• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于KTA-LSSVM的青霉素發(fā)酵過(guò)程預(yù)測(cè)建模

    2014-07-05 16:05:13豐娟唐勇波彭濤
    化工進(jìn)展 2014年9期
    關(guān)鍵詞:青霉素度量尺度

    豐娟,唐勇波,彭濤

    (1宜春學(xué)院生命科學(xué)與資源環(huán)境學(xué)院,江西 宜春 336000;2宜春學(xué)院物理科學(xué)與工程技術(shù)學(xué)院,江西 宜春 336000;3中南大學(xué)信息科學(xué)與工程學(xué)院,湖南 長(zhǎng)沙 410083)

    基于KTA-LSSVM的青霉素發(fā)酵過(guò)程預(yù)測(cè)建模

    豐娟1,唐勇波2,3,彭濤3

    (1宜春學(xué)院生命科學(xué)與資源環(huán)境學(xué)院,江西 宜春 336000;2宜春學(xué)院物理科學(xué)與工程技術(shù)學(xué)院,江西 宜春 336000;3中南大學(xué)信息科學(xué)與工程學(xué)院,湖南 長(zhǎng)沙 410083)

    為解決青霉素發(fā)酵過(guò)程預(yù)測(cè)建模中存在的輸入變量選擇問(wèn)題,提出了基于核目標(biāo)度量(kernel target alignment,KTA)和最小二乘支持向量機(jī)(least squares support vector machines,LSSVM)的青霉素發(fā)酵過(guò)程預(yù)測(cè)模型。首先,在分析影響青霉素產(chǎn)物濃度相關(guān)因素的基礎(chǔ)上選取輸入變量,采用KTA對(duì)輸入變量進(jìn)行尺度縮放,然后,利用Pensim仿真平臺(tái)數(shù)據(jù),采用混沌粒子群算法對(duì)LSSVM的參數(shù)尋優(yōu),建立青霉素發(fā)酵過(guò)程的KTA-LSSVM預(yù)測(cè)模型。青霉素濃度預(yù)測(cè)的KTA-LSSVM模型均方根誤差為0.0179,LSSVM模型的均方根誤差為0.0276,實(shí)驗(yàn)結(jié)果表明,本文提出的模型預(yù)測(cè)精度高,推廣性能好。

    青霉素發(fā)酵過(guò)程;核目標(biāo)度量;尺度縮放;最小二乘向量機(jī);預(yù)測(cè)

    青霉素發(fā)酵過(guò)程是一典型的生化反應(yīng)過(guò)程,具有嚴(yán)重的非線性、時(shí)變性和不確定性,發(fā)酵過(guò)程機(jī)理復(fù)雜,精確機(jī)理模型往往難以建立,而且目前尚未能實(shí)現(xiàn)對(duì)重要過(guò)程參數(shù)的在線測(cè)量,如青霉素產(chǎn)物濃度等,造成青霉素發(fā)酵過(guò)程的自動(dòng)化水平較低。因此,青霉素發(fā)酵過(guò)程預(yù)測(cè)建模是對(duì)其進(jìn)一步實(shí)施控制和優(yōu)化的前提,具有重要的理論價(jià)值和現(xiàn)實(shí)意義。

    支持向量機(jī)[1](support vector machines,SVM)以其堅(jiān)實(shí)的理論基礎(chǔ)和優(yōu)良的泛化性能,在解決小樣本、非線性、高維模式分類和回歸估計(jì)等問(wèn)題中得到廣泛應(yīng)用。最小二乘支持向量機(jī)[2-5](least squares support vector machines,LSSVM)將SVM的不等式約束以等式約束代替,使求解SVM的凸二次優(yōu)化問(wèn)題轉(zhuǎn)化為解一組線性方程組,降低了計(jì)算復(fù)雜性,加快了求解速度,在青霉素發(fā)酵過(guò)程的預(yù)測(cè)建模中得到了廣泛應(yīng)用,取得較好的效果。然而,劉毅等[3]僅采用溶解氧濃度作為輸入變量;常玉清等[4]采用溶解氧濃度、二氧化碳濃度、發(fā)酵液pH值、發(fā)酵罐溫度等進(jìn)行預(yù)測(cè)建模;劉毅等[5]采用溶解氧濃度、二氧化碳濃度、培養(yǎng)基體積作為輸入變量對(duì)菌體濃度進(jìn)行預(yù)測(cè)。上述文獻(xiàn)均沒(méi)有考慮特征選擇問(wèn)題。

    在分類和回歸估計(jì)問(wèn)題中,不同的特征具有不同的取值區(qū)間,信息量小且數(shù)值大的特征變量將掩蓋或降低信息量大而數(shù)值小的特征變量在分類或回歸估計(jì)中的作用,因此,特征變量需要采用特征尺度縮放來(lái)避免這個(gè)問(wèn)題。從SVM的幾何解釋可以看出,特征尺度縮放會(huì)影響支持向量的選擇,進(jìn)而影響最優(yōu)超平面。Chapelle等[6]從統(tǒng)計(jì)學(xué)習(xí)理論的角度展示了特征尺度縮放在SVM方法中的重要性。Wu等[7]提出了基于核目標(biāo)度量(kernel target alignment,KTA)規(guī)則的特征尺度縮放方法,該方法并不剔除信息量小的特征而是以小尺度保留,這種策略使KTA尺度縮放方法不會(huì)太貪婪。并驗(yàn)證了KTA尺度縮放對(duì)“非稀疏”問(wèn)題的有效性。

    因此,作者利用Pensim仿真平臺(tái)[8],根據(jù)青霉素發(fā)酵過(guò)程的特點(diǎn),選擇影響青霉素產(chǎn)物濃度的相關(guān)因素作為輸入變量,采用KTA方法對(duì)輸入變量進(jìn)行尺度縮放后,利用LSSVM建立青霉素產(chǎn)物濃度的預(yù)測(cè)模型。鑒于LSSVM參數(shù)的選擇對(duì)預(yù)測(cè)精度有較大影響,采用混沌粒子群算法(chaos particle swarm optimization,CPSO)[9-10]對(duì)LSSVM參數(shù)尋優(yōu),并通過(guò)仿真實(shí)驗(yàn)表明KTA-LSSVM建模的有效性。

