基于FCM-IGA-FNN的海洋蛋白酶发酵过程软测量

摘要

针对海洋蛋白酶发酵过程中因缺少专家经验,导致模糊神经网络的模糊规则不易提取、网络结构优化时间较长及易于早熟等问题,基于模糊C均值使用免疫模糊神经网络建立模型.根据数据集的不同特征属性对样本数据空间进行划分,通过不断的矩阵迭代得到样本数据空间最优的聚类中心和隶属度值,建立模糊神经网络模型,并运用改进的免疫遗传算法对其中的网络结构加以修饰.将模型应用于海洋蛋白酶发酵过程中,实验结果表明,相比传统FNN预测模型,菌体浓度、基质浓度及相对酶活预测均方误差分别提高了0.234、0.190和1.00.该方法不仅能实现对发酵过程相关参量的在线预测,且相比传统方法具有较高的建模精度.