一種基于多核支持向量機的發(fā)酵過程動態(tài)預測方法
【專利摘要】一種基于多核支持向量機的發(fā)酵過程動態(tài)預測方法，既屬于生物發(fā)酵領域，又屬于信息科學領域，具體涉及在發(fā)酵過程中應用改進的支持向量機建立發(fā)酵過程模型預測生物狀態(tài)參數(shù)的方法。具體步驟包括：從歷史批次數(shù)據(jù)庫中搜索與當前時間窗內(nèi)數(shù)據(jù)最相似的數(shù)據(jù)，組成相似訓練樣本集，利用建立的相似訓練樣本集，運用支持向量機算法，建立當前批次當前時刻的局部訓練模型。同時，構(gòu)造多核函數(shù)來處理不同階段的樣本建立局部模型。本發(fā)明實現(xiàn)了發(fā)酵過程生物狀態(tài)參數(shù)的及時準確的測量，省去了對發(fā)酵過程分階段然后進行建模的麻煩，具有樣本需求量小，預測準確且時間短的優(yōu)點，對實現(xiàn)發(fā)酵過程的控制和優(yōu)化控制有重要意義。
【專利說明】一種基于多核支持向量機的發(fā)酵過程動態(tài)預測方法
【技術(shù)領域】
[0001]本發(fā)明既屬于生物發(fā)酵領域，又屬于信息科學領域，具體涉及在發(fā)酵過程中應用改進的支持向量機建立發(fā)酵過程模型預測生物化學參數(shù)的方法。
【背景技術(shù)】
[0002]發(fā)酵工程，是指采用現(xiàn)代工程技術(shù)手段，利用微生物的某些特定功能，為人類生產(chǎn)有用的產(chǎn)品，或直接把微生物應用于工業(yè)生產(chǎn)過程的一種新技術(shù)，是生物技術(shù)的重要組成部分，是生物技術(shù)產(chǎn)業(yè)化的重要環(huán)節(jié)?，F(xiàn)代發(fā)酵技術(shù)日益成為全球經(jīng)濟的重要組成部分。國家發(fā)改委、工信部發(fā)布的《食品工業(yè)"十二五"發(fā)展規(guī)劃》預期，到2015年，發(fā)酵工業(yè)總產(chǎn)值達4600億元以上，年均增長率達15%以上。生物技術(shù)、藥物在《醫(yī)藥工業(yè)“十二五”發(fā)展規(guī)劃》中也被確定為發(fā)展的重點領域。而據(jù)有關(guān)資料統(tǒng)計，在有些發(fā)達國家中，發(fā)酵工業(yè)的產(chǎn)值已經(jīng)占國民生產(chǎn)總值的5%。在醫(yī)藥產(chǎn)品中，發(fā)酵產(chǎn)品占有特別重要的地位，其產(chǎn)值占醫(yī)藥工業(yè)總產(chǎn)值的20%，通過發(fā)酵生產(chǎn)的抗生素就達200多個品種。可見，發(fā)酵工業(yè)在與人們生活密切相關(guān)的醫(yī)藥、食品、化工、冶金、資源、能源、健康、環(huán)境等領域中，都有著難以估量的社會和經(jīng)濟效益。
[0003]隨著發(fā)酵行業(yè)工業(yè)化進程的迅速推進與發(fā)展，對發(fā)酵過程進行控制和動態(tài)優(yōu)化的要求也越來越迫切，而控制與優(yōu)化的基礎則是要首先解決發(fā)酵過程有關(guān)參數(shù)的在線檢測問題。而發(fā)酵過程是一個復雜過程，具有時變、非線性、不確定、多變量耦合等特性，人類尚未完全弄清楚它的機理。一般的發(fā)酵過程需要測量的狀態(tài)參數(shù)可分為物理參數(shù)、化學參數(shù)和生物參數(shù)。目前，物理參數(shù)一般可以通過傳感器在線獲得，而絕大部分化學參數(shù)和生物參數(shù)的測量則成了難以解決的問題。
[0004]針對生物化學參數(shù)的測量問題，沿襲傳統(tǒng)的檢測技術(shù)發(fā)展思路，主要是通過研制新型的在線分析儀表，以硬件形式實現(xiàn)過程參數(shù)的在線測量。但是在線分析儀表不僅價格昂貴，而且維護保養(yǎng)復雜，并且現(xiàn)有的在線生物傳感器的測量精度難以保證，生物參數(shù)值主要通過離線分析得到，這往往存在較大的滯后，無法及時反饋控制信息。所以對于生物參數(shù)的控制，目前基本上都是憑借人類的實踐經(jīng)驗進行手動控制，但是由于大多數(shù)的微生物發(fā)酵過程都比較復雜，單純地依靠人們的實踐經(jīng)驗會帶來生產(chǎn)效率低和生產(chǎn)成本高的問題，無法達到提高生產(chǎn)率的需求。