学位论文 > 优秀研究生学位论文题录展示

基于LS_SVM建立发酵过程动态模型及其参数优化

作　者: 孙鑫
导　师: 高学金
学　校: 北京工业大学
专　业: 控制科学与工程
关键词: 发酵过程局部学习最小二乘支持向量机动态建模有监督局部保持投影快速留一交叉验证
分类号: TQ920.1
类　型: 硕士论文
年　份: 2013年
下　载: 6次
引　用: 0次
阅　读: 论文下载

内容摘要

微生物发酵是典型的以间歇生产方式为主的技术性密集型产业，涉及到医药、食品、饲料、轻化工、环境治理等众多的工业领域，在国民经济中的地位日趋重要。随着上述行业的迅速发展以及市场竞争对多品种、小批量和高质量的需求，对于发酵过程进行控制和优化的要求也越来也迫切。然而，与一般的物理和化学过程相比，发酵过程有着迥然不同的动力学特征，如动力学模型呈高度的非线性和强烈的时变性、大多数生物状态变量难以在线测量、过程相应速率慢、在线测量带有大幅滞后等。因此，发展和建立与微生物发酵过程特点相适应、具有共性的高精度的发酵过程产物预估模型，对于提高发酵过程的总体性能，提高产物的产率产量、生产强度及原料的转化率将起到至关重要的作用。机器学习理论的发展为以发酵过程为首的复杂工业过程建模提供了新的方向，针对发酵过程强烈的非线性、时变性、高维数、基本生物量难以在线测量以及多变量耦合的特点，通过对现有发酵过程建模方法研究现状的分析和研究，将局部学习的思想融入最小二乘支持向量机（Least Squares Support VectorMachine, LS_SVM），提出了基于有监督局部保持投影（Supervised LocalityPreserving Projection, SLPP）的局部最小二乘支持向量机动态建模方法。主要研究工作如下：1、对“基于动态时间弯曲距离的最小二乘支持向量机”建模方法的改进。将滑动窗长改为1，简化了动态时间弯曲距离，在减少相似样本在线搜索时间的同时提高了模型的预测精度。2、基于有监督保持投影方法选取相似样本集。将同时包含输入和输出信息的相似度评价准则用于局部保持投影（Locality Preserving Projection, LPP），形成了一种适用于回归过程的SLPP方法。通过构建投影矩阵将原始空间中的样本映射到低维空间中，在投影空间中以欧式距离为相似样本判据，在历史批次数据组成的数据库中搜索与当前待测样本相似度最高的数据，组成模型的训练样本集。SLPP实现了特征变量的提取，通过有效降维提高了运算速度。3、输入变量选择的方法以及模型参数敏感度分析。通过机理分析和仿真实验，以模型均方误差(MSE)为评价指标，研究了不同的输入变量和核函数对建模效果的影响，最终确定选取RBF核函数进行建模。利用仿真实验研究分析C、2对模型精度的影响，确定模型参数的取值范围。4、通过对交叉验证确定模型超参数方法的研究分析，推导出基于快速留一交叉验证（Fast Leave-One-Out Cross-Validation, FLOO-CV）的模型参数寻优准则。在快速留一法的基础上，推导出了全样本的留一预测误差平方和SSE,以最小化SSE为目标，优化模型的参数。基于FLOO计算SSE时只有一次求逆运算，计算量为普通LOO的1n（n为局部模型的训练样本数）。仿真实验表明，该方法既能保证模型的精度又能兼顾模型的泛化能力。

全文目录

摘要  4-6
Abstract  6-10
第1章绪论  10-22
  1.1 课题背景  10
  1.2 补料分批发酵过程概述  10-12
  1.3 补料分批发酵过程的主要影响因素  12-14
    1.3.1 与微生物代谢变化有关的参数  12-13
    1.3.2 补料分批发酵过程的主要影响因素  13-14
  1.4 补料分批发酵过程建模方法  14-19
    1.4.1 基于发酵动力学的机理建模方法  15
    1.4.2 基于发酵过程数据的黑箱建模方法  15-18
    1.4.3 基于机理、数据的混合建模方法  18-19
  1.5 论文的组织结构  19-20
  1.6 本章小结  20-22
第2章最小二乘支持向量机动态建模方法研究  22-46
  2.1 机器学习理论  22-23
  2.2 支持向量机  23-35
    2.2.1 支持向量机分类  24-30
    2.2.2 支持向量机回归  30-35
  2.3 最小二乘支持向量机  35-36
  2.4 最小二乘支持向量机的动态建模方法  36-41
    2.4.1 加权 LS_SVM 算法  37-38
    2.4.2 LS_SVM 剪枝算法  38-40
    2.4.3 滚动窗 LS_SVM 算法  40-41
  2.5 现有建模方法的不足  41-44
  2.6 本章小结  44-46
第3章基于 SLPP 的 LS_SVM 局部建模方法  46-64
  3.1 局部建模方法  46-48
  3.2 基于 DTW 的相似样本构建方法及其改进  48-51
    3.2.1 实验结果比较  49-51
  3.3 基于 SLPP 的相似样本构建方法  51-58
    3.3.1 局部保持投影  52-55
    3.3.2 有监督局部保持投影  55-57
    3.3.3 适用于回归问题的 SLPP 算法  57-58
  3.4 基于 SLPP 的 LS_SVM 局部建模  58-59
  3.5 仿真实验  59-62
    3.5.1 原始空间中不同建模方法建模效果比较  59-61
    3.5.2 投影空间中不同建模方法建模效果比较  61-62
  3.6 本章小结  62-64
第4章基于 SLPP 的 LS_SVM 超参数优化  64-76
  4.1 核函数的选取及超参数敏感度分析  64-66
  4.2 评价超参数性能的交叉验证方法  66-68
  4.3 超参数在线选择方法  68-74
    4.3.1 网格搜索法  68-70
    4.3.2 快速留一法  70-74
  4.4 本章小结  74-76
第5章动态建模方法的应用研究  76-84
  5.1 大肠杆菌发酵过程介绍  76-77
  5.2 输入变量的选取对模型性能的影响  77-78
  5.3 超参数敏感度分析  78-79
  5.4 仿真实验  79-81
  5.5 本章小结  81-84
第6章总结与展望  84-86
  6.1 全文总结  84-85
  6.2 展望  85-86
参考文献  86-90
攻读硕士学位期间所发表的学术论文  90-92
致谢  92

基于LS_SVM建立发酵过程动态模型及其参数优化

内容摘要

全文目录

相似论文