    1 KTA特征尺度縮放

    KTA規(guī)則最早由Cristianini等[11]提出,用于度量?jī)蓚€(gè)核函數(shù)之間或核函數(shù)與目標(biāo)函數(shù)之間的相似性。KTA特征尺度縮放利用了核目標(biāo)度量的概念。

    設(shè)有數(shù)據(jù)陣X∈Rn×m和目標(biāo)矩陣Y∈Rn×1。

    式中,n為樣本數(shù);m為特征變量數(shù)。

    標(biāo)準(zhǔn)化為最常用的數(shù)據(jù)預(yù)處理方法,它使所有特征具有相同的歐幾里德范數(shù),即

    從尺度縮放的角度看,標(biāo)準(zhǔn)化的尺度縮放因子為式(3)。

    然而,標(biāo)準(zhǔn)化并不總是能提高分類和回歸性能[12]。設(shè)特征向量xj所構(gòu)成的核矩陣Kj為式(4)。

    目標(biāo)核矩陣KL為式(6)。

    Kj與目標(biāo)核矩陣KL之間的KTA度量值為式(7)。

    采用KTA度量值來(lái)衡量由特征變量xj所構(gòu)成的核矩陣Kj與目標(biāo)核矩陣KL間的回歸估計(jì)信息,并使用KTA度量值來(lái)進(jìn)行特征尺度縮放。KTA尺度縮放方法并不剔除少信息量的特征而是以小尺度保留它們,KTA度量值大的特征具有的信息量大,采用大的尺度;KTA度量值小,采用小尺度,即

    采樣KTA尺度縮放策略的尺度縮放因子為

    2 CPSO算法優(yōu)化LSSVM

    2.1 LSSVM算法

    設(shè)有數(shù)據(jù)集{(xi,yi∈Rm×R,xi為m維輸入數(shù)據(jù),yi為一維輸出數(shù)據(jù),通過(guò)非線性變換φ(xi) 將m維輸入空間映射到高維特征空間,采用線性函數(shù)f(x)=wφ(x)+b來(lái)擬合,并允許出現(xiàn)擬和誤差。在優(yōu)化目標(biāo)中選擇的損失函數(shù)為誤差ξi的2范數(shù),則LSSVM優(yōu)化問(wèn)題為式(10)。

    其中,J為結(jié)構(gòu)風(fēng)險(xiǎn),C為誤差懲罰參數(shù),ξi為容許誤差,wTw控制模型的推廣能力。引入拉格朗日函數(shù)

    式中,αi為拉格朗日乘子。

    定義核函數(shù)K(xi,xj)=φ(xi)φ(xj),則求解優(yōu)化問(wèn)題(11)可轉(zhuǎn)化為求解線性方程,見(jiàn)式(14)。

    求出ai和b,由此得到LSSVM回歸模型為式(15)。

    核函數(shù)通常采用高斯徑向基核函數(shù)

    式中,σ為徑向基寬度。

    2.2 CPSO優(yōu)化LSSVM參數(shù)

    粒子群優(yōu)化算法[13](particle swarm optimization,PSO)是一種生物進(jìn)化算法,算法原理簡(jiǎn)單且易于實(shí)現(xiàn)、全局收斂。PSO采用速度-位置搜索模型,設(shè)粒子群由l個(gè)粒子構(gòu)成,第i個(gè)粒子在d維解空間的位置為zi=(zi1,zi2,…,zid),速度為vi=(vi1,vi2,…,vid),采用適應(yīng)度函數(shù)fitness(zi)來(lái)衡量粒子位置的優(yōu)劣。個(gè)體極值pBesti為zi所經(jīng)歷的最優(yōu)位置,群體所經(jīng)歷的最優(yōu)位置為全局極值gBest。粒子跟蹤個(gè)體極值、全局極值和前一時(shí)刻的狀態(tài)調(diào)整位置和速度,迭代公式如式(17)、式(18)。

    其中,k為迭代次數(shù);c1和c2為學(xué)習(xí)因子,通常取為2;w為慣性權(quán)重;r1和r2為[0,1]間隨機(jī)數(shù)。

    在迭代中,由于某些粒子出現(xiàn)停滯導(dǎo)致PSO算法早熟現(xiàn)象,且不具備遍歷特性,引入具有遍歷特性的混沌機(jī)制[9],式(19)為混沌變量czi的一種演變算式。

    zi∈(ai,bi)可由式(20)、式(21)與混沌變量czi∈(0,1)且czi?{0.25,0.5,0.75}往返映射。

    LSSVM模型的學(xué)習(xí)精度、泛化能力很大程度上取決于懲罰系數(shù)C、核函數(shù)參數(shù)σ。通常采用交叉驗(yàn)證法求取并不能獲得最優(yōu)解,本文把CPSO優(yōu)化算法引入LSSVM,對(duì)其參數(shù)進(jìn)行優(yōu)化,適應(yīng)度函數(shù)采用均方根誤差ERMSE用于評(píng)價(jià)粒子的性能,見(jiàn)式(22)。

    其中,yi為目標(biāo)值,f(xi)為L(zhǎng)SSVM的輸出值。

    CPSO優(yōu)化LSSVM參數(shù)對(duì)(C,σ)步驟如下。

    (1)輸入訓(xùn)練樣本集和測(cè)試樣本集,設(shè)定迭代次數(shù)k,學(xué)習(xí)因子c1和c2,群體規(guī)模l等CPSO算法參數(shù)。

    (2)隨機(jī)產(chǎn)生各粒子的初始位置和速度zi,vi,對(duì)每一粒子,用訓(xùn)練樣本集建立LSSVM模型,按式(15)計(jì)算測(cè)試樣本的預(yù)測(cè)值,按式(22)計(jì)算適應(yīng)值fitness(zi),pBesti=zi,比較得出gBest。

    (3)zi按式(20)映射為混沌變量czi。

    (4)粒子按式(17-18),計(jì)算速度vi,并調(diào)整至新位置zi,計(jì)算其適應(yīng)值fitness(zi)。

    (5)czi按式(19)作混沌運(yùn)動(dòng)變換為cyi。

    (6)將cyi按式(21)變換,映射為普通變量ui,并計(jì)算其適應(yīng)值fitness(ui)。

    (7)比較fitness(zi),fitness(pBesti),fitness(ui),以其中的最優(yōu)值更新pBesti;比較各fitness(pBesti) 與fitness(gBest),若優(yōu),更新gBest,否則保留原值。

