一种基于增量学习的发酵过程产物浓度动态预测方法技术

本发明专利技术公开了一种基于增量学习的发酵过程产物浓度动态预测方法，包括下述步骤：S1.构建包含基于特征降维的相似度计算模块与基于增量学习的自适应更新模块的方法框架；S2.采用发酵历史样本训练历史模型；S3.对发酵过程新增样本与历史样本进行特征降维，再根据相似度计算算法从历史样本中查询与新增样本相似的样本，构成相似样本集；S4.分别计算相似样本集与历史模型训练样本随机一个训练批次的损失梯度，判断梯度向量夹角计算得出新梯度；S5.用新梯度更新历史模型，更新后的模型继续用于后续的产物浓度预测。

【技术实现步骤摘要】

本专利技术涉及发酵过程产物浓度预测及增量学习，尤其涉及一种基于增量学习的发酵过程产物浓度动态预测方法。

技术介绍

1、生物制造是利用生物体机能进行物质加工与合成的生产方式。生物制造产业链大致分为上、中、下游三部分，其中上游进行基因编辑产出高性能工业菌株；中游通过发酵过程控制的反复实验得出菌株的最佳发酵条件；下游分离提纯发酵产物，形成商业化产品。近些年，文章[夏建业等.人工智能时代发酵优化与放大技术的机遇与挑战[j].生物工程学报,2022,38(11):4180-99.]中提到，由于上游合成生物学与高通量筛选技术的发展，大大提高了高性能菌株的可获得性，且下游产物分离与提纯速率稳定加快，而中游的发酵过程优化技术大多仍依赖发酵工程经验，采用传统试错的方法进行工艺开发，导致创新成果产业化进程减缓，造成发酵优化效率低下等问题。因此，如何利用智能化技术提高中游发酵优化的效率成为工业界关注的核心问题。

2、发酵过程优化是指发酵师通过监测过程变量，结合经验进行调控，确保生物反应器稳定运行的过程。发酵过程变量的测量包括在线测量变量和离线测量变量两种，其中在线测本文档来自技高网...

【技术保护点】

1.一种基于增量学习的发酵过程产物浓度动态预测方法，其特征在于利用增量学习动态更新模型以实时准确预测产物浓度，包括下述步骤：

2.根据权利要求1所述的一种基于增量学习的发酵过程产物浓度动态预测方法，其特征在于：所述步骤S3中，先采用t分布随机领域嵌入(t-SNE)算法对样本进行降维，再采用基于互信息与欧氏距离的加权相似度计算算法查找相似样本，构成相似样本集，包括以下步骤：

3.根据权利要求1所述的一种基于增量学习的发酵过程产物浓度动态预测方法，其特征在于：所述步骤S4中，分别计算相似样本集与历史模型训练样本随机一个训练批次的损失梯度，判断两个梯度夹角计算得出新梯度...

【技术特征摘要】

1.一种基于增量学习的发酵过程产物浓度动态预测方法，其特征在于利用增量学习动态更新模型以实时准确预测产物浓度，包括下述步骤：

2.根据权利要求1所述的一种基于增量学习的发酵过程产物浓度动态预测方法，其特征在于：所述步骤s3中，先采用t分布随机领域嵌入(t-sne)算法对样本进行降维，再采用基于...

【专利技术属性】
技术研发人员：刘晶，杨乐言，季海鹏，王旭，吕华，董永峰，
申请(专利权)人：河北工业大学，
类型：发明
国别省市：