基于支持向量機(jī)的生物發(fā)酵軟測(cè)量技術(shù)研究.pdf

1、微生物發(fā)酵工程是生物工程和現(xiàn)代生物技術(shù)的產(chǎn)業(yè)化基礎(chǔ)。生物量濃度是發(fā)酵過(guò)程的重要參數(shù)，直接反映著生物發(fā)酵過(guò)程的狀態(tài)，影響著發(fā)酵產(chǎn)物的質(zhì)量和產(chǎn)量。為了對(duì)發(fā)酵過(guò)程進(jìn)行有效控制，迫切需要實(shí)現(xiàn)發(fā)酵過(guò)程中代謝產(chǎn)物濃度的在線測(cè)量。
　　 受到生物傳感器技術(shù)的限制，生物量濃度難以用常規(guī)的傳感器測(cè)量。專用傳感器存在著價(jià)格昂貴和維護(hù)費(fèi)用高的缺點(diǎn)使其應(yīng)用具有很大的局限性。隨著計(jì)算機(jī)技術(shù)的發(fā)展，利用在線可測(cè)輔助變量估計(jì)在線不可測(cè)變量或難以測(cè)量變量的軟測(cè)

2、量方法在微生物發(fā)酵過(guò)程中得到應(yīng)用。近幾年來(lái)，諸如機(jī)理建模、卡爾曼濾波器、多元回歸、人工神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)等方法已經(jīng)被諸多學(xué)者應(yīng)用于微生物發(fā)酵過(guò)程的軟測(cè)量建模中。支持向量機(jī)理論以其樣本需求量小、預(yù)測(cè)精度高和泛化能力強(qiáng)的優(yōu)勢(shì)在眾多方法中脫穎而出，受到廣泛關(guān)注。
　　 本文在簡(jiǎn)要分析了支持向量機(jī)回歸建模理論的基礎(chǔ)上，結(jié)合紅霉素發(fā)酵過(guò)程，針對(duì)基于支持向量機(jī)的生物發(fā)酵過(guò)程軟測(cè)量?jī)?yōu)化建模進(jìn)行深入的討論。研究了基于遺傳模擬退火算法和赤池信息

3、準(zhǔn)則的優(yōu)化建模方法進(jìn)而確立支持向量機(jī)最優(yōu)模型，即選擇微生物發(fā)酵過(guò)程中在線可測(cè)的重要輔助變量作為軟測(cè)量模型的輸入并同時(shí)確定支持向量機(jī)軟測(cè)量模型的關(guān)鍵參數(shù)；針對(duì)支持向量機(jī)回歸訓(xùn)練的本質(zhì)，即一個(gè)二次規(guī)劃問(wèn)題，研究了基于具有快速收斂性能粒子群算法解決該二次規(guī)劃問(wèn)題，從而確定支持向量機(jī)回歸訓(xùn)練中的支持向量和支持向量權(quán)值，提高了收斂速度，使復(fù)雜的算法理論易于工業(yè)實(shí)現(xiàn)。實(shí)驗(yàn)仿真結(jié)果表明：所提優(yōu)化方法使基于支持向量機(jī)的軟測(cè)量建模理論在微生物發(fā)酵過(guò)程中得