李雅琳，李素艳，孙向阳，郝 丹，蔡琳琳，常晓彤

（北京林业大学 林学院，北京 100083）

园林绿化废弃物包括树木、花草等植物在生长过程中的自然凋落物或者人为修剪的植物残体[1]，主要成分有木质素、纤维素和多糖等[2]。其中，木质素由于组分种类多样，结构复杂且无规则，降解比较困难[3-5]。堆肥是一种较好的降解园林绿化废弃物的方式[6]，堆肥过程中多个微生物群体共同作用，分泌木质素降解相关酶系而使园林绿化废弃物中的木质素降解[7]。因此，通过研制微生物菌剂，使分泌木质素降解酶酶系的菌株迅速构建优势群落，能有针对性地加快园林绿化废弃物中木质素的降解，提高堆肥效率和质量[8-9]。但是，新菌剂的制备需要在选定目标菌株的条件下，对菌剂制作涉及的培养基配方和发酵条件进行优化。优化过程主要包括试验设计、数学建模和优化设计3个部分[10]。合理的试验设计能用较少的试验数据进行建模，从而获取各因素范围内的最优解。用于发酵条件优化的方法多为响应面法[11-12]，但胡欣颖等[13]研究发现：人工神经网络算法比响应面法在预测实验结果方面更准确，误差更小。目前，运用人工神经网络算法对木质素降解菌发酵条件进行优化的研究鲜有报道。因此，本研究拟从北京市植物园的腐叶土和朽木中筛选木质素降解菌，对其进行鉴定，并通过单因素试验对菌株的培养时间、接种量和培养基配方(碳源和氮源)进行优化；采用均匀试验结合Python实现人工神经网络建模与优化，寻找菌株最佳发酵条件，为园林绿化废弃物中木质素的降解提供高效菌剂。……