    (8)是否滿足終止條件(預(yù)設(shè)的運(yùn)算精度或迭代次數(shù)),若滿足則終止算法,輸出結(jié)果;不滿足,k=k+1,返回到(3),繼續(xù)運(yùn)行。

    3 KTA-LSSVM的青霉素發(fā)酵過(guò)程建模

    實(shí)驗(yàn)數(shù)據(jù)來(lái)自Pensim仿真平臺(tái),其內(nèi)核采用Birol模型,研究結(jié)果表明該仿真平臺(tái)的實(shí)用性與有效性[8]。在Birol模型中,不僅考慮了攪拌功率、底物流速、溫度、pH值、空氣流量等控制變量對(duì)菌體及青霉素產(chǎn)量的影響,而且把反應(yīng)熱、底物消耗量、二氧化碳、菌體生長(zhǎng)、青霉素產(chǎn)量等因素也全面包含到模型中去,比較全面地反映了青霉素發(fā)酵過(guò)程。

    青霉素發(fā)酵過(guò)程的輸入變量包括空氣流量、攪拌功率、底物流加量、底物溫度、冷熱水流量、酸流量、堿流量;輸出變量包括培養(yǎng)基體積、發(fā)酵罐溫度、反應(yīng)熱、發(fā)酵罐pH值、溶解氧濃度、二氧化碳濃度、底物濃度、菌體濃度、產(chǎn)物濃度。底物濃度、菌體濃度、產(chǎn)物濃度由于檢測(cè)手段的局限性,目前在實(shí)際生產(chǎn)中未能進(jìn)行在線測(cè)量,其中最為關(guān)注的是產(chǎn)物濃度,因此利用KTA-LSSVM方法建立青霉素發(fā)酵過(guò)程產(chǎn)物濃度在線預(yù)測(cè)模型。從控制的角度看,被控變量包括發(fā)酵罐的pH值和溫度,分別操作控制變量酸流量、堿流量和冷熱水流量進(jìn)行恒值控制,但仍在恒值附近上下波動(dòng),對(duì)青霉素發(fā)酵過(guò)程產(chǎn)生影響,而且,底物的添加也會(huì)影響發(fā)酵罐的pH值和溫度。劉毅等[3]和熊偉麗等[14]都沒(méi)有考慮發(fā)酵罐的pH值和溫度的變化對(duì)發(fā)酵過(guò)程建模的影響。二氧化碳濃度、溶解氧濃度、反應(yīng)熱和培養(yǎng)基體積在很大程度上反映了發(fā)酵的進(jìn)程,但反應(yīng)熱和培養(yǎng)基體積對(duì)發(fā)酵過(guò)程的影響沒(méi)有溶解氧濃度和二氧化碳濃度明顯[15]??諝饬髁亢蛿嚢韫β蕦?duì)溶解氧濃度和二氧化碳濃度都會(huì)有影響,進(jìn)而影響發(fā)酵過(guò)程。

    因此,影響青霉素產(chǎn)物濃度的因素有空氣流量、攪拌功率、底物流加量、底物溫度、溶解氧濃度、培養(yǎng)基體積、二氧化碳濃度、發(fā)酵罐pH值、發(fā)酵罐溫度、反應(yīng)熱、冷熱水流量、酸流量、堿流量,依次記為x1,x2,…,x13。選擇x1,x2,…,x13作為青霉素產(chǎn)物濃度KTA-SVM預(yù)測(cè)模型的輸入變量,結(jié)合第1、2節(jié)所述方法,KTA-LSSVM建模步驟如下。

    (1)輸入訓(xùn)練樣本集和測(cè)試樣本集,選擇x1,x2, …,x13為輸入變量,青霉素產(chǎn)物濃度y為目標(biāo)變量。

    (2)計(jì)算各輸入變量所構(gòu)成的核矩陣Kj和目標(biāo)核矩陣KL,j=1,2,…,13,n為樣本數(shù)。

    (3)計(jì)算Kj與KL的KTA度量值

    (4)計(jì)算各輸入變量的尺度縮放因子jμ

    (5)對(duì)各輸入變量進(jìn)行尺度縮放,得

    (6)重新構(gòu)造訓(xùn)練樣本集和測(cè)試樣本集,采用CPSO優(yōu)化LSSVM參數(shù)對(duì)(C,σ)。

    (7)利用訓(xùn)練樣本集,建立LSSVM回歸模型。

    (8)輸入測(cè)試樣本集,求得預(yù)測(cè)值。

    4 實(shí)例結(jié)果分析

    Pensim的設(shè)定值與初始條件如Birol等[8]所述。選擇每批次的反應(yīng)時(shí)間為默認(rèn)的400h,每隔1h采樣1次,每批次得到400個(gè)樣本,共選取5批次數(shù)據(jù),其中4批次作為訓(xùn)練樣本,1批次作為測(cè)試樣本。預(yù)測(cè)結(jié)果采用平均絕對(duì)誤差EMAE和均方根誤差ERMSE作為性能指標(biāo)來(lái)評(píng)價(jià)模型的預(yù)測(cè)能力,均方根誤差見(jiàn)公式(22),EMAE的計(jì)算式為式(23)。

    將本方法簡(jiǎn)記為KTA-CPSO-LSSVM,與劉毅等[3]僅采用x5,常玉清等[4]采用x5,x7,x8,x9,標(biāo)準(zhǔn)化x1,x2, …,x13作為輸入變量的LSSVM模型,分別記為L(zhǎng)SSVM1、LSSVM2和LSSVM3,以及KTA尺度縮放x1,x2,…,x13的LSSVM模型(記為KTA-LSSVM)進(jìn)行比較,LSSVM參數(shù)采用交叉驗(yàn)證法選取,即C,σ∈{2-3,2-2,···,212}。圖1為這5種方法的青霉素產(chǎn)物濃度預(yù)測(cè)結(jié)果,表1為本方法在采樣時(shí)間56~65h的部分青霉素產(chǎn)物濃度的部分預(yù)測(cè)結(jié)果,由表1可見(jiàn),考慮了影響青霉素發(fā)酵過(guò)程的各種參數(shù),并采用KTA進(jìn)行尺度縮放,不同的參數(shù)賦予不同的權(quán)值,在青霉素的生長(zhǎng)時(shí)期,KTACPSO-LSSVM可以很好地跟蹤青霉素濃度的發(fā)展變化趨勢(shì),平均絕對(duì)誤差為0.0025,滿足在線測(cè)量的需要。

