基于最小二乘支持向量機的微生物發(fā)酵過程軟測量研究

1.74萬字 33頁 原創(chuàng)作品，獨家提交，已通過查重系統(tǒng)


摘要 微生物發(fā)酵工程是生物工程和現(xiàn)代生物技術及其產(chǎn)業(yè)化的基礎。生物量是發(fā)酵過程中重要的過程參數(shù)，直接影響著發(fā)酵過程的控制和優(yōu)化，以及發(fā)酵產(chǎn)物的質(zhì)量和產(chǎn)量。為了對發(fā)酵過程進行有效的優(yōu)化控制，使先進的控制算法與策略得以實際應用，迫切需要對生物量參數(shù)進行在線檢測。
受到生物傳感器技術的限制生物量濃度難以用常規(guī)的傳感器測量。專用傳感器存在著價格昂貴和維護費用高的缺點使其應用具有很大的局限性。隨著計算機技術的發(fā)展利用在線可測輔助變量估計在線不可測變量或難以測量變量的軟測量方法在微生物發(fā)酵過程中得到應用。近幾年來諸如機理建模、卡爾曼濾波器、多元回歸、人工神經(jīng)網(wǎng)絡和支持向量機等方法已經(jīng)被諸多學者應用于微生物發(fā)酵過程的軟測量建模中。支持向量機理論以其樣本需求量小、預測精度高和泛化能力強的優(yōu)勢在眾多方法中脫穎而出受到廣泛關注。
本文在簡要分析最小二乘支持向量機回歸建模理論基礎上，以青霉素為研究對象，通過最小二乘支持向量機方法建立軟測量模型，并對產(chǎn)物濃度、菌體濃度、底物濃度這三個重要生物參數(shù)進行預測。
仿真應用表明: 基于最小二乘支持向量機的軟測量模型能夠較準確估計出青霉素發(fā)酵過程生物量的參數(shù)，實現(xiàn)生物量的在線檢測。在小樣本訓練集的情況下，具有更好的推廣能力和預測能力。而且，所建的模型具有較強的泛化能力，為發(fā)酵過程優(yōu)化控制提供了前提條件。


關鍵詞:最小二乘支持向量機 軟測量建模 青霉素發(fā)酵