APP下载

基于贝叶斯LS-SVM的海洋生物酶发酵过程软测量建模

2014-03-22黄永红宋心雷

仪表技术与传感器 2014年8期
关键词:测量优化模型

黄永红,宋心雷

(江苏大学电气信息工程学院,机械工业设施农业测控技术与装备重点实验室,江苏镇江 212013)

0 引言

海洋蛋白酶是海洋生物发酵所得的一种新型酶制剂,它菌种稳定,产酶能力强,广泛用于洗涤、纺织、制革、环保、食品、生物工程等领域。海洋蛋白酶以其独有的耐压、耐碱、耐盐、耐冷等特性,成为近年来研究的热点[1]。但是海洋蛋白酶发酵过程是一个复杂的非线性过程,对于其中的一些关键生物参数(如基质浓度、菌体浓度等)目前还很难实时在线测量,采用软测量技术是解决上述问题的有效途径[2]。

软测量建模是软测量技术的核心问题。目前常用的软测量建模方法主要包括:机理建模、回归分析、模式识别、人工神经网络、模糊数学、支持向量机等。

支持向量机(Support vector machine,SVM)是近几年来应用于建模的一种新方法。它是建立在统计学习理论和结构风险最小原理基础上的一种机器学习方法[3-5]。最小二乘支持向量机(Least squares support vector machine,LS-SVM)是SVM的一种改进,它将SVM解二次规划问题转化为求解线性方程组问题,提高了求解问题的速度和收敛精度,解决了小样本、非线性、高维数等问题[6]。但是,在LS-SVM建模中,正规化参数和核参数是必须优化的参数,它们的取值将直接影响着模型的训练和泛化性能。常用的参数优化方法有交叉验证法、遗传算法等。其中交叉验证法和遗传算法计算量大且可能陷入局部最优[7-8]。因此,文中提出一种贝叶斯LS-SVM软测量建模方法,即利用贝叶斯准则(即贝叶斯证据框架准则)对LS-SVM建模中的参数进行优化选取。……

登录APP查看全文

猜你喜欢

测量优化模型
一半模型
超限高层建筑结构设计与优化思考
民用建筑防烟排烟设计优化探讨
关于优化消防安全告知承诺的一些思考
一道优化题的几何解法
重尾非线性自回归模型自加权M-估计的渐近分布
3D打印中的模型分割与打包
测量