụ thể và bề mặt thức ăn tỷ lệ [30,31]. Tuy nhiên, San và Stephanopoulos [32] đưa ra giả thuyết rằng việc kiểm soát tỷ lệ nguồn cấp dữ liệu của một bề mặt có thể dẫn đến một hiệu suất lò phản ứng suboptimal. Hiệu suất fermentor có thể phụ thuộc rất nhiều vào nhiên liệu sinh học và nồng độ bề mặt lò phản ứng, đặc biệt là khi tỷ lệ nguồn cacbon và nitơ được sử dụng bởi các sinh vật có biến động trong quá trình lên men khác nhau. Vì vậy, San và Stephanopoulos [32] được đề xuất một chiến lược tối ưu: kiểm soát nồng độ của chất nền khác nhau bằng cách kiểm soát tốc độ nguồn cấp dữ liệu của các chất. Trong nghiên cứu này, ăn cả chất và tối ưu hóa của họ tập trung tại cùng một thời gian đã được thực hiện bởi CCD. Kết quả cho thấy rằng nó đã là một thành công và hiệu quả tối ưu cho ăn chiến lược cho việc cải thiện sản xuất nhiên liệu sinh học.

Kết quả (Việt) 2:

Sự phù hợp của mô hình Y được đánh giá bằng hệ số xác định, R2, mà là 0,9531, chỉ ra rằng 95,31% của biến đổi trong phản ứng có thể được giải thích bởi mô hình (Bảng 2). Ý nghĩa thống kê của các phương trình mô hình được đánh giá bằng một chiếc F-test ANOVA, trong đó tiết lộ rằng hồi quy này là có ý nghĩa thống kê (P = 0,0092) ở mức độ tin cậy 99%. Bảng 2 cho thấy tầm quan trọng của các hệ số hồi quy của mô hình, chỉ ra rằng glucose (X1) (P = 0,0057) và nitơ tổng số (X2) (P = 0,0156) có ảnh hưởng rất lớn đến trọng lượng khô tế bào tối đa. Hiệu quả của sự tương tác của glucose (X1) và nitơ tổng số (X2) không có ý nghĩa (P = 0,6221) ở mức độ tin cậy 90%. Cốt truyện đường viền được mô tả bằng mô hình Y được biểu diễn trong hình. 2, trong đó cho thấy rằng trọng lượng khô tế bào tối đa là khoảng 75 g / L. Nồng độ tối ưu cho glucose (X1) và nitơ tổng số (X2) thu được từ mức tối đa của mô hình là 30,70 g / L cho X1 và 1,68 g / L cho X2. Mô hình dự đoán một tế bào khối lượng khô tối đa 76,79 g / L cho thời điểm này.

Bảng 2. Phân tích phương sai cho các kết quả thử nghiệm của thiết kế tổng hợp trung ương (CCD).


Nguồn
DF
Sum của hình vuông
bình vuông
F giá trị
Prob> F
X1 một
1
443,63
443,63
29,06
0,0057 **
X2
1
249,78
249,78
16,34
0,0156 *
X12
1
401,36
401,36
26,25
0.
0069 ** x22
1
377,94
377,94
24,72
0,0076 **
X1X2
1
4,35
4,35
0,28
0,6221
Mẫu
5
1.243,45
248,69
16,27
0,0092 **
Lỗi
4
61,069
15.29
Tổng số
9
1304,60
R2 = 0,9531
Adj-R2 = 0,8945

một Các biểu tượng cũng giống như trong Bảng 1.
* Theo thống kê có ý nghĩa ở mức xác suất 90%.
** Theo thống kê có ý nghĩa ở mức xác suất 99%.


Sung. Âm mưu bề mặt 2. Response, được mô tả bởi các mô hình Y trang bị từ các kết quả thử nghiệm của thiết kế tổng hợp trung ương (CCD) đại diện cho tác dụng của nitơ tổng số và glucose trên trọng lượng khô của tế bào.

Nhiều tác giả đã nghiên cứu và tiếp tục nghiên cứu các ứng dụng điều khiển nâng cao vào các quá trình lên men. Các điều khiển tiên tiến đã được sử dụng chủ yếu đối với một chất nền riêng và tỷ lệ thức ăn đế [30,31] với. Tuy nhiên, San và Stephanopoulos [32] đưa ra giả thuyết rằng việc kiểm soát tỷ lệ thức ăn của một chất nền có thể dẫn đến một hiệu suất lò phản ứng tối ưu. Hiệu suất lên men có thể phụ thuộc rất nhiều vào sinh khối và nồng độ chất nền lò phản ứng, đặc biệt là khi tỷ trọng của nguồn cacbon và nitơ sử dụng bởi các sinh vật là biến trong quá trình lên men khác nhau. Vì thế, San và Stephanopoulos [32] đề xuất một chiến lược tối ưu: kiểm soát nồng độ chất nền khác nhau bằng cách kiểm soát các tỷ lệ thức ăn của các chất nền. Trong nghiên cứu này, cho ăn cả chất nền và tối ưu hóa tập trung của họ cùng một lúc được thực hiện bởi CCD. Kết quả cho thấy rằng đó là một chiến lược tối ưu cho ăn thành công và hiệu quả để cải thiện sản xuất sinh khối.