    圖1 青霉素預(yù)測(cè)結(jié)果

    表2 模型預(yù)測(cè)性能的比較

    圖2 青霉素預(yù)測(cè)誤差曲線

    表1 本方法的青霉素濃度部分預(yù)測(cè)結(jié)果

    各種模型預(yù)測(cè)結(jié)果的性能指標(biāo)如表2所示。由圖1和表2可以看出,LSSVM1和LSSVM2由于采用較少的輸入變量,不能全面的反應(yīng)青霉素發(fā)酵過(guò)程,預(yù)測(cè)結(jié)果差,其EMAE和ERMSE均大于0.0500。LSSVM3、KTA-LSSVM、KTA-CPSO-LSSVM這3種方法全面考慮了影響青霉素發(fā)酵過(guò)程的因素,模型能較好地跟蹤青霉素的發(fā)酵過(guò)程,EMAE和ERMSE均小于0.0300,預(yù)測(cè)結(jié)果比較理想。為更好地觀測(cè)和比較LSSVM3、KTA-LSSVM、KTA-CPSOLSSVM這3種方法的預(yù)測(cè)性能,圖2給出了這3種方法的預(yù)測(cè)誤差 (實(shí)際值與預(yù)測(cè)值的差值)。比較KTA-LSSVM和LSSVM3,由于采用了KTA特征尺度縮放方法,用KTA度量值來(lái)衡量各輸入變量與目標(biāo)變量的回歸估計(jì)信息,對(duì)信息量大的特征選擇大尺度,信息量小的特征選擇小尺度,KTALSSVM預(yù)測(cè)模型的EMAE和ERMSE分別為0.0176、0.0210,比LSSVM3分別降低了19.27%、23.91%。KTA-CPSO-LSSVM采用CPSO算法對(duì)LSSVM參數(shù)優(yōu)化,KTA-CPSO-LSSVM的EMAE、ERMSE分別為0.0145、0.0179,比KTA-LSSVM分別降低了17.61%、14.76%,比LSSVM3分別降低了33.49% 、35.14%,而且從圖2看,LSSVM3具有最大的預(yù)測(cè)誤差,表明KTA-CPSO- LSSVM建模具有較高的預(yù)測(cè)精度和泛化能力。

    另一方面,以互信息[16]來(lái)表征變量間的相關(guān)性,計(jì)算輸入變量x1,x2,…,x13與目標(biāo)變量的互信息依次為[8.1129,8.1067,7.3338,4.4163,7.0513,9.2039,10.0340,7.0281,1.3074,10.1630,10.0460,0.5956,1.4531] bit??梢钥闯觯バ畔⑤^大(大于7bit)的變量有9個(gè),即信息量大的變量占輸入變量集的比例大,預(yù)測(cè)屬于“非稀疏”問(wèn)題。實(shí)驗(yàn)結(jié)果也驗(yàn)證了KTA特征尺度縮放方法對(duì)于“非稀疏”問(wèn)題的有效性。

    5 結(jié) 論

    在分析影響青霉素發(fā)酵過(guò)程因素的基礎(chǔ)上,采用核目標(biāo)度量規(guī)則的特征尺度縮放方法對(duì)輸入變量進(jìn)行尺度縮放,有效地解決了輸入變量選擇問(wèn)題,利用Pensim仿真平臺(tái)數(shù)據(jù),采用混沌粒子群算法對(duì)最小二乘支持向量機(jī)的參數(shù)尋優(yōu),建立了青霉素發(fā)酵過(guò)程預(yù)測(cè)模型。實(shí)驗(yàn)表明,本預(yù)測(cè)模型的均方根誤差和平均絕對(duì)誤差分別為0.0179、0.0145,低于LSSVM達(dá)30%以上,從而表明本預(yù)測(cè)模型具有較高的預(yù)測(cè)精度和泛化能力。

    [1] Vapnik V N. An overview of statistical learning theory[J].IEEE Transactions on Neural Networks,1999,10(5):988-999.

    [2] 周云龍,張全厚,鄧艷秋. 基于PSO 優(yōu)化LS-SVM 的氣液兩相流干度軟測(cè)量[J]. 化工進(jìn)展,2013,32(2):295-298.

    [3] 劉毅,王海清. 采用最小二乘支持向量機(jī)的青霉素發(fā)酵過(guò)程建模研究[J]. 生物工程學(xué)報(bào),2006,22(1):144-149.

    [4] 常玉清,鄒偉,王福利,等. 基于支持向量機(jī)的軟測(cè)量方法研究[J]. 控制與決策,2005,20(11):1307-1310.

    [5] 劉毅,王海清,李平. 局部最小二乘支持向量機(jī)回歸在線建模方法及其在間歇過(guò)程的應(yīng)用[J]. 化工學(xué)報(bào),2007,58(11):2846-2851.

    [6] Chapelle O,Vapnik V,Bousquet O,et al. Choosing multiple parameters for support vector machines[J].Machine Learning,2002,46:131-159.

    [7] Wu Z P,Zhang X G. Feature rescaling of support vector machines[J].Tsinghua Science and Technology,2011,16(4):414-421.

    [8] Birol G,Undey C,Cinar A. A modular simulation package for fed-batch fermentation:Penicillin production[J].Computers and Chemical Engineering,2002,26(11):1553-1565.

    [9] Yang D X,Li G,Cheng G D. On the efficiency of chaos optimization algorithms for global optimization[J].Chaos,Solitons and Fractals,2007,34(4):1366-1375.

    [10] 唐勇波,桂衛(wèi)華,彭濤. 代價(jià)敏感核主元分析及其在故障診斷中的應(yīng)用[J]. 中南大學(xué)學(xué)報(bào):自然科學(xué)版,2013,44(6):2324-2330.

