基于 FCM 与集成高斯过程回归的赖氨酸发酵软测量

摘要：

为解决赖氨酸发酵过程中菌体浓度难以在线检测的难题，提出一种基于模糊C均值聚类（ FCM）与集成高斯过程回归（ GPR）的软测量建模方法。针对典型生物发酵过程可分为延滞期、指数生长期、稳定期、死亡期4个反应周期的特点，采用模糊C均值聚类算法对样本集进行聚类分析以形成若干子样本集；对每个子样本集分别采用高斯过程回归训练时，为提高GPR模型的泛化能力，利用Adaboost 算法提升GPR模型，分别在各子集建立集成GPR软测量子模型；采用欧氏距离计算新样本点对应于每一子模型的隶属度；加权求和获得最终的软测量模型的预测输出。基于氨基酸类典型菌种L－赖氨酸反应过程菌体浓度参数预测的试验研究表明：与全局单一GPR模型、集成GPR模型和基于FCM与多GPR模型相比，所建立的基于FCM与集成GPR软测量模型拟合精度高，泛化能力强，较好地满足了赖氨酸发酵过程的控制要求。

关键词：高斯过程回归(GPR)、模糊C均值聚类(FCM)、Adaboost算法、L-赖氨酸、软测量、欧氏距离、隶属度、加权求和

分类号：TP274(自动化技术及设备)

资助基金：国家863计划资助项目2011AA09070301；江苏高校建设优势学科工程资助项目苏政办发[2011]6号；江苏省科技支撑计划资助项目 BE2010354；江苏省自然科学基金资助项目 BK2011465．

在线出版日期：2015-03-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：156-162