声明
摘要
第1章 绪论
1.1 研究背景及意义
1.1.1 课题研究背景
1.1.2 课题研究意义
1.2 国内外研究现状
1.3 软测量技术的发展趋势
1.4 论文主要内容和结构安排
第2章 软测量理论及其建模方法
2.1 引言
2.2 软测量技术
2.2.1 软测量概述
2.2.2 软测量的数学描述
2.3 软测量建模方法
2.3.1 常用软测量建模方法
2.3.2 基于核的机器学习软测量建模方法
2.4 软测量的实施步骤
2.5 小结
第3章 基于核的机器学习理论
3.1 引言
3.2 支持向量机
3.2.1 支持向量机概述
3.2.2 支持向量机与最小二乘支持向量机回归
3.2.3 支持向量机的缺点
3.3 相关向量机
3.3.1 相关向量机概述
3.3.2 相关向量机回归
3.3.3 一种快速的RVM超参数优化算法
3.3.4 相关向量机回归预测
3.4 仿真示例
3.5 小结
第4章 基于粒子群优化核参数的组合核RVM软测量
4.1 引言
4.2 核函数类型及特性
4.2.1 高斯局部核函数
4.2.2 多项式全局核函数
4.3 组合核函数的构建
4.4 基于PSO优化核参数的组合核RVM软测量模型
4.4.1 粒子群优化算法
4.4.2 组合核RVM软测量模型的PSO优化
4.5 小结
第5章 基于组合核RVM的生物反应过程软测量
5.1 引言
5.2 赖氨酸发酵概述
5.2.1 赖氨酸发酵工艺流程
5.2.2 赖氨酸发酵过程关键生物量
5.2.3 赖氨酸的实验室发酵
5.3 数据预处理
5.3.1 过失数据剔除
5.3.2 数据归一化
5.4 辅助变量的选择
5.4.1 核主成分分析
5.4.2 实验数据的KPCA特征提取
5.5 基于组合核RVM的赖氨酸发酵软测量模型
5.5.1 赖氨酸发酵软测量模型的构建
5.5.2 组合核核参数PSO优化
5.6 仿真结果与分析
5.7 小结
第6章 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
攻读硕士学位期间发表的学术论文
附录 30L-WKT型赖氨酸发酵生物反应器