【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领域及深度学习预训练，尤其是涉及一种基于预训练的发酵产物浓度预测方法。
技术介绍
1、生物制造是利用生物机体进行物质加工与合成的绿色生产方式。生物制造产业链如图1所示，图1中上游产业使用基因编辑和高通量筛选技术产出高性能工业菌株；中游产业进行发酵过程优化与发酵过程放大得出可用于大规模发酵的高性能工业菌株的最佳发酵条件；下游产业进行发酵产物分离提纯，进行商业化产品交付。近年，合成生物学与高通量筛选技术大大提高了上游高性能工业菌株的可获性，而中游发酵过程优化技术仍在利用经验知识和统计学方法进行反复试错，由于较难量化和形成标准，已经成为上游创新成果产业化的瓶颈。因此如何借助智能化技术提升发酵优化的效率，已经受到学术界与工业界的关注。
2、发酵过程优化是指发酵师依据表征质量的特定变量值，并结合经验调整控制参数，其中表征质量的特定变量值称为指标变量，主要包括菌体浓度、产物浓度以及底物浓度等。由于指标变量需要离线测得，无法获得实时数据，导致发酵师只能凭经验进行粗粒度调控。软测量指以软件代替硬件功能，使用...
【技术保护点】
1.一种基于预训练的发酵产物浓度预测方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的一种基于预训练的发酵产物浓度预测方法，其特征在于，所述步骤S2：数据轮换模块整理历史发酵过程数据为训练数据中，为方便说明，定义一个有n批发酵数据的数据集D，对都有其中代表易测得的发酵过程数据，每一个子数据集会有li个时间步数据，下角标i表示第i个数据集，其中Yi代表待预测变量，则可以定义mini_batch(l)即为长度l的一组训练数据，为方便说明简称为mini_batch，使用数据轮换机制整理数据包括以下步骤：
3.根据权利要求1所述的一种基于预训练...
【技术特征摘要】
1.一种基于预训练的发酵产物浓度预测方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的一种基于预训练的发酵产物浓度预测方法，其特征在于，所述步骤s2：数据轮换模块整理历史发酵过程数据为训练数据中，为方便说明，定义一个有n批发酵数据的数据集d，对都有其中代表易测得的发酵过程数据，每一个子数据集会有li个时间步数据，下角标i表示第i个数据集，其中yi代表待预测变量，则可以定义mini_batch(l)即为长度l的一组训练数据，为方便说明简称为mini_batch，使用数据轮换机制整理数据包括以下步骤：
3.根据权利要求1所述的一种基于预训练的发酵产物浓度预测方法，其特征在于，所述步骤s3：设置正负样本对比学习模块中，定义数据增强族τ，该数据增强族可以包括数据随机翻转、随即洗牌、随机增幅等数据增强操作，定义第i个批次数据xi∈di∈mini_batch，其中选定弱相关变量进行数据增强并构造正样本选定强相关变量进行数据增强并构造负样本正样本指导模型学习弱相关变量的一些变化不会对结果产生巨大影响，负样本指导模型学习强相关变量的变化会使结果产生巨大差异，使用一个自回归模型menc对过程数据进行编码，得到hi＝menc(xi),其中hi为原始数据经过自回归模型计算后的映射，为正样本经过自回归模型计算后的映射，为负样本经过自回归模型计算后的映射，指定为正对，为负对，构造正负样本对比学习任务。
4.根据权利要求1所述的一种基于预训练的发酵产物浓...
【专利技术属性】
技术研发人员：刘晶，王君贤，季海鹏，王旭，吕华，
申请(专利权)人：河北工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。