畢赤酵母發(fā)酵過程中菊粉酶濃度軟測量方法研究.pdf

1、低聚果糖因具有難消化性、低齲齒性以及改善脂質(zhì)代謝等作用，在保健食品領(lǐng)域得到了廣泛的應(yīng)用。目前低聚果糖的制備途徑之一是通過畢赤酵母發(fā)酵生成的內(nèi)切型菊粉酶酶解菊粉。畢赤酵母發(fā)酵過程涉及的重要生化參數(shù)包括畢赤酵母濃度、甲醇濃度和菊粉酶濃度，其中前兩者都可以通過對應(yīng)的實(shí)驗(yàn)室級分析儀器或儀表在線測量，而菊粉酶濃度更多情況下只能依賴離線測量酶活的方法進(jìn)行量化，不僅耗費(fèi)大量的人力物力，同時也影響到發(fā)酵過程控制策略的實(shí)施和發(fā)酵工藝的改善。
　　軟

2、測量技術(shù)是解決上述菊粉酶濃度無法在線測量問題的有效途徑之一。本次研究以軟測量技術(shù)為核心，分別建立基于生物反應(yīng)機(jī)理和支持向量機(jī)回歸的菊粉酶濃度軟測量模型，對畢赤酵母發(fā)酵過程中不可直接測量的菊粉酶濃度實(shí)現(xiàn)最優(yōu)估計(jì)和預(yù)測。
　　基于生物反應(yīng)機(jī)理的軟測量模型適用于輸入變量較少的情況。其中，非結(jié)構(gòu)機(jī)理軟測量模型基于反應(yīng)組分的質(zhì)量平衡方程，并且利用先驗(yàn)知識，選擇Logistic方程描述模型中的畢赤酵母比生長速率，其結(jié)構(gòu)簡單，具有一定的通用性，

3、但估計(jì)精度有所欠缺。針對上述不足，通過分析畢赤酵母甲醇代謝途徑，建立菊粉酶濃度代謝機(jī)理軟測量模型。該模型依據(jù)畢赤酵母代謝過程的物質(zhì)流平衡關(guān)系，建立畢赤酵母比生長速率代謝模型，代替非結(jié)構(gòu)機(jī)理軟測量模型中的Logistic方程，以提高菊粉酶濃度的估計(jì)精度。對于兩種模型中出現(xiàn)的未知參數(shù)，分別用Levenberg-Marquardt算法（下文簡記為L-M算法）、遺傳算法以及粒子群優(yōu)化算法進(jìn)行估計(jì)，并通過對比分析表明了粒子群優(yōu)化算法在軟測量模型參

4、數(shù)尋優(yōu)方面的優(yōu)越性。將粒子群優(yōu)化算法分別與兩種機(jī)理軟測量模型結(jié)合，發(fā)現(xiàn)兩種模型均能較為準(zhǔn)確的估計(jì)菊粉酶濃度，并且代謝機(jī)理軟測量模型的估計(jì)效果要好于非結(jié)構(gòu)機(jī)理軟測量模型。
　　基于支持向量機(jī)回歸的軟測量模型適用于輸入變量類型較多但數(shù)據(jù)較少的小樣本估計(jì)和預(yù)測過程。為了提高預(yù)測精度，減少尋優(yōu)時間，本文采用最小二乘支持向量機(jī)回歸建模方法對畢赤酵母發(fā)酵過程建立菊粉酶濃度軟測量模型。針對模型輸入變量過多且線性相關(guān)的問題，利用主元分析法降低輸入

5、數(shù)據(jù)維數(shù)，將線性相關(guān)變量轉(zhuǎn)化為獨(dú)立變量。此外，考慮到最小二乘支持向量機(jī)參數(shù)對軟測量模型性能的重要影響，提出基于留一法和粒子群優(yōu)化算法的參數(shù)尋優(yōu)方法，以最小化留一交叉驗(yàn)證誤差作為尋優(yōu)目標(biāo)，并利用粒子群優(yōu)化算法的搜索尋優(yōu)能力實(shí)現(xiàn)參數(shù)優(yōu)選。實(shí)驗(yàn)結(jié)果表明，相比標(biāo)準(zhǔn)支持向量機(jī)回歸，最小二乘支持向量機(jī)回歸軟測量模型對菊粉酶濃度具有更高的預(yù)測精度和更少的尋優(yōu)時間，并且在結(jié)合主元分析法與留一-粒子群參數(shù)尋優(yōu)方法后，最小二乘支持向量機(jī)回歸軟測量模型的預(yù)測