人工神經(jīng)網(wǎng)絡(luò)和響應(yīng)面法優(yōu)化薏苡仁酒發(fā)酵條件

鄒立飛，鄭 鵬*

（1.興義民族師范學(xué)院 生物與化學(xué)學(xué)院，貴州 興義 562400；2.華南農(nóng)業(yè)大學(xué) 園藝學(xué)院，廣東 廣州 510642）

薏苡（Coix lachrymatory）廣泛分布于中國(guó)、泰國(guó)、緬甸、韓國(guó)、日本、巴西等地[1]。我國(guó)薏苡主產(chǎn)區(qū)包括貴州、廣西、福建、河北等[2]。薏苡是一年生作物，可與傳統(tǒng)草藥一起用于治療炎癥、哮喘、咳嗽、胃病、腹瀉和糖尿病[3]。在營(yíng)養(yǎng)含量方面，薏苡與其他谷物相似，以淀粉為主要成分（約60%），但油脂和蛋白質(zhì)含量高于大米和小麥等谷物[4]。同時(shí)薏苡仁中的甾醇、三萜類化合物、多糖、油脂等活性成分具有抗癌、抗炎、抗增殖和抗過(guò)敏活性[5-6]。LI B等[7]首次從薏苡仁谷蛋白中提取到具有顯著抗高血壓作用的多肽，這在一定程度上為抗高血壓天然藥物的開(kāi)發(fā)提供了一個(gè)新的資源。CHEN H J等[8]研究發(fā)現(xiàn)，薏苡仁中富含能抗炎的黃酮類物質(zhì)。薏苡仁具有強(qiáng)烈的抑制環(huán)氧化酶、脂肪酸合成酶、基質(zhì)金屬蛋白酶和肝膽固醇合成的化學(xué)成分，這些成分具有很強(qiáng)的抗氧化、刺激生產(chǎn)激素、促進(jìn)子宮收縮和調(diào)節(jié)腸道微生物的作用[9]。YIN H等[10]研究發(fā)現(xiàn)，發(fā)酵薏苡仁中游離氨基酸、游離脂肪酸、可溶性膳食纖維和有機(jī)酸等營(yíng)養(yǎng)成分含量明顯高于未發(fā)酵薏苡仁的含量，而這些成分對(duì)人體的健康起到相關(guān)的促進(jìn)作用；同時(shí)發(fā)酵后的薏苡仁因其揮發(fā)性化合物中醛、酮含量降低、醇含量增加而產(chǎn)生了獨(dú)特的風(fēng)味，并且降低了有害物質(zhì)戊基呋喃（2-pentylfuran）的含量。日常生活中，薏苡仁一般直接作為食物被食用，但營(yíng)養(yǎng)物質(zhì)往往不能得到充分吸收；但消費(fèi)者對(duì)高營(yíng)養(yǎng)薏苡仁深加工產(chǎn)品的需求旺盛，薏苡仁相關(guān)產(chǎn)品的開(kāi)發(fā)研究越來(lái)越受到關(guān)注[11]，薏苡碎米食醋[12]、薏苡仁酸奶[14]、薏苡仁露飲料[15]、紅豆薏苡仁酥糖[16]等薏苡仁深加工產(chǎn)品得到了研究。薏苡仁作為釀酒原料也受到關(guān)注[16-17]。響應(yīng)面法（response surface methodology，RSM）是通過(guò)分析擬合得到多元二次非線性模型，最終對(duì)模型求解得到最佳發(fā)酵條件，其在發(fā)酵條件優(yōu)化上得到了廣泛的應(yīng)用，Box-Behnken（BB）試驗(yàn)設(shè)計(jì)是一種將各因素單獨(dú)作用和各因素之間交互作用同時(shí)考慮的試驗(yàn)設(shè)計(jì)方法，也是響應(yīng)面法分析中常用的實(shí)驗(yàn)設(shè)計(jì)方法，但響應(yīng)面法主要擬合多元二次非線性模型，對(duì)于其他模型的擬合存在很大的局限性。人工神經(jīng)網(wǎng)絡(luò)（artificialneural network，ANN）是一種流行的機(jī)器學(xué)習(xí)技術(shù)，其通過(guò)黑箱建模方法將輸入與相應(yīng)輸出之間的關(guān)系聯(lián)系起來(lái)[18-19]。反向傳遞（back propagation，BP）神經(jīng)網(wǎng)絡(luò)是一種誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前反饋網(wǎng)絡(luò)，BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程由前向計(jì)算和誤差反向傳播組成，計(jì)算實(shí)際輸出時(shí)按輸入至輸出的方向，但閾值、權(quán)值的修正則從輸出至輸入方向進(jìn)行。BP神經(jīng)網(wǎng)絡(luò)也是人工神經(jīng)網(wǎng)絡(luò)中應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一[20]。因此利用BP神經(jīng)網(wǎng)絡(luò)對(duì)發(fā)酵條件進(jìn)行優(yōu)化的研究越來(lái)越受到廣大學(xué)者的關(guān)注，但國(guó)內(nèi)在響應(yīng)面法與BP神經(jīng)網(wǎng)絡(luò)在優(yōu)化效果上的比較研究較少。

