基于改进极限学习机生物发酵软测量建模方法的研究

基于改进极限学习机生物发酵软测量建模方法的研究

ID:34614324

大小:2.10 MB

页数:63页

时间:2019-03-08

基于改进极限学习机生物发酵软测量建模方法的研究_第1页
基于改进极限学习机生物发酵软测量建模方法的研究_第2页
基于改进极限学习机生物发酵软测量建模方法的研究_第3页
基于改进极限学习机生物发酵软测量建模方法的研究_第4页
基于改进极限学习机生物发酵软测量建模方法的研究_第5页
资源描述:

《基于改进极限学习机生物发酵软测量建模方法的研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、江苏大学硕士学位论文摘要微生物的发酵工程是以现代生物技术和生物工程为基础的。生物量浓度是生物发酵过程中的一个重要过程参数,并直接影响到发酵过程的优化与控制、发酵产物产量与质量。为了优化控制整个发酵过程,对生物量参数进行在线实时检测成为现今工作中的一个重点问题。受到经济和技术原因的影响,通常对生物量参数只是采用人工采样,通过离线分析的方式获得。这种方法数据采样周期长、滞后大、采样过程中容易污染发酵液、难以满足实时监测的要求。而软测量技术为解决上述问题的提供了一个有效的途径。本论文以红霉素发酵过程为研究对象,将极限学

2、习机算法引入到软测量建模领域,并针对基于极限学习机的生物发酵过程软测量优化建模进行深入的讨论。首先,针对传统极限学习机算法存在的不足,通过最小二乘法和误差反馈原理确定最优的网络输入层到隐含层的学习参数,再通过双对角化方法优化网络输出权值,解决了输出矩阵的病态问题,并以此提出了基于改进双对角化极限学习机的生物发酵软测量建模方法。其次,针对生物发酵软测量模型构建完成后缺乏较强的过程变化跟踪能力,通过递推最小二乘算法用模型参数和新数据来修正模型,同时结合遗忘因子使模型在不完全遗忘旧信息的基础上适应过程的新变化,提出了基

3、于改进递推极限学习机的软测量建模方法。最后,采用红霉素发酵过程数据,分别对基于改进双对角化极限学习机和基于改进递推极限学习机的生物发酵软测量建模方法进行实验仿真,并与基于人工神经网络的软测量建模方法进行对比研究,验证新方法所建软测量模型的有效性和优越性。关键词。发酵过程,软测量,极限学习机,双对角化,递推最小二乘法江苏大学硕士学位论文ABSTRACTMicrobialf.ementationengineeringisthebasisofbio-engineering锄dmodembiotecllllology.T

4、hebiom嬲sconcentrationisanimponantprocesspaurarneterintlle佗mentationprocess,whichdirectlyafrectmeoptimizationofthefenIlentationprocess,andthequali够oftheoutput.Inordert0optimizetllecontr0Iofthef.e咖entationprocess,onlineme嬲urementofsomekeybiom2ussparamete璐isve叫i

5、mport锄t.HoweVer'duet0economicandtechnicalconstraints,on.1inemeaSurementofsomekeybiomaSsp妣吼eterSusingartificialsanlplesobtajnedbyomineanalysisisdi衔cult.O昏line锄alysisbymanualsanlplingmethodisusedcommonly’whichisdimculttomeettherequirementsofreal-timemon“oringan

6、doptimization.ThesoRsensingtechnologyproVides锄effectiVewaytosolvetheprobIem.Thispaperstudiesont量leer”11romycinfementationproce豁.Withthebriefanalysisofdomesticandintemational陀searchstatusofthesoRsensingmodelmethod,Ⅱ1eextremeleamingmachine(ELM)isintroducedintot

7、llefieldofsoRsensingmodel,柚dthemwSoRsensingmodelmethodbaSedonELMisdiscussedin-depm.AtfirSt,fortIledefectsoftraditionalELM,thele舔tsquaresmethodwascombined埘tlltheELMmethodt0calculatetheoptimaIlearningpar锄ete陷.Andthe仃aininge舯rw觞吣ed舔feedbackinputtoimproVethepredi

8、ction粕dstabilityofELM.TheLanczosbidiagonalization(LBD)w嬲uSedt0calculatetheoutput、№ightst0fnherimpr0VetIlestabilit),oft11emodel,andtheproposedmodelingmethodb嬲edonimpr0Vedl锄czosbidiagonaliz

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。