    [11] Cristianini N,Shawe T J,Elisseeff A,et al. On kernel-target alignment[J].Advances in Neural Information Processing Systems,2002,14:367-373.

    [12] Graf A B A,Smola A J,Borer S. Classification in a normalized feature space using support vector machines[J].IEEE Transactions on Neural Networks,2003,14(3):597-605.

    [13] Kennedy J,Eberhart R C,Shi Y. Swarm Intelligence[M]. San Francisco:Morgan Kaufman Publishers,2006.

    [14] 熊偉麗,王肖,陳敏芳,等. 基于加權(quán)LS-SVM的青霉素發(fā)酵過(guò)程建模[J]. 化工學(xué)報(bào),2012,63(9):2913-2919.

    [15] 劉毅,王海清. Pensim仿真平臺(tái)在青霉素發(fā)酵過(guò)程的應(yīng)用研究[J].系統(tǒng)仿真學(xué)報(bào),2006,18(12):3524-3527.

    [16] 唐勇波,桂衛(wèi)華,彭濤,等. 基于互信息變量選擇的油中溶解氣體濃度預(yù)測(cè)[J]. 儀器儀表學(xué)報(bào),2013,34(7):1492-1498.

    Prediction model of penicillin fed-batch fermentation based on KTA-LSSVM

    FENG Juan1,TANG Yongbo2,3,PENG Tao3
    (1School of Life Science and Environment,Yichun University,Yichun 336000,Jiangxi,China;2School of Physical Science and Engineering,Yichun University,Yichun 336000,Jiangxi,China;3School of Information Science and Engineering,Central South University,Changsha 410083,Hunan,China)

    A new prediction method of penicillin fed-batch fermentation based on kernel target alignment (KTA) and least squares support vector machines (LSSVM) was proposed to deal with input variable selection. Firstly,input variables were selected by analyzing the factors which affected penicillin concentration,then,the KTA feature rescaling method was used to rescale input variables. Finally,the simulation data from Pensim simulation platform was used to establish the LSSVM model in the penicillin fed-batch fermentation by using chaos particle swarm optimization (CPSO) on the LSSVM parameters optimization. The root mean square error (RMSE) of the proposed method was 0.0179,whereas the RMSE of LSSVM was 0.0276,showing better prediction and generalization.

    penicillin fed-batch fermentation;kernel target alignment;rescaling;least squares support vector machines;prediction

    TP 301.6;TQ 465.1

    A

    1000-6613(2014)09-2438-06

    10.3969/j.issn.1000-6613.2014.09.034

    2013-12-28;修改稿日期:2014-03-11。

    國(guó)家自然科學(xué)基金項(xiàng)目(61273169)。

    豐娟(1981—),女,碩士,講師,研究方向?yàn)榘l(fā)酵工程。E-mail fengjuan1225@163.com。聯(lián)系人:唐勇波,博士,講師,研究方向?yàn)閺?fù)雜工業(yè)過(guò)程建模、優(yōu)化。E-mail tybcsu@163.com。

