信息技术
信息技術
신식기술
INFORMATION TECHNOLOGY
2014年
12期
75-80
,共6页
嵇小辅%张翔%朱剑祥%董秋爽
嵇小輔%張翔%硃劍祥%董鞦爽
혜소보%장상%주검상%동추상
高斯过程回归(GPR)%基函数%软测量%支持向量机(SVM)%L-赖氨酸
高斯過程迴歸(GPR)%基函數%軟測量%支持嚮量機(SVM)%L-賴氨痠
고사과정회귀(GPR)%기함수%연측량%지지향량궤(SVM)%L-뢰안산
Gaussian%process%regression%base%function%soft%sensor%support%vector%machine%L-lysine
针对生物反应过程中许多关键参量难以在线检测的难题,提出了一种改进的高斯过程回归建模方法.由于传统高斯过程的均值函数不易确定,从而简单预置为零,导致模型对数据的解释性不够完全的缺点.改进的方法是利用一种组合基函数来确定高斯过程回归模型的一个非零均值函数,基函数的选取是通过高斯过程建立多项式回归噪声模型的方式推导而出,最后进行软测量模型的预测输出.基于氨基酸类典型菌种L-赖氨酸反应过程关键生物量参数预测的试验研究表明:与传统的高斯过程回归模型和支持向量机相比,改进的高斯过程回归模型具有更好的预测精度和泛化能力,能很好的跟踪预测值的变化趋势.
針對生物反應過程中許多關鍵參量難以在線檢測的難題,提齣瞭一種改進的高斯過程迴歸建模方法.由于傳統高斯過程的均值函數不易確定,從而簡單預置為零,導緻模型對數據的解釋性不夠完全的缺點.改進的方法是利用一種組閤基函數來確定高斯過程迴歸模型的一箇非零均值函數,基函數的選取是通過高斯過程建立多項式迴歸譟聲模型的方式推導而齣,最後進行軟測量模型的預測輸齣.基于氨基痠類典型菌種L-賴氨痠反應過程關鍵生物量參數預測的試驗研究錶明:與傳統的高斯過程迴歸模型和支持嚮量機相比,改進的高斯過程迴歸模型具有更好的預測精度和汎化能力,能很好的跟蹤預測值的變化趨勢.
침대생물반응과정중허다관건삼량난이재선검측적난제,제출료일충개진적고사과정회귀건모방법.유우전통고사과정적균치함수불역학정,종이간단예치위령,도치모형대수거적해석성불구완전적결점.개진적방법시이용일충조합기함수래학정고사과정회귀모형적일개비령균치함수,기함수적선취시통과고사과정건립다항식회귀조성모형적방식추도이출,최후진행연측량모형적예측수출.기우안기산류전형균충L-뢰안산반응과정관건생물량삼수예측적시험연구표명:여전통적고사과정회귀모형화지지향량궤상비,개진적고사과정회귀모형구유경호적예측정도화범화능력,능흔호적근종예측치적변화추세.