基于分階段的LSSVM發(fā)酵過(guò)程建模.pdf

1、微生物發(fā)酵過(guò)程是一個(gè)非線性度和復(fù)雜性很高的動(dòng)態(tài)過(guò)程，為發(fā)酵過(guò)程建立精確而又快速的數(shù)學(xué)模型是研究微生物發(fā)酵的重要課題。基于發(fā)酵模型可實(shí)現(xiàn)被測(cè)參量的軟測(cè)量、系統(tǒng)的優(yōu)化控制，從而能夠監(jiān)控生產(chǎn)過(guò)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(guò)程建模具有重要的研究意義和實(shí)用價(jià)值。
　　發(fā)酵過(guò)程內(nèi)在機(jī)理非常復(fù)雜，往往某些發(fā)酵產(chǎn)物的發(fā)酵動(dòng)力學(xué)基礎(chǔ)不清楚，因此建立其機(jī)理模型難度很大，一般采用黑箱建模方法為發(fā)酵過(guò)程建立數(shù)據(jù)驅(qū)動(dòng)的經(jīng)驗(yàn)?zāi)Ｐ汀Ｗ钚《?/p>

2、乘支持向量機(jī)(Least Squares Support Vector Machine，LSSVM)建模具有預(yù)測(cè)精度良好、建模速度快和學(xué)習(xí)能力強(qiáng)等諸多優(yōu)點(diǎn)，但是利用LSSVM建立發(fā)酵過(guò)程模型時(shí)，我們發(fā)現(xiàn)如下問(wèn)題:1、發(fā)酵過(guò)程一般有數(shù)個(gè)階段，最小二乘支持向量機(jī)的全局模型預(yù)測(cè)精度很難保證，算法復(fù)雜;2、由于每個(gè)階段主導(dǎo)變量的值和相關(guān)關(guān)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(guān)系和空間構(gòu)造實(shí)現(xiàn)最優(yōu)化，而

3、學(xué)習(xí)算法模型限于特定的假設(shè)空間，從而導(dǎo)致某些階段的預(yù)測(cè)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(jī)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(lái)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(tái)Pensim進(jìn)行了有效性驗(yàn)證;鑒于引入混合核函數(shù)的最小二乘支持向量機(jī)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(guò)程建模方法;

4、在此基礎(chǔ)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(duì)樣本數(shù)據(jù)聚類，將發(fā)酵過(guò)程分成不同的階段，然后利用HGA優(yōu)化算法為各個(gè)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(guò)程的完整模型，采用此方法為青霉素發(fā)酵過(guò)程建立模型，進(jìn)行了初步有效性驗(yàn)證;最后本文設(shè)計(jì)了工程菌發(fā)酵工藝開發(fā)系統(tǒng)，包括數(shù)據(jù)庫(kù)設(shè)計(jì)和界面設(shè)計(jì)，并基于VS2008和SQL Server2