    猜你喜歡
    青霉素度量尺度
    亞歷山大·弗萊明:青霉素,那是我偶然發(fā)現(xiàn)的
    有趣的度量
    模糊度量空間的強(qiáng)嵌入
    財(cái)產(chǎn)的五大尺度和五重應(yīng)對(duì)
    細(xì)菌為何能“吃”青霉素
    迷向表示分為6個(gè)不可約直和的旗流形上不變愛(ài)因斯坦度量
    青霉素的發(fā)明者—萊明
    宇宙的尺度
    太空探索(2016年5期)2016-07-12 15:17:55
    地質(zhì)異常的奇異性度量與隱伏源致礦異常識(shí)別
    9
    长腿黑丝高跟| 十八禁国产超污无遮挡网站| 欧美最新免费一区二区三区 | a在线观看视频网站| 免费看日本二区| 看黄色毛片网站| 麻豆久久精品国产亚洲av| 久久久成人免费电影| 狠狠狠狠99中文字幕| 国产日本99.免费观看| 成人一区二区视频在线观看| 午夜福利高清视频| 色哟哟·www| 久久久久九九精品影院| 男女那种视频在线观看| 精品国产亚洲在线| 精品午夜福利在线看| 色播亚洲综合网| 国产精品亚洲av一区麻豆| 日日夜夜操网爽| 国产一级毛片七仙女欲春2| 久久99热这里只有精品18| 狠狠狠狠99中文字幕| 国产精品亚洲av一区麻豆| 亚洲午夜理论影院| av天堂在线播放| 琪琪午夜伦伦电影理论片6080| 男人的好看免费观看在线视频| 亚洲久久久久久中文字幕| 日韩欧美在线乱码| 亚洲乱码一区二区免费版| 淫秽高清视频在线观看| 欧美黄色淫秽网站| 国产精品乱码一区二三区的特点| 国产不卡一卡二| 日本免费a在线| aaaaa片日本免费| 赤兔流量卡办理| 一区二区三区高清视频在线| 中文字幕熟女人妻在线| 欧美中文日本在线观看视频| 又黄又爽又免费观看的视频| 精品一区二区免费观看| 亚洲成av人片免费观看| 窝窝影院91人妻| 不卡一级毛片| 琪琪午夜伦伦电影理论片6080| 成人av在线播放网站| 午夜精品一区二区三区免费看| 国产精品久久久久久久电影| 国产欧美日韩精品亚洲av| 嫁个100分男人电影在线观看| 直男gayav资源| 99久久九九国产精品国产免费| 一级a爱片免费观看的视频| 制服丝袜大香蕉在线| 国产69精品久久久久777片| 欧美高清成人免费视频www| 91久久精品电影网| 美女xxoo啪啪120秒动态图 | 国产成年人精品一区二区| a在线观看视频网站| 乱码一卡2卡4卡精品| 女同久久另类99精品国产91| 精品午夜福利在线看| 真人一进一出gif抽搐免费| 最近最新中文字幕大全电影3| 精品不卡国产一区二区三区| 国产高清视频在线观看网站| 热99re8久久精品国产| 免费一级毛片在线播放高清视频| 婷婷精品国产亚洲av在线| 成人特级av手机在线观看| 简卡轻食公司| 欧美日韩国产亚洲二区| 18禁黄网站禁片免费观看直播| 在线观看美女被高潮喷水网站 | 日本免费一区二区三区高清不卡| 国产精品爽爽va在线观看网站| 热99re8久久精品国产| 在线国产一区二区在线| 亚洲精品成人久久久久久| а√天堂www在线а√下载| 亚洲第一欧美日韩一区二区三区| 欧美最新免费一区二区三区 | 亚洲欧美精品综合久久99| 日韩国内少妇激情av| 3wmmmm亚洲av在线观看| www.www免费av| 国产 一区 欧美 日韩| 亚洲第一区二区三区不卡| 久久精品影院6| 国产淫片久久久久久久久 | 国产精品免费一区二区三区在线| 简卡轻食公司| 亚洲最大成人中文| 亚洲av免费在线观看| 男人和女人高潮做爰伦理| 啦啦啦韩国在线观看视频| 国产精品综合久久久久久久免费| 日韩欧美免费精品| 99久久成人亚洲精品观看| 亚洲成人免费电影在线观看| 色哟哟·www| 老司机午夜十八禁免费视频| av福利片在线观看| 国产91精品成人一区二区三区| 久久久久九九精品影院| 在线播放无遮挡| 村上凉子中文字幕在线| 最后的刺客免费高清国语| 久久人妻av系列| 国内精品美女久久久久久| 久久精品综合一区二区三区| 国内精品久久久久久久电影| 亚洲一区二区三区不卡视频| 亚洲激情在线av| avwww免费| 欧美激情在线99| 99热这里只有精品一区| 国产免费一级a男人的天堂| 色哟哟·www| 在线看三级毛片| 久久精品国产亚洲av涩爱 | 精品国内亚洲2022精品成人| 午夜福利高清视频| 制服丝袜大香蕉在线| 免费黄网站久久成人精品 | 美女 人体艺术 gogo| 91狼人影院| 中文字幕人成人乱码亚洲影| 日韩亚洲欧美综合| 少妇熟女aⅴ在线视频| 黄色女人牲交| 亚洲人与动物交配视频| 老熟妇乱子伦视频在线观看| 深夜精品福利| 首页视频小说图片口味搜索| 三级男女做爰猛烈吃奶摸视频| 黄片小视频在线播放| 能在线免费观看的黄片| 欧美不卡视频在线免费观看| 九色成人免费人妻av| 亚洲成人久久爱视频| 国产午夜精品论理片| 久久精品久久久久久噜噜老黄 | 又黄又爽又刺激的免费视频.| ponron亚洲| 俄罗斯特黄特色一大片| 国产久久久一区二区三区| 精品国产亚洲在线| 舔av片在线| 久久久色成人| 国产伦精品一区二区三区视频9| 亚洲中文字幕一区二区三区有码在线看| 神马国产精品三级电影在线观看| 亚洲av免费在线观看| av视频在线观看入口| 麻豆国产av国片精品| 亚洲人成网站在线播| 波多野结衣巨乳人妻| 亚洲国产高清在线一区二区三| 九九久久精品国产亚洲av麻豆| 亚洲aⅴ乱码一区二区在线播放| 欧美3d第一页| 日本三级黄在线观看| 亚洲五月天丁香| 国产麻豆成人av免费视频| 欧洲精品卡2卡3卡4卡5卡区| 91在线观看av| 亚洲美女视频黄频| 一级作爱视频免费观看| 亚洲va日本ⅴa欧美va伊人久久| 精品一区二区免费观看| 日本黄色片子视频| 亚洲电影在线观看av| or卡值多少钱| 又爽又黄a免费视频| 日韩免费av在线播放| 亚洲av第一区精品v没综合| 精品人妻一区二区三区麻豆 | 色av中文字幕| 嫩草影视91久久| 色播亚洲综合网| 日韩大尺度精品在线看网址| 少妇被粗大猛烈的视频| 亚洲成人久久爱视频| 国产精品国产高清国产av| 男女床上黄色一级片免费看| 