酒精含量是釀酒中的重要指標(biāo)，本研究將薏苡仁用于釀酒，以酒精含量為評(píng)價(jià)指標(biāo)對(duì)釀酒工藝進(jìn)行優(yōu)化，通過(guò)對(duì)影響薏苡仁釀酒產(chǎn)酒精的4個(gè)因素（薏苡仁與糯米質(zhì)量比、酵母A1接種量、溫度、初始pH值）進(jìn)行BB試驗(yàn)設(shè)計(jì)，分別采用響應(yīng)面法和BP神經(jīng)網(wǎng)絡(luò)對(duì)BB試驗(yàn)結(jié)果進(jìn)行分析，對(duì)兩種分析得到的模型進(jìn)行比較，以期為薏苡仁酒工藝優(yōu)化提供更適合的模型優(yōu)化方法。

1 材料與方法

1.1 試驗(yàn)材料

1.1.1 供試菌株和原料

扣囊復(fù)膜酵母（Saccharomycopsis fibuligera）A1：本實(shí)驗(yàn)室篩選保藏；薏苡仁：貴州泛亞實(shí)業(yè)（集團(tuán)）有限公司；散裝糯米：貴州省興義市大潤(rùn)發(fā)超市。

1.1.2 化學(xué)試劑

淀粉酶（30 000 U/g）、糖化酶（50 000 U/g）：河南萬(wàn)邦實(shí)業(yè)有限公司；瓊脂粉（生化試劑）：天津市致遠(yuǎn)化學(xué)試劑有限公司；葡萄糖（分析純）：天津市風(fēng)船化學(xué)試劑科技有限公司；酵母膏、蛋白胨（均為生化試劑）、檸檬酸鈉（分析純）：上海麥克林生化科技有限公司。

1.1.3 培養(yǎng)基

酵母浸出粉胨葡萄糖（yeast extract peptone dextrose，YPD）液體培養(yǎng)基：酵母膏10 g，蛋白胨20 g，葡萄糖20 g，蒸餾水1 000 mL，pH自然。121 ℃高壓蒸汽滅菌30 min。

YPD固體培養(yǎng)基：YPD液體培養(yǎng)基添加瓊脂20 g。121 ℃高壓蒸汽滅菌30 min。

1.2 儀器與設(shè)備

AQ810C高壓蒸汽滅菌器：日本雅馬拓（YAMATO）公司；0～100%酒精計(jì)：河北省武強(qiáng)縣華鷗儀器儀表廠；RE 5298A旋轉(zhuǎn)蒸發(fā)器：上海亞榮生化儀器廠；FA224 電子天平：上海舜宇恒平科學(xué)儀器有限公司；雷磁PHS-3C pH計(jì)：上海儀電科學(xué)儀器股份有限公司；SW-CJ-2FD超凈工作臺(tái)：蘇凈集團(tuán)蘇州安泰空氣技術(shù)有限公司；YLA-2000電熱恒溫培養(yǎng)箱：山東濰坊醫(yī)藥集團(tuán)股份有限公司醫(yī)療器械廠；HH-2數(shù)顯恒溫水浴鍋：金壇市杰瑞爾電器有限公司。

