• <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
    国产主播在线观看一区二区| 亚洲精品av麻豆狂野| 亚洲专区国产一区二区| 巨乳人妻的诱惑在线观看| 变态另类丝袜制服| 男人的好看免费观看在线视频 | 免费搜索国产男女视频| 国产区一区二久久| 50天的宝宝边吃奶边哭怎么回事| 久久精品91蜜桃| 日本 av在线| 亚洲av第一区精品v没综合| 国产麻豆成人av免费视频| 我的亚洲天堂| 一级a爱视频在线免费观看| 搡老岳熟女国产| 国产av精品麻豆| 三级毛片av免费| 窝窝影院91人妻| 亚洲中文字幕一区二区三区有码在线看 | 夜夜爽天天搞| 国产av一区在线观看免费| 国产亚洲精品一区二区www| 少妇粗大呻吟视频| 免费看a级黄色片| 欧美黑人精品巨大| 嫩草影院精品99| 真人一进一出gif抽搐免费| 亚洲第一欧美日韩一区二区三区| 色婷婷久久久亚洲欧美| 婷婷六月久久综合丁香| 18禁裸乳无遮挡免费网站照片 | 国产99久久九九免费精品| 在线观看www视频免费| 色综合亚洲欧美另类图片| 99国产精品一区二区蜜桃av| 亚洲男人的天堂狠狠| 亚洲最大成人中文| 国产主播在线观看一区二区| 黄片大片在线免费观看| 免费在线观看日本一区| 久久欧美精品欧美久久欧美| 黄色视频不卡| 日本vs欧美在线观看视频| 中文字幕高清在线视频| 人人妻人人澡欧美一区二区 | 国产乱人伦免费视频| 中文字幕人成人乱码亚洲影| 欧美在线一区亚洲| 亚洲av电影不卡..在线观看| 亚洲五月色婷婷综合| 精品人妻在线不人妻| 国产成人精品无人区| 精品午夜福利视频在线观看一区| 一二三四在线观看免费中文在| 久热这里只有精品99| 免费搜索国产男女视频| 久久人人爽av亚洲精品天堂| 天天躁夜夜躁狠狠躁躁| 欧美激情高清一区二区三区| 亚洲精品国产一区二区精华液| 亚洲一区中文字幕在线| 亚洲视频免费观看视频| 一区二区三区精品91| 久久久久久久久免费视频了| 91字幕亚洲| 成人亚洲精品一区在线观看| 老司机午夜福利在线观看视频| 搞女人的毛片| 国产又色又爽无遮挡免费看| 一区二区三区精品91| 人人澡人人妻人| 不卡一级毛片| 久久久久久大精品| 久久久久国产一级毛片高清牌| 欧美性长视频在线观看| 亚洲视频免费观看视频| 麻豆国产av国片精品| 亚洲欧美日韩高清在线视频| av天堂在线播放| 香蕉丝袜av| 精品欧美一区二区三区在线| 免费无遮挡裸体视频| 亚洲片人在线观看| 香蕉国产在线看| 中文字幕久久专区| 日本五十路高清| 丝袜美腿诱惑在线| √禁漫天堂资源中文www| 亚洲欧美日韩另类电影网站| 中文字幕人妻丝袜一区二区| aaaaa片日本免费| 欧美乱码精品一区二区三区| 男女午夜视频在线观看| 日本 欧美在线| 正在播放国产对白刺激| 91字幕亚洲| 免费高清在线观看日韩| 亚洲欧美精品综合久久99| 日韩精品中文字幕看吧| 欧美午夜高清在线| 精品无人区乱码1区二区| 搡老熟女国产l中国老女人| 波多野结衣av一区二区av| 久久精品国产亚洲av高清一级| www.