基于光强度和生物质度的微藻生长动态模型的比较评估
Ana F Esteves1, Ana L Gonçalves2, Vítor J Vilar3
1LEPABE - Laboratory for Process Engineering, Environment, Biotechnology and Energy, Faculty of Engineering, University of Porto, Rua Dr. Roberto Frias, 4200-465 Porto, Portugal; ALiCE - Associate Laboratory in Chemical Engineering, Faculty of Engineering, University of Porto, Rua Dr. Roberto Frias, 4200-465 Porto, Portugal; LSRE-LCM - Laboratory of Separation and Reaction Engineering - Laboratory of Catalysis and Materials, Faculty of Engineering, University of Porto, Rua Dr. Roberto Frias, 4200-465 Porto, Portugal.
这项研究评估了Chlorella vulgaris的微藻生长模型,发现班尼斯特和格里马模型在联合光和生物质条件下最好地预测生长. 这些经过验证的模型可以优化种植效率和光生物反应器设计.
科学领域:
- 生物技术是生物技术.
- 数学建模的数学建模
- 培养藻类 培养藻类
背景情况:
- 微藻培养效率和光生物反应器设计需要强大的生长模型.
- 现有的模型往往忽略了光强度和生物质度之间的相互作用.
- 在了解这些对微藻生长动态的综合影响方面存在差距.
研究的目的:
- 为了比较和验证微藻运动生长模型.
- 评估基于光强度和生物质度联合影响的模型.
- 确定具有卓越的Chlorella vulgaris预测性能的模型.
主要方法:
- 使用Chlorella vulgaris的数据集 (实验和文献数据) 评估了9个运动模型.
- 使用RMSE,R2和d2指标评估模型装配性能.
- 在独立数据集上验证了表现最佳的模型,以评估预测准确性.
主要成果:
- 班尼斯特和格里马模型显示最适合实验数据 (RMSE ≤0.050d-1,R2 ≥0.804,d2 ≥0.943).
- 在一些测试的运动模型中发现了光抑制效应.
- 班尼斯特和格里马模型在独立数据 (RMSE = 0.022-0.023 d-1,R2 = 0.878-0.884,d2 = 0.976-0.975) 上显示出优异的预测性能.
结论:
- 班尼斯特和格里马模型是预测微藻生长的宝贵工具.
- 这些经过验证的模型可以优化光生物反应器的操作参数.
- 这些发现减少了对微藻种植进行广泛和昂贵的实验试验的需求.
更多相关视频
08:41Microalgae Cultivation and Biomass Quantification in a Bench-Scale Photobioreactor with Corrosive Flue Gases
Published on: December 19, 2019
10:08Construction and Setup of a Bench-scale Algal Photosynthetic Bioreactor with Temperature, Light, and pH Monitoring for Kinetic Growth Tests
Published on: June 14, 2017