1.3 方法

1.3.1 種子液的制備

從斜面培養(yǎng)基上挑取扣囊復(fù)膜酵母（Saccharomycopsis fibuligera）A1接種于YPD平板上，在30 ℃條件下靜置培養(yǎng)48 h。接著從平板上挑取單菌落轉(zhuǎn)接于YPD液體培養(yǎng)基，在30 ℃條件下靜置培養(yǎng)48 h，即為種子液。

1.3.2 薏苡仁酒的制備

將薏苡仁、糯米粉碎并經(jīng)40目紗網(wǎng)過(guò)濾，料水比1∶2（g∶mL），薏苡仁、糯米具體質(zhì)量根據(jù)試驗(yàn)設(shè)計(jì)確定，先在100 ℃下糊化1 h，待溫度降至并穩(wěn)定在60 ℃時(shí)加入1.5%的淀粉酶液化3 h，然后當(dāng)溫度降至50 ℃并維持在此溫度下時(shí)加入2.0%的糖化酶糖化2 h，將糖化后的溶液在121 ℃下滅菌15 min，根據(jù)試驗(yàn)設(shè)計(jì)加入相應(yīng)量的種子液進(jìn)行8 d的發(fā)酵，發(fā)酵結(jié)束后進(jìn)行過(guò)濾，得到薏苡仁酒。

1.3.3 酒精度測(cè)定

酒精度測(cè)定采用酒精計(jì)法[21]。

1.3.4 發(fā)酵條件優(yōu)化設(shè)計(jì)

（1）最陡爬坡試驗(yàn)

在單因素試驗(yàn)基礎(chǔ)上，根據(jù)薏苡仁與糯米質(zhì)量比（X1）、接種量（X2）、溫度（X3）、初始pH（X4）4個(gè)因素對(duì)薏苡仁產(chǎn)酒精的影響設(shè)計(jì)相應(yīng)的步長(zhǎng)和變化方向，最終逼近薏苡仁產(chǎn)酒精的最大響應(yīng)區(qū)間。

（2）Box-Behnken 試驗(yàn)

選用最陡爬坡試驗(yàn)結(jié)果中產(chǎn)酒精最大的處理作為BB試驗(yàn)的中心點(diǎn)，以酒精度（Y）為響應(yīng)值，同時(shí)確定薏苡仁與糯米質(zhì)量比（X1）、酵母A1接種量（X2）、溫度（X3）、初始pH值（X4）4個(gè)因素在BB試驗(yàn)中最高、最低水平，Box-Behnken試驗(yàn)設(shè)計(jì)因素與水平見(jiàn)表1。

表1 發(fā)酵條件優(yōu)化Box-Behnken試驗(yàn)設(shè)計(jì)因素與水平Table 1 Factors and levels of Box-Behnken experiments for fermentation conditions optimization

1.3.5 統(tǒng)計(jì)分析

（1）響應(yīng)面法分析

應(yīng)用Design Expert 11.0對(duì)BB試驗(yàn)結(jié)果進(jìn)行響應(yīng)面分析，得到一個(gè)多元二次方程模型。通過(guò)對(duì)該模型進(jìn)行分析，從而確定理論的最優(yōu)發(fā)酵條件及最優(yōu)值。

（2）人工神經(jīng)網(wǎng)絡(luò)分析

BP神經(jīng)網(wǎng)絡(luò)是一種按照誤差逆向傳播法訓(xùn)練的多層前反饋神經(jīng)網(wǎng)絡(luò)。其能在事先無(wú)確定的映射數(shù)學(xué)關(guān)系時(shí)，通過(guò)逆向傳播不斷調(diào)整BP神經(jīng)網(wǎng)絡(luò)的權(quán)值，最終使BP神經(jīng)網(wǎng)絡(luò)的均方誤差（mean square error，MSE）最小。遺傳算法是一種模擬達(dá)爾文的適者生存和遺傳選擇的生物進(jìn)化規(guī)律的算法；其核心內(nèi)容包括：參數(shù)編碼、初始化種群、適應(yīng)函數(shù)的設(shè)計(jì)、遺傳操作（選擇、變異、交叉）的設(shè)計(jì)、控制參數(shù)的設(shè)定；在遺傳算法中所需解決的優(yōu)化問(wèn)題將轉(zhuǎn)變?yōu)榍蠼鈧€(gè)體適應(yīng)度的問(wèn)題。通過(guò)搜索最大適應(yīng)度，進(jìn)而求解出優(yōu)化問(wèn)題的最優(yōu)值。因此利用BP神經(jīng)網(wǎng)絡(luò)對(duì)模型進(jìn)行模擬仿真，再通過(guò)遺傳算法對(duì)BP神經(jīng)網(wǎng)絡(luò)模擬仿真的模型求解最優(yōu)值。