由此可見，針對發(fā)酵過程，首先要解決的問題就是建立一個發(fā)酵過程模型，通過所建立的模型可以估計一些不能在線測量的生物化學參數(shù)，如菌體濃度、產(chǎn)物濃度和基質(zhì)濃度。然后既可以通過所建立的發(fā)酵模型對生物化學參數(shù)進行實時控制，也可以實現(xiàn)發(fā)酵過程的優(yōu)化控制。優(yōu)化控制是指基于數(shù)學模型通過優(yōu)化算法尋優(yōu)得到適合大批量生產(chǎn)的最優(yōu)發(fā)酵工藝，并對生產(chǎn)過程進行控制，能夠促進發(fā)酵過程的研發(fā)工作和產(chǎn)業(yè)化生產(chǎn)，最終可以提高產(chǎn)物的產(chǎn)量。然而由于發(fā)酵過程各批次數(shù)據(jù)間的差異性和不確定性，現(xiàn)在發(fā)酵過程中大多建模方式是離線和預先建模，不可避免地存在生產(chǎn)條件一旦改變，原有模型可能無法適應新環(huán)境的情況。而且在對發(fā)酵產(chǎn)物的穩(wěn)定性與一致性要求越來越高的今天，基于模型的控制方法大量運用，而影響控制效果的一個重要方面就是模型的精確程度，所以研究建立精確的發(fā)酵過程的動態(tài)模型預測生物化學參數(shù)對實現(xiàn)發(fā)酵過程的控制和優(yōu)化控制有重要意義。

【發(fā)明內(nèi)容】

[0005]本發(fā)明針對上述現(xiàn)有技術(shù)中存在的問題，提出了一種基于多核支持向量機建立發(fā)酵過程動態(tài)模型的方法來實現(xiàn)生物化學參數(shù)的準確預測。而發(fā)酵過程模型的動態(tài)性通過建立發(fā)酵過程動態(tài)樣本集的方法來實現(xiàn)，克服了發(fā)酵過程各批次之間差異巨大造成的生產(chǎn)條件一旦改變，原有模型無法適應新環(huán)境的問題；同時，通過構(gòu)造多核函數(shù)來適應發(fā)酵過程多階段特點，省去了對發(fā)酵過程分階段建模的麻煩。
[0006]本發(fā)明采用了如下的技術(shù)方案和實現(xiàn)步驟:
[0007]步驟(1):定義發(fā)酵過程樣本點表示形式:
[0008]將發(fā)酵過程中在線可測量的參數(shù)和在線不可測量的待預測的參數(shù)組合成發(fā)酵過程的樣本，具體的樣本點表示形式如下:
[0009]T = (x1； X2,..., xn;y)①
[0010]其中，X1, X2, , Xn表示發(fā)酵過程中在線可測量的η個參數(shù)，y表示發(fā)酵過程中在線不可測量的待預測的參數(shù)；
[0011]步驟(2):構(gòu)造歷史批次數(shù)據(jù)庫:離線測試，得到同一發(fā)酵過程相同工藝下的R+1批次數(shù)據(jù)，選擇其中的任一批次數(shù)據(jù)作為當前批次數(shù)據(jù)，其余的R批次數(shù)據(jù)作為歷史批次數(shù)據(jù)，其中第r批次k時刻歷史數(shù)據(jù)表示如下:
[0012]T: (k) = (X；, (k),Xr2 (k),...,xljk): Vr (/c+ 1)) = (X'r{k):yr (k +1))②
[0013]其中，r= 1，2，...，!?，R為歷史批次總數(shù)；k= 1，2，…，N，N為每一批次的樣本點總數(shù)；
[0014]對歷史數(shù)據(jù)進行歸一化處理，歸一化公式如下所示:
【權(quán)利要求】
1.一種基于多核支持向量機的發(fā)酵過程動態(tài)預測方法，其特征在于包含以下步驟: 步驟(1):定義發(fā)酵過程樣本點表示形式: 將發(fā)酵過程中在線可測量的參數(shù)和在線不可測量的待預測的參數(shù)組合成發(fā)酵過程的樣本，具體的樣本點表示形式如下:
【文檔編號】G06F17/50GK103617316SQ201310590666
【公開日】2014年3月5日 申請日期:2013年11月21日 優(yōu)先權(quán)日:2013年11月21日
【發(fā)明者】高學金, 耿凌霄, 王普, 李亞芬 申請人:北京工業(yè)大學