基于分階段的LSSVM發(fā)酵過程建模.pdf

1、微生物發(fā)酵過程是一個非線性度和復雜性很高的動態(tài)過程，為發(fā)酵過程建立精確而又快速的數(shù)學模型是研究微生物發(fā)酵的重要課題?；诎l(fā)酵模型可實現(xiàn)被測參量的軟測量、系統(tǒng)的優(yōu)化控制，從而能夠監(jiān)控生產(chǎn)過程，優(yōu)化發(fā)酵工藝，提高發(fā)酵工業(yè)水平。因此，研究發(fā)酵過程建模具有重要的研究意義和實用價值。
　　發(fā)酵過程內(nèi)在機理非常復雜，往往某些發(fā)酵產(chǎn)物的發(fā)酵動力學基礎不清楚，因此建立其機理模型難度很大，一般采用黑箱建模方法為發(fā)酵過程建立數(shù)據(jù)驅(qū)動的經(jīng)驗模型。最小二

2、乘支持向量機(Least Squares Support Vector Machine，LSSVM)建模具有預測精度良好、建模速度快和學習能力強等諸多優(yōu)點，但是利用LSSVM建立發(fā)酵過程模型時，我們發(fā)現(xiàn)如下問題:1、發(fā)酵過程一般有數(shù)個階段，最小二乘支持向量機的全局模型預測精度很難保證，算法復雜;2、由于每個階段主導變量的值和相關關系的差異性，同一種核函數(shù)不能使所有階段局部模型的樣本輸入空間到高維特征空間的映射關系和空間構(gòu)造實現(xiàn)最優(yōu)化，而

3、學習算法模型限于特定的假設空間，從而導致某些階段的預測精度偏低。因此本文研究分階段和最優(yōu)混合核LSSVM相結(jié)合的建模方法。
　　本文首先介紹了最小二乘支持向量機和混合核函數(shù)原理;接著研究了分階段建模方法，介紹了用來劃分階段的FCM聚類算法，列出了基本步驟，并基于青霉素發(fā)酵仿真平臺Pensim進行了有效性驗證;鑒于引入混合核函數(shù)的最小二乘支持向量機在建模中具有優(yōu)良表現(xiàn)，本文接著研究了基于分階段的混合核函數(shù)LSSVM發(fā)酵過程建模方法;

4、在此基礎上，提出了將分階段和最優(yōu)混合核LSSVM回歸相結(jié)合的建模方法:首先，選擇表征階段特性的輔助變量，利用模糊C均值聚類算法對樣本數(shù)據(jù)聚類，將發(fā)酵過程分成不同的階段，然后利用HGA優(yōu)化算法為各個階段分別建立最優(yōu)混合核LSSVM局部模型，最后將局部模型合成構(gòu)成過程的完整模型，采用此方法為青霉素發(fā)酵過程建立模型，進行了初步有效性驗證;最后本文設計了工程菌發(fā)酵工藝開發(fā)系統(tǒng)，包括數(shù)據(jù)庫設計和界面設計，并基于VS2008和SQL Server2