生物反应器运行状况分级预报预测方法及系统技术方案

本发明专利技术提供了一种生物反应器运行状况分级预报预测方法及系统，其首先建立统一时间间隔颗粒度下的反应器运行状况关联变量历史数据集；然后依据基于关联变量建立的反应器运行状况精细化等级分类，对关联变量历史特征数据集数据标注；并采用集合多个机器学习算法建立的当前状况预测模型组，对当前时间间隔颗粒度下的实时关联变量特征数据样本进行反应器当前状况分类等级预测；最后采用集合多个机器学习算法建立的未来状况预测模型组，对未来状况关联变量特征数据样本进行未来状况分类等级预测并且预测结果符合期望的反应器运行状况分类等级，从而提供反应器运行实时应变对策，以提高反应器实时响应能力、保障反应器运行稳定性。

【技术实现步骤摘要】
生物反应器运行状况分级预报预测方法及系统
本专利技术涉及生物反应器
，尤其是涉及一种生物反应器运行状况分级预报预测方法及系统。
技术介绍
生物反应器往往是按照既定的设计条件来制造的，相关的自动控制系统或装置等也是按照既定的控制策略来执行的。对于实际过程中随时可能出现的外部条件的波动、干扰与变化，生物反应器及其自动控制系统或装置是不能产生实时响应的。生产过程中产生的各类运行数据总是躺在文件柜、档案室里，并没有真正发挥作用。生物反应器的长期运行管理更多地依赖于人工管理，并且需要具有丰富运行管理经验的人员。同时，不同生产企业之间或企业内部存在的生物反应器硬件设施配置差异、运行管理人员经验与素质的差异，都难以保证运行管理的及时性、有效性和稳定性。在实际生产过程中，生物反应器运行状况的优劣或者稳定与否，直接关系到生物反应器的产出是否稳定，关系到生物反应器产出的质量是否满足预期要求，关系到生物反应器状态的波动是否会造成其性能下降以及能耗增加等。所以，如何提高反应器的实时响应能力，保障反应器运行的稳定性是一个亟待解决的问题。...

【技术保护点】
1.一种生物反应器运行状况分级预报预测方法，其特征在于，包括以下步骤：/n获取反应器历史运行数据库中涉及到的反应器运行状况的关联变量数据，建立统一时间间隔颗粒度下的反应器关联变量历史样本数据集；/n提取反应器关联变量历史样本数据集的统计学特征和时间序列特征，建立反应器关联变量历史样本特征数据集；/n依据基于关联变量建立的反应器运行状况精细化等级分类，对反应器关联变量历史样本特征数据集进行数据标注；/n从已标注的反应器关联变量历史样本特征数据集中提取出当前状况关联变量训练数据集，集合多个机器学习算法，利用当前状况关联变量训练数据集训练并建立当前状况预测模型组；调用当前状况预测模型组，对当前时间间...

【技术特征摘要】
1.一种生物反应器运行状况分级预报预测方法，其特征在于，包括以下步骤：
获取反应器历史运行数据库中涉及到的反应器运行状况的关联变量数据，建立统一时间间隔颗粒度下的反应器关联变量历史样本数据集；
提取反应器关联变量历史样本数据集的统计学特征和时间序列特征，建立反应器关联变量历史样本特征数据集；
依据基于关联变量建立的反应器运行状况精细化等级分类，对反应器关联变量历史样本特征数据集进行数据标注；
从已标注的反应器关联变量历史样本特征数据集中提取出当前状况关联变量训练数据集，集合多个机器学习算法，利用当前状况关联变量训练数据集训练并建立当前状况预测模型组；调用当前状况预测模型组，对当前时间间隔颗粒度下的实时关联变量特征数据样本进行当前状况分类等级预测。