特大巨黑吊av在线直播| 1000部很黄的大片| 男女视频在线观看网站免费| 在线观看舔阴道视频| 他把我摸到了高潮在线观看| 国产中年淑女户外野战色| 欧美不卡视频在线免费观看| 亚洲性夜色夜夜综合| 色尼玛亚洲综合影院| 国产精品综合久久久久久久免费| 日韩欧美精品免费久久 | 老鸭窝网址在线观看| 国产伦精品一区二区三区四那| 3wmmmm亚洲av在线观看| 免费在线观看亚洲国产| 精品一区二区三区视频在线观看免费| 欧美在线一区亚洲| 国产精品人妻久久久久久| 国产免费av片在线观看野外av| 狂野欧美白嫩少妇大欣赏| 国产精品国产高清国产av| 亚洲熟妇熟女久久| 又爽又黄a免费视频| 久久欧美精品欧美久久欧美| 禁无遮挡网站| 婷婷亚洲欧美| 99国产综合亚洲精品| 国产在视频线在精品| 欧美又色又爽又黄视频| 嫁个100分男人电影在线观看| 欧美日韩国产亚洲二区| 国产精品日韩av在线免费观看| 人妻久久中文字幕网| 老熟妇仑乱视频hdxx| 欧美zozozo另类| 男女那种视频在线观看| 五月伊人婷婷丁香| 桃红色精品国产亚洲av| 日韩大尺度精品在线看网址| 国产免费av片在线观看野外av| 性色avwww在线观看| 一本精品99久久精品77| www日本黄色视频网| 简卡轻食公司| 永久网站在线| 一边摸一边抽搐一进一小说| 91狼人影院| 日本精品一区二区三区蜜桃| 国产精品久久电影中文字幕| 国产三级在线视频| 精品一区二区三区视频在线| 午夜两性在线视频| 亚洲黑人精品在线| 久久精品国产亚洲av涩爱 | 亚洲最大成人中文| av在线天堂中文字幕| 久久国产精品人妻蜜桃| 一区福利在线观看| 女人被狂操c到高潮| 两个人的视频大全免费| 亚洲精品久久国产高清桃花| 757午夜福利合集在线观看| 国产亚洲欧美在线一区二区| 99热这里只有是精品50| 久久精品国产亚洲av香蕉五月| 老司机午夜十八禁免费视频| 国产爱豆传媒在线观看| 久久性视频一级片| 黄色日韩在线| 女人十人毛片免费观看3o分钟| 99热这里只有是精品50| 国产乱人伦免费视频| 欧美日韩中文字幕国产精品一区二区三区| av在线老鸭窝| 九九久久精品国产亚洲av麻豆| 日本黄色片子视频| 一进一出抽搐gif免费好疼| 一区二区三区免费毛片| 免费无遮挡裸体视频| 听说在线观看完整版免费高清| 亚洲av成人精品一区久久| 五月伊人婷婷丁香| 女人被狂操c到高潮| 久久久久久九九精品二区国产| 性插视频无遮挡在线免费观看| a级一级毛片免费在线观看| 免费av毛片视频| 欧美丝袜亚洲另类 | 国产成年人精品一区二区| 校园春色视频在线观看| 欧美日本亚洲视频在线播放| 一级黄片播放器| 亚洲第一区二区三区不卡| 男女视频在线观看网站免费| 亚洲国产精品合色在线| 少妇裸体淫交视频免费看高清| 99精品在免费线老司机午夜| 五月玫瑰六月丁香| 乱码一卡2卡4卡精品| 少妇丰满av| x7x7x7水蜜桃| 日韩精品青青久久久久久| 国产精华一区二区三区| 在线观看免费视频日本深夜| 97热精品久久久久久| 一个人看视频在线观看www免费| 女生性感内裤真人,穿戴方法视频| 国产综合懂色| 国产欧美日韩一区二区三| 免费看日本二区| 人人妻,人人澡人人爽秒播| 日韩亚洲欧美综合| 欧美区成人在线视频| 欧美zozozo另类| 欧美乱色亚洲激情| 综合色av麻豆| 少妇的逼水好多| 亚洲国产欧洲综合997久久,| 久久久精品大字幕| 亚洲熟妇中文字幕五十中出| 国内精品久久久久精免费| 国产91精品成人一区二区三区| 一卡2卡三卡四卡精品乱码亚洲| 人人妻人人澡欧美一区二区| 一级黄片播放器| 日本黄色视频三级网站网址| 亚洲狠狠婷婷综合久久图片| 夜夜夜夜夜久久久久| 91狼人影院| 日韩欧美精品v在线| 国产黄色小视频在线观看| 亚洲男人的天堂狠狠| 免费av不卡在线播放| 97超视频在线观看视频| 简卡轻食公司| 韩国av一区二区三区四区| 亚洲精品成人久久久久久| 久久久久九九精品影院| 麻豆一二三区av精品| 深夜a级毛片| 禁无遮挡网站| 国产亚洲精品综合一区在线观看| 精品久久久久久久久亚洲 | bbb黄色大片| 看十八女毛片水多多多| 久久亚洲真实| 一个人看的www免费观看视频| 51午夜福利影视在线观看| 欧美日韩国产亚洲二区| 亚洲狠狠婷婷综合久久图片| 搡老熟女国产l中国老女人| a级毛片a级免费在线| 99久久精品一区二区三区| 国产高清视频在线观看网站| 精品国内亚洲2022精品成人| 亚洲国产欧美人成| 午夜日韩欧美国产| or卡值多少钱| 国产精品人妻久久久久久| 琪琪午夜伦伦电影理论片6080| 欧美最黄视频在线播放免费| 精品久久国产蜜桃| 国产在线男女| 欧美性猛交╳xxx乱大交人| 99久久99久久久精品蜜桃| 丰满乱子伦码专区| 国产激情偷乱视频一区二区| 成人特级av手机在线观看| 天堂av国产一区二区熟女人妻| 长腿黑丝高跟| 真人做人爱边吃奶动态| 成年女人永久免费观看视频| 麻豆一二三区av精品| 亚洲国产欧美人成| 免费av观看视频| 90打野战视频偷拍视频| 欧美日本视频| 超碰av人人做人人爽久久| 亚洲国产日韩欧美精品在线观看| 一个人免费在线观看电影| 国产熟女xx| 欧美日韩中文字幕国产精品一区二区三区| 亚洲成av人片在线播放无| 亚洲无线在线观看| 欧美日本视频| 最近中文字幕高清免费大全6 | 又紧又爽又黄一区二区| 亚洲五月婷婷丁香| 亚洲一区二区三区色噜噜| 亚洲最大成人手机在线| 一区二区三区高清视频在线| 99热6这里只有精品| 此物有八面人人有两片| 99热这里只有是精品在线观看 | 极品教师在线视频| avwww免费| 欧美高清性xxxxhd video| 国产高清激情床上av| 国产精品久久电影中文字幕| 一进一出好大好爽视频| 欧美一级a爱片免费观看看| 91麻豆精品激情在线观看国产| 观看免费一级毛片| 免费高清视频大片| 波多野结衣巨乳人妻| 噜噜噜噜噜久久久久久91| 精品久久久久久久人妻蜜臀av| 90打野战视频偷拍视频| 久久久久久久久久成人| 欧美成人性av电影在线观看| 在线a可以看的网站| 国产成人影院久久av| 999久久久精品免费观看国产| 