测控技术
測控技術
측공기술
Measurement & Control Technology
2015年
11期
127-129
,共3页
脂肪酶%软测量模型%加权%最小二乘支持向量机%贝叶斯
脂肪酶%軟測量模型%加權%最小二乘支持嚮量機%貝葉斯
지방매%연측량모형%가권%최소이승지지향량궤%패협사
lipase%soft sensor model%weighted%least squares support vector machine%Bayesian
针对海洋微生物低温碱性脂肪酶发酵过程中的关键生物参数(如菌体浓度、葡萄糖浓度等)难以在线检测,提出了一种基于贝叶斯证据框架下的加权最小二乘支持向量机(WLS-SVM)的建模方法.首先,对生物参数进行非线性建模分析,确定软测量模型的辅助变量.然后,应用训练样本集对最小二乘支持向量机进行训练,训练过程中运用贝叶斯证据框架下的三层推断确定模型的最优权向量、最优正则化参数、最优核参数.为了提高模型的鲁棒性,根据误差变量确定权重系数,建立了在发酵过程中可准确预测生物参数的WLS-SVM模型.试验仿真中与传统最小二乘支持向量机模型进行对比,结果表明,基于贝叶斯证据框架下的加权最小二乘支持向量机模型具有计算速度快、泛化能力强、预测精度高等特点.
針對海洋微生物低溫堿性脂肪酶髮酵過程中的關鍵生物參數(如菌體濃度、葡萄糖濃度等)難以在線檢測,提齣瞭一種基于貝葉斯證據框架下的加權最小二乘支持嚮量機(WLS-SVM)的建模方法.首先,對生物參數進行非線性建模分析,確定軟測量模型的輔助變量.然後,應用訓練樣本集對最小二乘支持嚮量機進行訓練,訓練過程中運用貝葉斯證據框架下的三層推斷確定模型的最優權嚮量、最優正則化參數、最優覈參數.為瞭提高模型的魯棒性,根據誤差變量確定權重繫數,建立瞭在髮酵過程中可準確預測生物參數的WLS-SVM模型.試驗倣真中與傳統最小二乘支持嚮量機模型進行對比,結果錶明,基于貝葉斯證據框架下的加權最小二乘支持嚮量機模型具有計算速度快、汎化能力彊、預測精度高等特點.
침대해양미생물저온감성지방매발효과정중적관건생물삼수(여균체농도、포도당농도등)난이재선검측,제출료일충기우패협사증거광가하적가권최소이승지지향량궤(WLS-SVM)적건모방법.수선,대생물삼수진행비선성건모분석,학정연측량모형적보조변량.연후,응용훈련양본집대최소이승지지향량궤진행훈련,훈련과정중운용패협사증거광가하적삼층추단학정모형적최우권향량、최우정칙화삼수、최우핵삼수.위료제고모형적로봉성,근거오차변량학정권중계수,건립료재발효과정중가준학예측생물삼수적WLS-SVM모형.시험방진중여전통최소이승지지향량궤모형진행대비,결과표명,기우패협사증거광가하적가권최소이승지지향량궤모형구유계산속도쾌、범화능력강、예측정도고등특점.
