在全球化石燃料储量日益减少和气候变暖的背景下,生物柴油因其可再生(renewable)、碳中立(carbon neutral)的特点,近年来备受关注。微藻生长速率快、油脂含量高且微藻养殖无需占用耕地,因此被认为是极具应用潜力的生物柴油原料。然而,富油微藻普遍难以在达到高油脂含量的同时获得可观的生物量产量,这直接造成了微藻在培养规模一定的条件下,整体油脂产量难以达到较高的水平,进而增加了微藻油脂生产的成本、限制了微藻生物柴油的推广应用。针对该问题,本研究从生化调控的角度入手,采用逐因素试验、响应面模型优化和人工神经网络-遗传算法模型优化等方法,对一株普通小球藻(Chlorella vulgaris)的培养条件进行优化,在一定程度上调和了微藻油脂含量与生物量产量间的矛盾,从而在实验室条件下大幅度地提高了微藻的油脂产量。首先,本研究将基于尼罗红染色荧光分光光度法的油脂快速相对定量方法,结合于程序繁琐的“提取-称量”油脂绝对定量方法,建立了适用于试验研究的普通小球藻油脂产量快速定量方法体系。其次,通过逐因素试验对普通小球藻产油条件进行了优化,得到了普通小球藻培养基中氮、磷、硫元素的初步优化浓度,分别为6.13、5.23和4.04mg/l。在此基础上,进一步设计了Boxy-Behnken试验,并基于试验结果建立两类寻优模型——响应面模型和神经网络-遗传算法模型——以期对产油培养条件进行全局寻优。根据响应面模型的寻优结果,当培养基中氮浓度为6.33 mg/l、磷浓度为4.19mg/l、硫浓度为4.66mg/l时,预计能得到最佳的油脂产量112.9mg/l；根据神经网络-遗传算法的预测结果,当培养基中氮浓度为6.45mg/l、磷浓度为4.23mg/l、硫浓度为5.12mg/l时,预计油脂产量可达最高的124.8mg/l。经实验验证,响应面模型和神经网络结合遗传算法模型优化后的TAP培养基中油脂产量分别达到了111.60 mg/l和104.10 mg/l,而对照组未优化的TAP培养基中油脂产量仅为12.88mg/l。该结果表明,两种优化培养基都促进了普通小球藻油脂产量的显著增产,同时两种模型在普通小球藻产油条件优化的工作中都具有一定的可行性。