بكارگيري مدل شبكه عصبي مصنوعي در پيشبيني رشد سلولي سيانوباكتري ميكروكولئوس در محيط كشت

تعيين شرايط بهينه كشت سيانوباكتريها به روش تجربي به دليل تعداد زياد پارامترها پيچيده است اين ارزيابي با بكارگيري هوش مصنوعي در كشت ساده تر و دقيقتر خواهد شد. در اين پژوهش هوش مصنوعي در بكارگيري سيانوباكتريها برسطح خاك مناطق بياباني به منظور تثبيت خاك و پيشگيري از انتشار ريزگردها به كاررفته است .[1,2] از شبكه عصبي به عنوان ابزاري براي پيشبيني ديناميك رشد سيانوباكتري رشتهاي ميكروكولئوس در محيط كشت حاوي غلظتهاي گوناگون مواد غذايي اصلي استفاده شد. شبكه عصبي سه اليه با ساختار 7۲-۵۲-1 گره بكارگرفته شد. شبكه عصبي بكاررفته به خوبي اثرهاي متقابل غيرخطي درميان اجزاي مواد غذايي موجود در محيط كشت را نشان داد. مدل شبكه عصبي با بكارگيري دادههاي ديناميك رشد با تركيب محيط كشت متفاوت يادگيري شد. اثرنسبي اجزاي مواد غذايي محيط كشت، غلظت سلولي اوليه و غلظت سلولي در خالل رشد سلولي با آناليز سيستمي وزنهاي شبكه عصبي تعيين شد. ريزمغذيها و ويتامينها اثرنسبي بيشتري در مقايسه با درشتمغذيها بر رشد سلولي داشتند. شبكه عصبي يادگيريشده به خوبي ديناميك غلظت سلولي درمحيط كشت را با غلظت سلولي آزمايش نشده پيشبيني كرد. نتايج نشان داد كه شبكه عصبي ابزاري عالي براي پيشبيني منحني رشد سلولي در محدوده بررسي شده در اين پژوهش است.