基于人工神经网络的重组毕赤酵母表达期菌体浓度模型

针对生物反应过程控制关键变量难以测量的问题,提出一种基于人工神经网络的重组毕赤酵母高密度发酵表达期的细胞菌量软测量模型,并对该模型的拓扑结构以及训练参数进行了初步探讨.当选取合适的模型结构和输入参数,模型的预测值最大误差为3.12%,表明该模型的计算值与菌体浓度实验值基本一致.因此,在毕赤酵母的高密度培养过程中采用基于神经网络的软测量模型具有较高的准确度,可以应用于发酵过程中菌体浓度的实时预测.     

重组毕赤酵母表达期菌体浓度的软测量模型

建立了用于在线估计高密度重组毕赤酵母培养过程中处于表达阶段的菌体密度软测量模型。分别对比了基于遗传算法（GA）的动力学软测量模型以及基于人工神经网络（ANN）的软测量模型，并对神经网络软测量模型的拓扑结构以及训练参数进行了初步探讨。当采用基于遗传算法（GA）的动力学模型，模型拟舍值的最大误差为7．63％；在采用神经网络软测量技术时，选取合适的模型结构和输入参数，最大误差为3．12％，而且软测量模型可以很好地反映菌体浓度实时变化趋势。该研究结果表明，在酵母细胞的高密度培养过程中采用基于神经网络的软测量模型具有较高的准确度，可以较好地实时反映发酵过程中菌体浓度的变化。