基于粒子群算法和支持向量機的發(fā)酵過程建模與優(yōu)化研究.pdf

1、隨著生物技術(shù)的快速發(fā)展，微生物發(fā)酵在國民經(jīng)濟中的地位越來越重要。但由于發(fā)酵過程具有高度的非線性、時變性和不確定性，關(guān)鍵變量難以實現(xiàn)在線測量，從而導(dǎo)致發(fā)酵過程的優(yōu)化控制異常困難，而采用軟測量技術(shù)對發(fā)酵過程進行建模預(yù)測則是解決此問題的出路之一。青霉素發(fā)酵過程是眾多微生物發(fā)酵中較典型的一個生產(chǎn)過程，因此對青霉素發(fā)酵過程進行建模與優(yōu)化控制的研究有著實際的應(yīng)用價值。 目前比較多的用于微生物發(fā)酵過程建模與預(yù)測的方法是基于神經(jīng)網(wǎng)絡(luò)的建模方法，

2、但由于它是基于經(jīng)驗風(fēng)險最小化原則，因此容易產(chǎn)生過度學(xué)習(xí)、局部最小等缺點，以致模型推廣能力不好，從而影響預(yù)測精度。而基于結(jié)構(gòu)風(fēng)險最小化原則的支持向量機方法具有小樣本學(xué)習(xí)能力強、泛化能力強、預(yù)測誤差小、高維數(shù)據(jù)處理能力強等特點。 因此針對微生物發(fā)酵過程的建模問題，本文采用基于支持向量機理論的建模方法對青霉素發(fā)酵過程建立預(yù)測模型，與基于神經(jīng)網(wǎng)絡(luò)的預(yù)測模型相比較，仿真結(jié)果顯示支持向量機模型具有較好的預(yù)測效果。但由于支持向量機建模過程中的