1.3.6 模型驗(yàn)證及比較

分別對(duì)響應(yīng)面法和人工神經(jīng)網(wǎng)絡(luò)得到的最佳產(chǎn)酒精的發(fā)酵條件進(jìn)行驗(yàn)證，從而判斷模型得出的理論結(jié)果與實(shí)際結(jié)果是否一致，并計(jì)算相對(duì)誤差。用于評(píng)價(jià)模型的統(tǒng)計(jì)學(xué)指標(biāo)見(jiàn)表2。

表2 評(píng)價(jià)模型的統(tǒng)計(jì)學(xué)指標(biāo)Table 2 Statistical indexes of evaluation model

2 結(jié)果與分析

2.1 最陡爬坡試驗(yàn)結(jié)果分析

通過(guò)最陡爬坡試驗(yàn)可大致確定BB試驗(yàn)的中心點(diǎn)及各因子的邊界值，結(jié)果見(jiàn)表3。由表3可知，酒精度在處理1至處理6呈現(xiàn)出先增加后降低的趨勢(shì)，且在處理4時(shí)，即當(dāng)薏苡仁與糯米比例為1∶2（g∶g）、接種量為5.0%、溫度為30.0 ℃、初始pH值為5.0時(shí)酒精度達(dá)到最大值（15.47%vol），因此將處理4作為BB試驗(yàn)的中心點(diǎn)，同時(shí)將處理2、處理6相對(duì)應(yīng)的各因子的參數(shù)作為BB試驗(yàn)設(shè)計(jì)的邊界值（最大值或最小值）。

表3 最陡爬坡試驗(yàn)設(shè)計(jì)及結(jié)果Table 3 Design and results of the steepest climb test

2.2 BB試驗(yàn)結(jié)果分析

在最陡爬坡試驗(yàn)的基礎(chǔ)上，通過(guò)Design Expert 11.0對(duì)BB試驗(yàn)結(jié)果進(jìn)行分析，結(jié)果見(jiàn)表4，方差分析結(jié)果見(jiàn)表5。由表5可知，模型的F值為29.81，P值為＜0.000 1，表明模型是顯著的。同時(shí)模型的決定系數(shù)（R2）為0.967 5，回歸模型足夠準(zhǔn)確。且模型的精度值為19.986，信噪比遠(yuǎn)＞4，說(shuō)明模型足夠精確。通過(guò)響應(yīng)面分析最終到回歸模型：Y=-13.073 06+40.978X1+326.708 33X2+0.788 283X3-0.467 708X4-175X1X2-0.206X1X3+0.03X1X4-3.575X2X3+2.0625X2X4-0.016X3X4-26.088X12-1 391.875X22-0.007 37X32+0.074 25X42。

表4 發(fā)酵條件優(yōu)化Box-Behnken試驗(yàn)設(shè)計(jì)及結(jié)果Table 4 Design and results of Box-Behnken experiments for fermentation conditions optimization

續(xù)表

表5 回歸模型的方差分析Table 5 Variance analysis of regression model

圖1 各因素交互作用對(duì)酒精度影響的響應(yīng)面及等高線Fig.1 Response surface plots and contour lines of effects of interaction between each factor on alcohol content

同時(shí)對(duì)回歸模型進(jìn)行最優(yōu)值求解可知：當(dāng)薏苡仁∶糯米為1∶2（g∶g）、接種量為4.7%、溫度為31.7 ℃、初始pH值為3.0時(shí)，酒精度理論值為16.13%vol。在上述條件下通過(guò)3次平行驗(yàn)證試驗(yàn)得到實(shí)際酒精度為16.07%vol，與理論值16.13%vol相差不大。結(jié)果表明，通過(guò)響應(yīng)面法得到的模型具有較好的精確性和準(zhǔn)確性。