精华液| 女同久久另类99精品国产91| 国产精品一区二区三区四区久久 | 大码成人一级视频| 免费无遮挡裸体视频| 免费久久久久久久精品成人欧美视频| 亚洲少妇的诱惑av| 亚洲三区欧美一区| 久久国产精品影院| 欧美午夜高清在线| 亚洲狠狠婷婷综合久久图片| 在线观看免费日韩欧美大片| 波多野结衣一区麻豆| 精品第一国产精品| 热re99久久国产66热| 97碰自拍视频| 露出奶头的视频| 久久性视频一级片| 人人澡人人妻人| 中文字幕高清在线视频| 一边摸一边抽搐一进一出视频| 久久人人97超碰香蕉20202| 在线永久观看黄色视频| 国产亚洲精品久久久久5区| 如日韩欧美国产精品一区二区三区| 亚洲国产中文字幕在线视频| 久久精品国产综合久久久| 国产一级毛片七仙女欲春2 | 亚洲国产高清在线一区二区三 | 精品电影一区二区在线| 亚洲第一青青草原| 99riav亚洲国产免费| 国产精品 欧美亚洲| 精品高清国产在线一区| 国产一区二区三区视频了| 巨乳人妻的诱惑在线观看| 免费人成视频x8x8入口观看| x7x7x7水蜜桃| 色播在线永久视频| 国产视频一区二区在线看| 久久国产精品男人的天堂亚洲| 满18在线观看网站| 女警被强在线播放| 99精品在免费线老司机午夜| 国产99白浆流出| 精品一品国产午夜福利视频| 日韩欧美一区视频在线观看| 国产亚洲欧美在线一区二区| 一区二区三区精品91| 婷婷丁香在线五月| 亚洲av片天天在线观看| 成人特级黄色片久久久久久久| 中文字幕人成人乱码亚洲影| 国产av精品麻豆| 中文字幕人妻熟女乱码| 亚洲欧洲精品一区二区精品久久久| 两性午夜刺激爽爽歪歪视频在线观看 | 亚洲成国产人片在线观看| 亚洲专区国产一区二区| 欧美日韩亚洲综合一区二区三区_| 成人亚洲精品av一区二区| 中文亚洲av片在线观看爽| 亚洲av日韩精品久久久久久密| 久久草成人影院| 亚洲人成网站在线播放欧美日韩| videosex国产| 最近最新中文字幕大全电影3 | 国产又色又爽无遮挡免费看| 大香蕉久久成人网| 少妇熟女aⅴ在线视频| 宅男免费午夜| www国产在线视频色| 精品不卡国产一区二区三区| 香蕉丝袜av| 国产高清videossex| 亚洲专区中文字幕在线| 99riav亚洲国产免费| 看黄色毛片网站| av在线播放免费不卡| 欧美乱妇无乱码| 咕卡用的链子| 亚洲成av片中文字幕在线观看| 夜夜夜夜夜久久久久| 一级a爱视频在线免费观看| 亚洲精品国产精品久久久不卡| 欧美色欧美亚洲另类二区 | 欧美日韩一级在线毛片| 国产精品乱码一区二三区的特点 | netflix在线观看网站| av视频免费观看在线观看| 欧美日韩福利视频一区二区| 亚洲欧美精品综合一区二区三区| 丝袜美腿诱惑在线| 久久热在线av| 男人舔女人下体高潮全视频| aaaaa片日本免费| 一级a爱视频在线免费观看| av有码第一页| 天堂影院成人在线观看| 国产精品久久久久久亚洲av鲁大| 亚洲精华国产精华精| 波多野结衣巨乳人妻| 日韩欧美一区视频在线观看| 在线av久久热| 91字幕亚洲| 最近最新免费中文字幕在线| 熟妇人妻久久中文字幕3abv| 黄色视频不卡| 国产精品一区二区在线不卡| 国产精品久久久av美女十八| 久久久精品国产亚洲av高清涩受| 动漫黄色视频在线观看| 亚洲av熟女| 日日夜夜操网爽| 国产不卡一卡二| 99精品久久久久人妻精品| 少妇熟女aⅴ在线视频| 免费高清视频大片| svipshipincom国产片| 亚洲专区中文字幕在线| 两性夫妻黄色片| 国产精品乱码一区二三区的特点 | 在线十欧美十亚洲十日本专区| 国产欧美日韩精品亚洲av| 久久久久国产一级毛片高清牌| 亚洲一区二区三区色噜噜| 两个人视频免费观看高清| 啦啦啦韩国在线观看视频| 一区福利在线观看| 国产精品亚洲av一区麻豆| 妹子高潮喷水视频| 午夜福利在线观看吧| 日日摸夜夜添夜夜添小说| 在线观看一区二区三区| 欧美黄色淫秽网站| 国产精品久久久久久亚洲av鲁大| 69精品国产乱码久久久| 欧美成人午夜精品| 电影成人av| 