信息技术
信息技術
신식기술
Information Technology
2015年
11期
105-108
,共4页
自适应提升法(Adaboost)%核主元回归(KPCR)%赖氨酸
自適應提升法(Adaboost)%覈主元迴歸(KPCR)%賴氨痠
자괄응제승법(Adaboost)%핵주원회귀(KPCR)%뢰안산
Adaboost%KPCR%lysine
针对赖氨酸发酵过程中关键生物参数(菌体浓度、基质浓度、产物浓度)难以在线测量的问题,提出一种基于自适应提升法(Adaboost)与核主元回归(KPCR)的软测量建模方法.利用Adaboost算法具有将弱学习算法提升为强学习算法的性能,将其引人KPCR中,提升KPCR模型.以氨基酸典型菌种赖氨酸发酵过程为研究对象,采用基于Adaboost算法与KPCR的软测量模型进行预测仿真,仿真结果表明该模型能够对赖氨酸发酵过程的三个关键生物参数进行较准确的预测,与单一的KPCR模型相比,泛化能力强,预测精度高.
針對賴氨痠髮酵過程中關鍵生物參數(菌體濃度、基質濃度、產物濃度)難以在線測量的問題,提齣一種基于自適應提升法(Adaboost)與覈主元迴歸(KPCR)的軟測量建模方法.利用Adaboost算法具有將弱學習算法提升為彊學習算法的性能,將其引人KPCR中,提升KPCR模型.以氨基痠典型菌種賴氨痠髮酵過程為研究對象,採用基于Adaboost算法與KPCR的軟測量模型進行預測倣真,倣真結果錶明該模型能夠對賴氨痠髮酵過程的三箇關鍵生物參數進行較準確的預測,與單一的KPCR模型相比,汎化能力彊,預測精度高.
침대뢰안산발효과정중관건생물삼수(균체농도、기질농도、산물농도)난이재선측량적문제,제출일충기우자괄응제승법(Adaboost)여핵주원회귀(KPCR)적연측량건모방법.이용Adaboost산법구유장약학습산법제승위강학습산법적성능,장기인인KPCR중,제승KPCR모형.이안기산전형균충뢰안산발효과정위연구대상,채용기우Adaboost산법여KPCR적연측량모형진행예측방진,방진결과표명해모형능구대뢰안산발효과정적삼개관건생물삼수진행교준학적예측,여단일적KPCR모형상비,범화능력강,예측정도고.