2.3 人工神經(jīng)網(wǎng)絡(luò)分析結(jié)果

利用Matlab 2016a軟件對(duì)BB試驗(yàn)結(jié)果進(jìn)行BP神經(jīng)網(wǎng)絡(luò)分析，同時(shí)運(yùn)用遺傳算法對(duì)BP神經(jīng)網(wǎng)絡(luò)分析得到的模型進(jìn)行最優(yōu)值求解，均方誤差和模擬仿真效果分別見(jiàn)圖2、圖3。

圖2 人工神經(jīng)網(wǎng)絡(luò)模型均方誤差效果圖Fig.2 Mean square error of artificial neural network model

由圖2可知，在迭代次數(shù)到4次的驗(yàn)證集均方誤差是0.011 36，訓(xùn)練集局方誤差為0.000 002 55，且BP神經(jīng)網(wǎng)絡(luò)此時(shí)已達(dá)到訓(xùn)練結(jié)束條件。由圖3可知，BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練擬合得到的模型的相關(guān)系數(shù)R為0.994 46。最終利用遺傳算法對(duì)該模型進(jìn)行尋優(yōu)，結(jié)果顯示在薏苡仁∶糯米為1∶1.9（g∶g）、酵母A1接種量為4.2%、溫度為28.1 ℃、初始pH為3.0時(shí)酒精度達(dá)到最大16.27%vol；對(duì)模型最優(yōu)值進(jìn)行驗(yàn)證，最終得到酒精度為16.23%vol與理論值16.27%vol基本一致。綜上說(shuō)明BP神經(jīng)網(wǎng)絡(luò)模型準(zhǔn)確性很高，對(duì)本實(shí)驗(yàn)?zāi)M仿真效果較好。

圖3 人工神經(jīng)網(wǎng)絡(luò)模擬仿真效果Fig.3 Simulation effect of artificial neural network

2.4 人工神經(jīng)網(wǎng)絡(luò)與響應(yīng)面法優(yōu)化模型比較

表6 優(yōu)化條件和模型驗(yàn)證Table 6 Optimization conditions and model validation

由表6可知，對(duì)人工神經(jīng)網(wǎng)絡(luò)擬合模型、響應(yīng)面法擬合模型在各自最優(yōu)條件下的預(yù)測(cè)值與實(shí)驗(yàn)值都基本一致，相對(duì)誤差方面上，人工神經(jīng)網(wǎng)絡(luò)相對(duì)誤差更小；同時(shí)對(duì)人工神經(jīng)網(wǎng)絡(luò)擬合模型、響應(yīng)面法擬合模型預(yù)測(cè)準(zhǔn)確性進(jìn)行比較，結(jié)果見(jiàn)圖4，對(duì)模型相關(guān)指標(biāo)進(jìn)行分析，結(jié)果見(jiàn)表7。

表7 響應(yīng)面法與人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)能力的比較Table 7 Comparison of predictive capacity of response surface methodology and artificial neural network

圖4 響應(yīng)面法、人工神經(jīng)網(wǎng)絡(luò)模型的預(yù)測(cè)值和實(shí)驗(yàn)值的比較Fig.4 Comparison between the predicted and experimental values of response surface method and artificial neural network model

由表7可知，人工神經(jīng)網(wǎng)絡(luò)擬合模型、響應(yīng)面法擬合模型的R、R2、MSE、RMSE、MAE、MAPE分別為0.994 5、0.988 9、0.011 7、0.108 4、0.072 2、0.486 3%和0.983 6、0.967 5、0.028 9、0.170 1、0.143 7、0.985 7%，說(shuō)明人工神經(jīng)網(wǎng)絡(luò)擬合模型在R、R2、MSE、RMSE、MAE、MAPE指標(biāo)上都優(yōu)于響應(yīng)面法擬合模型。結(jié)合圖4結(jié)果表明，人工神經(jīng)網(wǎng)絡(luò)擬合模型較響應(yīng)面法擬合模型更適合本研究。