在线观看舔阴道视频| 黄片小视频在线播放| 国产精品亚洲av一区麻豆| 麻豆久久精品国产亚洲av| cao死你这个sao货| 欧美绝顶高潮抽搐喷水| 午夜福利免费观看在线| 中文字幕久久专区| 午夜福利,免费看| 成人三级做爰电影| 男女午夜视频在线观看| 午夜老司机福利片| 老熟妇仑乱视频hdxx| a级毛片在线看网站| 91九色精品人成在线观看| 18禁国产床啪视频网站| 色尼玛亚洲综合影院| 国产男靠女视频免费网站| 国产色视频综合| www日本在线高清视频| 国产午夜精品久久久久久| 亚洲精品一区av在线观看| 禁无遮挡网站| 久久香蕉精品热| 亚洲av第一区精品v没综合| 久久 成人 亚洲| 国产精品久久久久久精品电影 | 亚洲va日本ⅴa欧美va伊人久久| 在线天堂中文资源库| 亚洲精品国产色婷婷电影| 久久国产乱子伦精品免费另类| 久久久国产成人免费| 亚洲精品一卡2卡三卡4卡5卡| 叶爱在线成人免费视频播放| 亚洲色图综合在线观看| 久久精品aⅴ一区二区三区四区| 97超级碰碰碰精品色视频在线观看| 亚洲一区二区三区色噜噜| 中亚洲国语对白在线视频| 国产成+人综合+亚洲专区| av有码第一页| 国产精品野战在线观看| 国产一区二区三区综合在线观看| 我的亚洲天堂| 88av欧美| 9色porny在线观看| 在线免费观看的www视频| 国产亚洲欧美精品永久| 亚洲国产毛片av蜜桃av| e午夜精品久久久久久久| 99久久久亚洲精品蜜臀av| www.www免费av| 国产精品国产高清国产av| 天天添夜夜摸| 丁香六月欧美| 国产精品九九99| 9色porny在线观看| 在线免费观看的www视频| 午夜成年电影在线免费观看| 一区福利在线观看| 国产激情久久老熟女| 波多野结衣av一区二区av| 久久这里只有精品19| 悠悠久久av| 黄片大片在线免费观看| 国产精品免费视频内射| 国产精品 国内视频| 国产精品乱码一区二三区的特点 | 国产亚洲av高清不卡| 满18在线观看网站| 亚洲最大成人中文| 最近最新中文字幕大全免费视频| 搡老熟女国产l中国老女人| 男女下面进入的视频免费午夜 | 在线观看免费午夜福利视频| 欧美精品啪啪一区二区三区| 国产一区二区三区在线臀色熟女| 色综合婷婷激情| 国产午夜精品久久久久久| 黄片播放在线免费| 久久精品国产清高在天天线| 最近最新中文字幕大全电影3 | 久久久久久国产a免费观看| 亚洲情色 制服丝袜| 欧美黑人精品巨大| 成人18禁在线播放| av视频免费观看在线观看| 美女扒开内裤让男人捅视频| 日韩欧美一区视频在线观看| 成人18禁在线播放| 久久天堂一区二区三区四区| 亚洲天堂国产精品一区在线| 精品乱码久久久久久99久播| 精品一区二区三区av网在线观看| 亚洲精品美女久久久久99蜜臀| av天堂久久9| 一区二区日韩欧美中文字幕| 伦理电影免费视频| 18禁国产床啪视频网站| 精品久久久久久久久久免费视频| 国产91精品成人一区二区三区| 成人18禁在线播放| 国产91精品成人一区二区三区| 丰满人妻熟妇乱又伦精品不卡| 国产精品香港三级国产av潘金莲| 亚洲男人的天堂狠狠| 日韩 欧美 亚洲 中文字幕| 十分钟在线观看高清视频www| 此物有八面人人有两片| 精品无人区乱码1区二区| 伊人久久大香线蕉亚洲五| 久99久视频精品免费| 一区二区三区高清视频在线| 欧美日韩福利视频一区二区| 久久欧美精品欧美久久欧美| 国产区一区二久久| 亚洲第一av免费看| 国产成人啪精品午夜网站| avwww免费| 精品久久久久久成人av| 男女做爰动态图高潮gif福利片 | 