文献

J-GLOBAL ID：202002269379689052   整理番号：20A1414627

汚染堆積物のための多重PAHs分解のためのバイオエンジニアリング:応答曲面法(RSM)と人工ニューラルネットワーク(ANN)【JST・京大機械翻訳】

Bioengineering for multiple PAHs degradation for contaminated sediments: Response surface methodology (RSM) and artificial neural network (ANN)

著者 (8件)： Sachaniya Bhumi K. (Department of Life Sciences, Maharaja Krishnakumarsinhji Bhavnagar University, Bhavnagar, 364001, Gujarat, India) ,  Gosai Haren B. (Department of Life Sciences, Maharaja Krishnakumarsinhji Bhavnagar University, Bhavnagar, 364001, Gujarat, India) ,  Gosai Haren B. (Department of Bioscience, School of Science, Indrashil University, Rajpur, Kadi, 382740, Gujarat, India) ,  Panseriya Haresh Z. (Department of Life Sciences, Maharaja Krishnakumarsinhji Bhavnagar University, Bhavnagar, 364001, Gujarat, India) ,  Panseriya Haresh Z. (Department of Bioscience, School of Science, Indrashil University, Rajpur, Kadi, 382740, Gujarat, India) ,  Panseriya Haresh Z. (Gujarat Ecology Society, 3rd Floor, Synergy House, Subhanpura, Vadodara, 390023, Gujarat, India) ,  Dave Bharti P. (Department of Life Sciences, Maharaja Krishnakumarsinhji Bhavnagar University, Bhavnagar, 364001, Gujarat, India) ,  Dave Bharti P. (Department of Bioscience, School of Science, Indrashil University, Rajpur, Kadi, 382740, Gujarat, India)
資料名： Chemometrics and Intelligent Laboratory Systems  (Chemometrics and Intelligent Laboratory Systems)
巻： 202  ページ： Null  発行年： 2020年 
JST資料番号： E0150B  ISSN： 0169-7439  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 地球周辺の科学コミュニティは,海洋環境に存在する持続性,難分解性,高毒性および発癌物質/変異誘発性多環芳香族炭化水素(PAHs)に対するバイオレメディエーション戦略の設計に大きな焦点を持つ。バイオレメディエーション戦略のために,成長培地の成分は,微生物成長をシミュレーションすることによって,PAHsの劣化を強化する要所要素であった。したがって,本研究は,増殖培地(ONR7a)の生体工学を,応答曲面法(RSM)と人工ニューラルネットワーク(ANN)を用いて,複数のPAHs生物分解強化のために含む。インド,GujaratのKhambhat湾のAlang Sosya Ship Breaking Yard(ASSBRY)の汚染堆積物から微生物を分離した。RSM-aプロセス中心アプローチは,R2値が0.98の5日目に,69%(Un最適化)から90.03%へのPAHs分解の増加をもたらした。さらに,人工ニューラルネットワーク(ANN)-aデータ中心アプローチの使用は,CCD-RSMと比較して,93.36%のPAHs分解のより良い予測をもたらし,R2値0.98で,90.03%のPAHs分解を予測した。平均絶対偏差(MAD),平均二乗誤差(MSE),二乗平均平方根誤差(RMSE)および平均絶対百分率誤差(MAPE)のような様々な誤差関数に基づいて,構築したANNモデルの予測能力はRSMと比較して高いことが分かった。これは,データ中心アプローチを用いた細菌混合培養によるPAHs分解に関する初めての報告であるので,本研究は,適切なバイオレメディエーション技術の設計に役立つ政策決定者と利害関係者に対する基礎研究とその応用の間のギャップを橋渡しする。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  微生物 ,  地球 ,  *ニューラルネットワーク ,  細菌 ,  海洋環境 ,  *生体工学 ,  *多重化 ,  *芳香族縮合炭化水素 ,  混合培養 ,  生物分解 ,  バイオレメディエーション ,  *応答曲面法 ,  誤差関数
準シソーラス用語： 利害関係者 , 【Automatic Indexing@JST】

著者キーワード (5件)： 多環芳香族炭化水素(PAHs) ,  環境開発 ,  応答曲面法(RSM) ,  人工ニューラルネットワーク(ANN) ,  バイオレメディエーション

分類 (1件)： 数値計算  (JE02000J)

タイトルに関連する用語 (7件)： 汚染堆積物 ,  多重 ,  PAHs ,  分解 ,  バイオエンジニアリング ,  応答曲面法 ,  人工ニューラルネットワーク