Kết quả (Việt) 3:

Qua đánh giá xác định hệ số R2 mô hình phù hợp, vì 0.9531, nghĩa là trong phản ứng của 95.31% đột biến có thể giải thích trong chế độ (Bảng 2).Phương trình của mô hình có ý nghĩa thống kê tiến hành kiểm tra phương sai của một phân tích thống kê sự trở lại này, phát hiện có ý nghĩa (P = 0.0092) ở mức độ tin cậy của 99%.Bảng 2 cho thấy sự trở lại của mô hình hệ số tính đáng kể, cho thấy glucose (X1) (P = 0.0057) và tổng nitơ (X2) (P = 0.0156) có các tế bào bị ảnh hưởng nặng nhất. Rất đáng kể.Với glucose tác (X1) và tổng nitơ (X2) khác nhau không đáng kể (P = 0.6221) ở mức độ tin cậy của thế nào mà.Mô hình mô tả thông qua bản đồ đường viền, như bản đồ những sê - 2, điều này cho thấy tế bào lớn nhất làm nặng khoảng 75 g/L Best nồng độ glucose (X1) và tổng nitơ (X2) từ mô hình điểm cao nhất cho 30.70 g / L X2 của X1 và 1.68 g/L.Nên mô hình dự đoán làm cho tế bào lớn nhất nặng 76.79 /, đây một chút.Bảng 2.Làm trung tâm phối hợp kiểm tra phương sai của thiết kế kết quả phân tích (CCD).NguồnDFMét vuông vàCả hai bênGiá trị FVấn đề > FX1Một sáu - ba. sáu - ba.Hai mươi chín. 060.0057 * * * * *X2Một. 78. 7816 giờ, 3 hay 40.0156 *X12MộtBốn trăm linh một chút 36Bốn trăm linh một chút 36Hai mươi sáu. 250.0069 * * * * *X22Một. 94. 94Hai mươi bốn điểm. 720.0076 * * * * *X1X2Một4. 354. 350. 280.Mô hình.5.Một ngàn. 45.16 giờ hai bảy0.0092 * * * * *Lỗi4..15 giờTổng9.Một ngàn. 600.9531 R2 =Adj-R2 = 0.8945Ký hiệu trong bảng 1 với ký hiệu giống nhau.* thống kê trên notable xác suất là thế nào mà.- * * notable xác suất ngang trên thống kê cho 99%.Hình 2.Phản ứng bề mặt đồ thí nghiệm, mô tả kết quả phù hợp với mô hình trung tâm thiết kế phức tạp (CCD) là tế bào làm nặng tổng lượng đường trong máu và ảnh hưởng của nitơ.Nhiều tác giả đã tiếp tục nghiên cứu ứng dụng điều khiển tiên tiến trong quá trình lên men.Điều khiển tiên tiến đã được sử dụng, chủ yếu liên quan đến một cơ sở đặc biệt tỷ lệ thức ăn chăn nuôi và các bề mặt [30, 31].Tuy nhiên, San và Stephanopoulos [32] nghĩ kiểm soát chất nền của lần tỷ lệ thức ăn chăn nuôi có thể dẫn đến phản ứng của Yu Performance.Lên men có thể sẽ tăng hiệu suất của nhiều thứ phụ thuộc vào số lượng và nồng độ phản ứng sinh học, đặc biệt là khi nguồn cacbon và nitơ có nguồn gốc sinh học sử dụng tỷ lệ khác nhau thay đổi quá trình lên men.Vì vậy, San và Stephanopoulos [32] đã đưa ra một chiến lược: tối ưu hóa thức ăn chăn nuôi thông qua kiểm soát chất nền của tỷ lệ kiểm soát nồng độ khác nhau.Ở đây study, hai cơ sở, trong khi nồng độ của nó được thực hiện bởi CCD tối ưu.Kết quả cho thấy, đây là một thành công và hiệu quả nhất cho chiến lược sinh vật nuôi, tăng lượng sản xuất.