一a级毛片在线观看| 大码成人一级视频| 国产高清激情床上av| 亚洲男人的天堂狠狠| 欧美黑人精品巨大| 久久影院123| 亚洲激情在线av| 中文字幕最新亚洲高清| 99精品欧美一区二区三区四区| 最新美女视频免费是黄的| 久久天堂一区二区三区四区| 精品一区二区三区av网在线观看| 国产午夜精品久久久久久| 中文字幕av电影在线播放| 亚洲中文av在线| 中文字幕av电影在线播放| 国产一区二区激情短视频| 国产精品电影一区二区三区| or卡值多少钱| 99国产精品一区二区三区| 亚洲七黄色美女视频| 欧美精品啪啪一区二区三区| 日本 欧美在线| 一级黄色大片毛片| 久久午夜亚洲精品久久| 好男人电影高清在线观看| 国产麻豆成人av免费视频| www.自偷自拍.com| 久久精品国产99精品国产亚洲性色 | 黄色视频,在线免费观看| 一本综合久久免费| 国产精品久久久久久人妻精品电影| 老熟妇乱子伦视频在线观看| 久久天躁狠狠躁夜夜2o2o| 亚洲五月色婷婷综合| 亚洲五月婷婷丁香| 午夜视频精品福利| 操美女的视频在线观看| 欧美在线黄色| 国内久久婷婷六月综合欲色啪| 国产私拍福利视频在线观看| 欧美一级a爱片免费观看看 | 变态另类丝袜制服| netflix在线观看网站| 免费看美女性在线毛片视频| 亚洲色图av天堂| 久久天躁狠狠躁夜夜2o2o| 午夜两性在线视频| 一区在线观看完整版| 好男人电影高清在线观看| 性少妇av在线| 久久狼人影院| 国产aⅴ精品一区二区三区波| 午夜福利,免费看| 久久青草综合色| 91成年电影在线观看| 成人永久免费在线观看视频| 老鸭窝网址在线观看| 少妇 在线观看| 在线观看免费日韩欧美大片| 91字幕亚洲| 国产97色在线日韩免费| 欧美黑人精品巨大| 50天的宝宝边吃奶边哭怎么回事| 国产成人精品在线电影| 757午夜福利合集在线观看| 最近最新免费中文字幕在线| 国产成人欧美| 夜夜夜夜夜久久久久| 亚洲国产看品久久| 久久热在线av| 国产成人精品在线电影| 国产精品国产高清国产av| 在线观看午夜福利视频| 欧美一区二区精品小视频在线| 久久这里只有精品19| 美女大奶头视频| www.精华液| 岛国视频午夜一区免费看| 成人欧美大片| 欧美日韩乱码在线| 又紧又爽又黄一区二区| 在线观看免费午夜福利视频| 熟妇人妻久久中文字幕3abv| 国产精品一区二区三区四区久久 | 欧美不卡视频在线免费观看 | 老鸭窝网址在线观看| 曰老女人黄片| 丝袜人妻中文字幕| 国产高清视频在线播放一区| 桃色一区二区三区在线观看| 国产精品香港三级国产av潘金莲| 最近最新中文字幕大全电影3 | 欧美在线一区亚洲| 成人特级黄色片久久久久久久| 免费在线观看黄色视频的| 男女午夜视频在线观看| 国产成人啪精品午夜网站| 1024香蕉在线观看| 淫妇啪啪啪对白视频| 90打野战视频偷拍视频| 色婷婷久久久亚洲欧美| 久久久久九九精品影院| 午夜精品国产一区二区电影| 最新在线观看一区二区三区| 国产av一区二区精品久久| 欧美一级a爱片免费观看看 | 国产黄a三级三级三级人| 国产熟女xx| 电影成人av| 丝袜在线中文字幕| 欧美丝袜亚洲另类 | 日日夜夜操网爽| 精品国产乱码久久久久久男人| 午夜激情av网站| 久久午夜亚洲精品久久| 日本五十路高清| 法律面前人人平等表现在哪些方面| 深夜精品福利| netflix在线观看网站| 一个人观看的视频www高清免费观看 | 99国产精品免费福利视频| 色播在线永久视频| 亚洲国产精品成人综合色| 亚洲中文字幕一区二区三区有码在线看 | 亚洲国产高清在线一区二区三 | 日本在线视频免费播放| 在线天堂中文资源库| 国产免费男女视频| 十八禁人妻一区二区| 自线自在国产av| 成人三级做爰电影| 天堂动漫精品| 一本大道久久a久久精品| www.www免费av| 日韩精品青青久久久久久| 欧美成人免费av一区二区三区| 亚洲成人国产一区在线观看| 在线国产一区二区在线| 母亲3免费完整高清在线观看| 每晚都被弄得嗷嗷叫到高潮| 精品久久久久久久人妻蜜臀av | 精品国产国语对白av| 亚洲国产欧美一区二区综合| 欧美一区二区精品小视频在线| 亚洲第一欧美日韩一区二区三区| 美女高潮喷水抽搐中文字幕| 香蕉久久夜色| www.www免费av| 久久久久亚洲av毛片大全| 国产精品 欧美亚洲| av有码第一页| 亚洲色图av天堂| 欧美日韩福利视频一区二区| 日韩 欧美 亚洲 中文字幕| 人妻丰满熟妇av一区二区三区| av在线天堂中文字幕| 又紧又爽又黄一区二区| 很黄的视频免费| 在线永久观看黄色视频| 丝袜美足系列| 久久精品成人免费网站| 嫩草影视91久久| 日韩欧美在线二视频| 亚洲中文av在线| 欧美日韩精品网址| 99久久国产精品久久久| 黄色女人牲交| 热re99久久国产66热| 1024视频免费在线观看| 久久欧美精品欧美久久欧美| 高清在线国产一区| 90打野战视频偷拍视频| 精品不卡国产一区二区三区| 免费不卡黄色视频| 在线免费观看的www视频| 久久精品亚洲精品国产色婷小说| 给我免费播放毛片高清在线观看| 91成人精品电影| 成人18禁高潮啪啪吃奶动态图| 久久中文字幕人妻熟女| 成人特级黄色片久久久久久久| 欧美黄色淫秽网站| 天堂动漫精品| 亚洲一区中文字幕在线| 女警被强在线播放| av视频免费观看在线观看| 在线国产一区二区在线| 日韩高清综合在线| 男女午夜视频在线观看| 淫妇啪啪啪对白视频| 两个人视频免费观看高清| 国产精品综合久久久久久久免费 | 在线视频色国产色| 啦啦啦观看免费观看视频高清 | 悠悠久久av| 免费久久久久久久精品成人欧美视频| 久久久久久久午夜电影| 侵犯人妻中文字幕一二三四区| 精品国产一区二区久久| 一进一出好大好爽视频| 国产精品亚洲美女久久久| 成年人黄色毛片网站| 中文字幕人成人乱码亚洲影| 99国产精品99久久久久| 日韩大码丰满熟妇| 波多野结衣av一区二区av| 啦啦啦观看免费观看视频高清 | 国产高清视频在线播放一区| 亚洲国产精品久久男人天堂| 黄色视频,在线免费观看| 国产午夜福利久久久久久| 欧美成人免费av一区二区三区| 国产三级黄色录像| 国产亚洲av高清不卡| 中文字幕色久视频| 女生性感内裤真人,穿戴方法视频| 777久久人妻少妇嫩草av网站| 老司机午夜十八禁免费视频| 亚洲男人天堂网一区| 久久久久国产精品人妻aⅴ院| 久99久视频精品免费| 色综合亚洲欧美另类图片| 久久精品亚洲精品国产色婷小说| 欧美人与性动交α欧美精品济南到| 一区福利在线观看| 在线观看舔阴道视频| 制服诱惑二区| 久久精品aⅴ一区二区三区四区| 国产亚洲精品av在线| 如日韩欧美国产精品一区二区三区| 巨乳人妻的诱惑在线观看| 男男h啪啪无遮挡| www.www免费av| 巨乳人妻的诱惑在线观看| 男男h啪啪无遮挡| 91国产中文字幕| 亚洲国产看品久久| 91在线观看av| 好男人在线观看高清免费视频 | 99riav亚洲国产免费| 一级a爱片免费观看的视频| 一级毛片高清免费大全| 老鸭窝网址在线观看| 亚洲美女黄片视频| 亚洲精品av麻豆狂野| 久久久久九九精品影院| 久久狼人影院| 女人爽到高潮嗷嗷叫在线视频| 在线观看日韩欧美|