基于數(shù)據(jù)的生化過程混合建模方法研究.pdf

1、生化工業(yè)在我國的經(jīng)濟地位中占據(jù)了重要地位，隨著經(jīng)濟和計算機技術(shù)的發(fā)展，人們對其過程的自動化要求也越來越高。通過智能算法和計算機技術(shù)融合優(yōu)化生化工業(yè)過程自動化程度的研究日益受到重視。而生化過程的建模是其過程得到控制與優(yōu)化的前提，由于生化過程是一個非線性、過程極為復(fù)雜的工業(yè)過程，對其進行建模要求較高，是單一數(shù)學(xué)模型所不能滿足的，所以，研究基于數(shù)據(jù)的生化過程混合建模具有極為重要的理論價值和現(xiàn)實意義。
　　 本論文的研究內(nèi)容是國家自然科

2、學(xué)基金項目“基于數(shù)據(jù)的生化過程自適應(yīng)建模和多目標(biāo)協(xié)同優(yōu)化控制研究”的一部分，主要以青霉素補料分批發(fā)酵過程為例，研究基于最優(yōu)加權(quán)融合估計算法的混合建模方法，所做的主要工作如下:
　　 (1)機理模型仿真研究。學(xué)習(xí)研究基于Birol的青霉素發(fā)酵過程非結(jié)構(gòu)動力學(xué)模型，分析各種參量間的機理關(guān)系，為建立軟測量模型奠定基礎(chǔ)。盡管機理模型能很好反應(yīng)生化過程各種平衡關(guān)系，但存在環(huán)境條件要求苛刻、參數(shù)難以確定而導(dǎo)致的建模精度不高問題。
　　

3、 (2)基于數(shù)據(jù)的軟測量建模。通過對生化過程數(shù)據(jù)的分析，研究基于最小二乘支持向量回歸(Least Squares Support Vector Regression，LSSVR)軟測量模型建模方法。實現(xiàn)對青霉素發(fā)酵產(chǎn)物濃度、菌體濃度和基質(zhì)濃度三個狀態(tài)變量的預(yù)估，預(yù)測精度較高。但基于LSSVR建立的軟測量模型屬于“黑箱”模型，是通過采集數(shù)據(jù)直接建立發(fā)酵過程模型，不需任何先驗知識，在一定程度上得到了較好的預(yù)測結(jié)果，但是，這種完全拋棄先驗知

4、識的建模方法有一定的局限性。
　　 (3)基于最優(yōu)加權(quán)策略的混合建模。首先，根據(jù)最小二乘支持向量回歸模型和Birol的非結(jié)構(gòu)動力學(xué)模型特點，初步確定單個模型權(quán)重;然后，在誤差平方最小的情況下，求出它們在混合模型中的最優(yōu)權(quán)重，得到最優(yōu)加權(quán)融合預(yù)測模型。最后，通過實驗證明該建模方法能夠融合二者的優(yōu)勢，預(yù)測精度得到改善。
　　 (4)生化過程預(yù)測模型的可視化實現(xiàn)?；谏鲜鲈恚\用基于C++語言的Qt開發(fā)環(huán)境、MATLAB和S