復(fù)雜生產(chǎn)過(guò)程工況分類(lèi)及預(yù)測(cè)模型研究

——以青霉素生產(chǎn)過(guò)程為例

打開(kāi)文本圖片集

摘 要：為實(shí)現(xiàn)青霉素生產(chǎn)過(guò)程的有效控制和管理，針對(duì)生產(chǎn)過(guò)程中青霉素濃度無(wú)法實(shí)時(shí)監(jiān)測(cè)的問(wèn)題，提出了基于機(jī)器學(xué)習(xí)算法的兩種工況分類(lèi)方法及其相應(yīng)的預(yù)測(cè)模型。首先，以青霉素生產(chǎn)過(guò)程中影響青霉素濃度的因素作為參數(shù)指標(biāo)，分別采用K-Means、ISODATA聚類(lèi)算法實(shí)現(xiàn)青霉素生產(chǎn)工況的分類(lèi)；然后，在兩種分類(lèi)結(jié)果的基礎(chǔ)上采用支持向量機(jī)線性回歸（SVR）建模，得到對(duì)應(yīng)的SVR預(yù)測(cè)模型；最后，對(duì)青霉素發(fā)酵過(guò)程產(chǎn)生的數(shù)據(jù)進(jìn)行仿真實(shí)驗(yàn)，仿真結(jié)果表明，基于兩種聚類(lèi)算法的SVR預(yù)測(cè)模型的預(yù)測(cè)準(zhǔn)確性都較高，而基于K-Means聚類(lèi)算法的SVR預(yù)測(cè)模型的可靠性更優(yōu)。（剩余9171字）