99在线视频只有这里精品首页| 99久久久亚洲精品蜜臀av| 亚洲成人久久爱视频| 欧美又色又爽又黄视频| 91麻豆av在线| 男女做爰动态图高潮gif福利片| 日本在线视频免费播放| 日本精品一区二区三区蜜桃| 真人做人爱边吃奶动态| 我要搜黄色片| 一个人看的www免费观看视频| www.www免费av| 国产一级毛片七仙女欲春2| 亚洲国产色片| 日本与韩国留学比较| 极品教师在线视频| 欧美午夜高清在线| 天堂网av新在线| 国产一区二区激情短视频| 中文字幕av在线有码专区| 成人特级av手机在线观看| 日日摸夜夜添夜夜添av毛片 | 又爽又黄无遮挡网站| 国产不卡一卡二| 丰满人妻熟妇乱又伦精品不卡| 国产欧美日韩一区二区三| 亚洲人成网站高清观看| 成年女人永久免费观看视频| 特级一级黄色大片| 一个人观看的视频www高清免费观看| 麻豆成人av在线观看| 国产亚洲精品久久久com| 12—13女人毛片做爰片一| 在线免费观看不下载黄p国产 | а√天堂www在线а√下载| h日本视频在线播放| 禁无遮挡网站| 国产精品影院久久| 99久国产av精品| 国产主播在线观看一区二区| 欧美一级a爱片免费观看看| 丝袜美腿在线中文| 国产亚洲精品久久久久久毛片| 精品欧美国产一区二区三| 91午夜精品亚洲一区二区三区 | 特级一级黄色大片| 中国美女看黄片| 国产精品一区二区性色av| 麻豆国产97在线/欧美| 亚洲国产精品久久男人天堂| 波多野结衣高清作品| 日日摸夜夜添夜夜添小说| 国产一区二区三区在线臀色熟女| 亚洲欧美日韩东京热| 嫩草影院入口| 日本黄大片高清| 国产精品美女特级片免费视频播放器| 久久国产乱子伦精品免费另类| 色av中文字幕| 五月玫瑰六月丁香| 久久久久免费精品人妻一区二区| 欧美zozozo另类| 午夜两性在线视频| 中文字幕精品亚洲无线码一区| 搡老岳熟女国产| 天堂影院成人在线观看| 久久精品综合一区二区三区| 少妇熟女aⅴ在线视频| 性色avwww在线观看| 国产爱豆传媒在线观看| 亚洲欧美精品综合久久99| 91麻豆精品激情在线观看国产| 成人欧美大片| 性色av乱码一区二区三区2| 又紧又爽又黄一区二区| bbb黄色大片| 97人妻精品一区二区三区麻豆| 免费黄网站久久成人精品 | 欧美+日韩+精品| 中亚洲国语对白在线视频| 12—13女人毛片做爰片一| 欧美丝袜亚洲另类 | 最近最新免费中文字幕在线| 老熟妇仑乱视频hdxx| 国产精品伦人一区二区| 免费电影在线观看免费观看| 欧美高清成人免费视频www| 丝袜美腿在线中文| 国产精品国产高清国产av| 少妇裸体淫交视频免费看高清| 嫩草影院入口| 韩国av一区二区三区四区| 麻豆国产97在线/欧美| 别揉我奶头 嗯啊视频| av天堂在线播放| 亚洲人成伊人成综合网2020| 日韩欧美国产一区二区入口| 在线免费观看不下载黄p国产 | 麻豆成人av在线观看| 啪啪无遮挡十八禁网站| 韩国av一区二区三区四区| 国产三级黄色录像| 淫妇啪啪啪对白视频| 99热只有精品国产| av黄色大香蕉| 日韩欧美一区二区三区在线观看| 亚洲人成网站在线播| 一a级毛片在线观看| 女人被狂操c到高潮| 久久国产乱子伦精品免费另类| 美女高潮的动态| 色在线成人网| 最新在线观看一区二区三区| 最好的美女福利视频网| 欧美黄色淫秽网站| av在线观看视频网站免费| 桃色一区二区三区在线观看| 亚洲成人精品中文字幕电影| 国产日本99.免费观看| 日本与韩国留学比较| 欧美3d第一页| 美女免费视频网站| 如何舔出高潮| 搡老岳熟女国产| 精品午夜福利视频在线观看一区| eeuss影院久久| 99热这里只有精品一区| 少妇丰满av| 又爽又黄无遮挡网站| 一a级毛片在线观看| 国产综合懂色| 亚洲国产欧洲综合997久久,| 国产在视频线在精品| 免费av毛片视频| 国产精品一区二区免费欧美| 99在线人妻在线中文字幕| 成人精品一区二区免费| 国产黄a三级三级三级人| 国产在线男女| 美女xxoo啪啪120秒动态图 | 日韩欧美三级三区| 日本三级黄在线观看| 色综合亚洲欧美另类图片| 在线播放国产精品三级| 91麻豆精品激情在线观看国产| 久久国产精品人妻蜜桃| 亚洲熟妇中文字幕五十中出| 日日夜夜操网爽| 欧美日韩中文字幕国产精品一区二区三区| 国产精品人妻久久久久久| 免费大片18禁| 两性午夜刺激爽爽歪歪视频在线观看| 51午夜福利影视在线观看| 激情在线观看视频在线高清| 啪啪无遮挡十八禁网站| 欧美区成人在线视频| 久久久色成人| 嫩草影视91久久| 最新在线观看一区二区三区| eeuss影院久久| 99久久成人亚洲精品观看| 深夜精品福利| 天堂av国产一区二区熟女人妻| 国产一区二区三区在线臀色熟女| 亚洲国产日韩欧美精品在线观看| 十八禁人妻一区二区| 村上凉子中文字幕在线| 午夜精品一区二区三区免费看| 女人十人毛片免费观看3o分钟| 欧美一区二区精品小视频在线| 亚洲不卡免费看| 午夜福利免费观看在线| 亚洲中文字幕日韩| 婷婷丁香在线五月| 色综合站精品国产| 九九在线视频观看精品| 国产单亲对白刺激| 国产一区二区在线av高清观看| 国产精品1区2区在线观看.| 日本撒尿小便嘘嘘汇集6| 色吧在线观看| 少妇熟女aⅴ在线视频| 熟女人妻精品中文字幕| 一进一出好大好爽视频| 老司机深夜福利视频在线观看| 久9热在线精品视频| 国内揄拍国产精品人妻在线| 国产亚洲精品综合一区在线观看| 日本一二三区视频观看| 精品久久久久久,| 人妻丰满熟妇av一区二区三区| 亚洲欧美日韩卡通动漫| 欧美又色又爽又黄视频| 亚洲在线观看片| 免费搜索国产男女视频| 亚洲真实伦在线观看| 怎么达到女性高潮| 亚洲精华国产精华精| 久久国产乱子伦精品免费另类| 免费人成在线观看视频色| 欧美成人一区二区免费高清观看| 国产真实伦视频高清在线观看 | 91字幕亚洲| 国产 一区 欧美 日韩| 成人午夜高清在线视频| 久久欧美精品欧美久久欧美| 日本一本二区三区精品| 亚洲aⅴ乱码一区二区在线播放| 国产精品久久久久久亚洲av鲁大| 老女人水多毛片| 99国产精品一区二区蜜桃av| 婷婷精品国产亚洲av在线| 亚洲欧美日韩高清在线视频|