2.根据权利要求1所述一种生物反应器运行状况分级预报预测方法，其特征在于，所述从已标注的反应器关联变量历史样本特征数据集中提取出当前状况关联变量训练数据集，集合多个机器学习算法，利用当前状况关联变量训练数据集训练并建立当前状况预测模型组；调用当前状况预测模型组，对当前时间间隔颗粒度下的实时关联变量特征数据样本进行当前状况分类等级预测，包括：
设定目标变量，以当前时间间隔颗粒度下可利用的关联变量为提取条件，从已标注的反应器关联变量历史样本特征数据集中提取出包括目标变量在内的当前状况关联变量训练数据集；
采用多个机器学习算法，利用当前状况关联变量训练数据集对每个算法训练并建立相应的当前状况预测模型，确定模型综合评分排列位于前列的多个算法模型，作为当前状况预测模型组；
提取当前时间间隔颗粒度下的实时关联变量数据样本的统计学特征和时间序列特征，建立当前时间间隔颗粒度下的实时关联变量特征数据样本；
调用当前状况预测模型组，对当前时间间隔颗粒度下的实时关联变量特征数据样本，进行运行状况分类等级预测，取分类多数的标签作为最终的分类等级预测标签，取分类多数的各个算法预测值的加权平均值作为最终的加权分类等级预测值。


3.一种生物反应器运行状况分级预报预测方法，其特征在于，所述生物反应器运行状况分级预报预测方法还包括以下步骤：
从已标注的反应器关联变量历史样本特征数据集中提取出未来状况关联变量训练数据集，集合多个机器学习算法，利用未来状况关联变量训练数据集训练并建立未来状况预测模型组；基于参数水平调整生成未来预测时段的未来状况关联变量特征数据样本，调用未来状况预测模型组对未来状况关联变量特征数据样本进行未来状况分类等级预测、并且基于未来状况关联变量特征数据样本的未来状况分类等级预测结果符合期望的反应器运行状况分类等级。


4.根据权利要求3所述一种生物反应器运行状况分级预报预测方法，其特征在于，所述从已标注的反应器关联变量历史样本特征数据集中提取出未来状况关联变量训练数据集，集合多个机器学习算法，利用未来状况关联变量训练数据集训练并建立未来状况预测模型组；基于参数水平调整生成未来预测时段的未来状况关联变量特征数据样本，调用未来状况预测模型组对未来状况关联变量特征数据样本进行未来状况分类等级预测、并且基于未来状况关联变量特征数据样本的未来状况分类等级预测结果符合期望的反应器运行状况分类等级，包括：
设定目标变量，以未来预测时段可利用的关联变量为提取条件，从已标注的反应器关联变量历史样本特征数据集中提取出包括目标变量在内的未来状况关联变量训练数据集；
采用多个机器学习算法，利用未来状况关联变量训练数据集对每个算法训练并建立相应的未来状况预测模型，确定模型综合评分排列位于前列的多个算法模型，作为未来状况预测模型组；
根据反应器当前状况分类等级预测结果与期望的反应器运行状况分类等级的偏离程度，生成未来预测时段的未来状况关联变量数据样本；
提取未来预测时段的未来状况关联变量数据样本的统计学特征和时间序列特征，建立未来预测时段的未来状况关联变量特征数据样本；
调用未来状况预测模型组对未来预测时段的未来状况关联变量特征数据样本进行未来状况分类等级预测，取分类多数的标签作为最终的分类等级预测标签，取分类多数的各个算法预测值的加权平均值作为最终的加权分类等级预测值；
比较反应器未来状况分类等级预测结果与期望的反应器运行状况分类等级，若两者相符，则将上述未来状况关联变量数据样本以及基于其特征数据样本的未来状况分类等级预测结果确定为未来状况关联变量水平预案，未来状况预测结束；若两者不相符，则返回到生成未来状况关联变量数据样本步骤，重新生成新的未来状况关联变量数据样本，并调用未来状况预测模型组对新的未来状况关联变量特征数据样本进行未来状况分类等级预测，直到反应器未来状况分类等级预测结果与期望的反应器运行状况分类等级相符为止，最终的未来状况关联变量数据样本以及基于其特征数据样本的未来状况分类等级预测结果确定为未来状况关联变量水平预案。


5.根据权利要求1所述一种生物反应器运行状况分级预报预测方法，其特征在于，将不同时间间隔颗粒度的关联变量数据，按照统一的时间间隔颗粒度进行数据转换，建立统一时间间隔...

【专利技术属性】
技术研发人员：郑蓓，
申请(专利权)人：中国市政工程中南设计研究总院有限公司，
类型：发明
国别省市：湖北;42