3 討論

馬建春等[22]在研究補(bǔ)陽(yáng)還五湯提取工藝時(shí)，實(shí)驗(yàn)結(jié)果顯示RSM、ANN模型的擬合系數(shù)R分別為0.935 8、0.988 9，且ANN模型預(yù)測(cè)最優(yōu)值更接近真實(shí)值，說(shuō)明ANN擬合效果要優(yōu)于RSM。周夢(mèng)舟等[23]對(duì)枯草芽孢桿菌富硒過(guò)程的建模研究，通過(guò)均方誤差、平均絕對(duì)誤差、擬合系數(shù)來(lái)評(píng)價(jià)模型優(yōu)劣，發(fā)現(xiàn)ANN模型擬合效果更好。本研究結(jié)果也表明ANN模型在擬合效果、可靠性上都優(yōu)于RSM模型；綜上可以發(fā)現(xiàn)ANN模型都較RSM模型擬合效果更好、擬合結(jié)果往往更可靠，其原因可能是因?yàn)锳NN在模型擬合時(shí)無(wú)需規(guī)范的擬合函數(shù)和無(wú)限逼近能力。

雖然ANN較RSM具有很多優(yōu)勢(shì)，但ANN無(wú)法解釋其推理具體過(guò)程，在求極值時(shí)容易陷入局部最值，且擬合過(guò)程中容易出現(xiàn)過(guò)擬合現(xiàn)象，如何避免ANN陷入局部最值、過(guò)擬合現(xiàn)象等；因此，在運(yùn)用ANN進(jìn)行建模時(shí)，有必要考慮耦合其他分析方法來(lái)避免ANN本身劣勢(shì)的出現(xiàn)。同時(shí)本研究只針對(duì)薏苡仁釀酒產(chǎn)酒精進(jìn)行優(yōu)化，酒精含量雖是重要指標(biāo)，但發(fā)酵中產(chǎn)生的有益物質(zhì)的含量也是重要指標(biāo)，后續(xù)研究有必要采用多目標(biāo)優(yōu)化的方法對(duì)酒精含量和有益物質(zhì)含量同時(shí)優(yōu)化，以期為薏苡仁酒品質(zhì)的提升提供理論保障。

4 結(jié)論

本研究評(píng)價(jià)了RSM和ANN在優(yōu)化薏苡仁發(fā)酵產(chǎn)酒精的效果。根據(jù)評(píng)價(jià)的統(tǒng)計(jì)指標(biāo)，ANN模型的準(zhǔn)確性和擬合能力優(yōu)于RSM。RSM預(yù)測(cè)的最佳發(fā)酵條件為薏苡仁∶糯米為1∶2（g∶g）、酵母A1接種量為4.7%、溫度為31.7 ℃、初始pH值為3.0，預(yù)測(cè)酒精度達(dá)到16.13%vol，經(jīng)驗(yàn)證實(shí)驗(yàn)顯示酒精度實(shí)際值為16.07%vol與預(yù)測(cè)值基本一致；ANN預(yù)測(cè)的最佳發(fā)酵條件為薏苡仁∶糯米為1∶1.9（g∶g）、酵母A1接種量為4.2%、溫度為28.1 ℃、初始pH值為3.0，預(yù)測(cè)酒精度達(dá)到16.27%vol，經(jīng)驗(yàn)證實(shí)驗(yàn)顯示酒精度實(shí)際值為16.23%vol與預(yù)測(cè)值基本一致，在各自最優(yōu)發(fā)酵條件下的預(yù)測(cè)值與實(shí)驗(yàn)值的相對(duì)誤差上都較小，但人工神經(jīng)網(wǎng)絡(luò)擬合模型更小，說(shuō)明RSM與ANN擬合模型在最佳發(fā)酵條件下預(yù)測(cè)更準(zhǔn)確。同時(shí)人工神經(jīng)網(wǎng)絡(luò)擬合模型、響應(yīng)面法擬合模型的R、R2、MSE、RMSE、MAE、MAPE分別為0.994 5、0.988 9、0.011 7、0.108 4、0.072 2、0.486 3%和0.983 6、0.967 5、0.028 9、0.170 1、0.143 7、0.985 7%，說(shuō)明人工神經(jīng)網(wǎng)絡(luò)在擬合能力上較響應(yīng)面法表現(xiàn)更好。綜上所述，在本研究中人工神經(jīng)網(wǎng)絡(luò)更適合對(duì)薏苡仁釀酒產(chǎn)酒精進(jìn)行建模優(yōu)化。