一种基于果蝇算法优化梯度提升回归树的青霉素发酵过程软测量建模方法
专利汇可以提供一种基于果蝇算法优化梯度提升回归树的青霉素发酵过程软测量建模方法专利检索，专利查询，专利分析的服务。并且本 发明 提供了一种基于果蝇 算法 优化梯度提升回归树的青霉素 发酵 过程软测量建模方法，属于工业发酵生产过程软测量建模和应用领域。该方法通过果蝇 优化算法 对梯度提升回归树的关键参数进行寻优，实现对青霉素发酵过程的软测量建模，通过青霉素发酵过程中可以实时测量的辅助变量对需要离线测量的青霉素产物浓度进行在线软测量，并结合偏移补偿技术对模型输出值进行校准，为青霉素发酵过程产物浓度的在线实时测量提供了一种方法。本发明的软测量建模方法能提高青霉素发酵过程产物浓度的预测 精度 ，可有效用于指导青霉素的生产。，下面是一种基于果蝇算法优化梯度提升回归树的青霉素发酵过程软测量建模方法专利的具体信息内容。
1.一种基于果蝇算法优化梯度提升回归树的青霉素发酵过程软测量建模方法，其特征在于，包括以下步骤：
(1)通过数据库收集青霉素发酵过程中可在线测量的变量值，作为软测量建模样本的输入量，离线测量所得的青霉素浓度值，作为软测量建模样本的输出量；
(2)将软测量建模样本分为两个数据集， 为软测量建模
的训练数据集，N1为训练数据集的组数，Ak是1×d维的行向量，为软测量建模样本的一组输入量， 是Ak对应的软测量建模样本的输出量，k＝1,2,…,N1，d为每组输入量的维数；
为软测量建模的测试数据集，N2为测试数据集的组数，Bk是1
×d维的行向量，为软测量建模样本的一组输入量，yk是Bk对应的软测量建模样本的输出量，k＝1,2,…,N2，d为每组输入量的维数；
(3)利用基于果蝇算法优化梯度提升回归树建立青霉素发酵过程软测量模型，并将通过训练确定的青霉素发酵过程软测量模型参数存入数据库；
(4)采集青霉素发酵过程可在线测量变量的新数值；
(5)采集新的数据集 N3为新数据集的组数，Ck是1×d
维的行向量， 是对应Ck的青霉素浓度真实值，k＝1,2,…,N3，d为每组输入量的维数，将输入基于果蝇算法优化梯度提升回归树的青霉素发酵过程软测量模型中，
得到实时的青霉素浓度值 是对应Ck的软测量模型输出值，k＝1,2,…,N3；
(6)对得到的实时的青霉素浓度值，进行偏移补偿，得到最终青霉素浓度的软测量值是对应Ck的软测量值，k＝1,2,…,N3；
其中，所述步骤(3)的具体操作步骤如下：
①参数初始化：设置果蝇算法的群体数量为6，分别对应需要优化的梯度提升回归树的
6个参数learning_rate、n_estimators、max_depth、min_samples_split、min_samples_leaf、subsample，种群由P组群体构成，最大迭代次数为M，果蝇位置变化范围为LR，果蝇单次飞行范围为FR，初始化迭代次数l为1，群体组编号i为1；
②判断l≠1是否成立，成立，转到步骤③；不成立，随机生成群体中各只果蝇的初始位置，第i组群体中第j只果蝇的初始位置 为：
其中：nj表示搜索范围系数，j＝1,2,…,6，rand(LR)表示生成[-LR,LR]之间的随机数；
③每只果蝇按随机的飞行距离和方向进行搜索，则第i组群体中第j只果蝇的新位置为：
其中：ω＝ω0·αl，ω0是初始权重，α为权重系数，rand(FR)表示生成[-FR,FR]之间的随机数；
④令
取平方差函数L(p,q)＝(q-p)2表示关于变量p,q
的损失函数，按如下过程建立基于梯度提升回归树的青霉素发酵过程软测量模型：
A.初始化模型，K＝N1·subsample，0
根据式(3)计算得到使 最小化的数值c，将其作为梯度提升回归树模型的初始预测值f0(A′)：
其中： 表示使 取得最小值时的c的数值，A′＝{A′1,A′2,…
A′K}为抽取的建模样本输入量的集合；
B.z＝1，Z＝n_estimators，n_estimators为梯度提升回归树模型的迭代次数；
C.k＝1；
D.按式(4)计算当前模型的残差rzk：
其中：fz-1(A′)表示第z-1次迭代时得到的梯度提升回归树模型对输入量A′的预测函数；
E.判断k
G.按式(5)计算得到使 最小化的数值γ，将其作为当前梯度
提升回归树模型的权重γz：
其中： 表示使 取得最小值
时的γ的数值；
H.按式(6)更新模型，得到第z次迭代时梯度提升回归树模型对输入量A′的预测函数fz(A′)：
fz(A′)＝fz-1(A′)+ν·γz·hz(A′) (6)
其中：ν＝learning_rate为学习速率；
I.判断z
⑤输入 至青霉素发酵过程软测量模型，按式(7)得到其对应的青霉素
发酵过程软测量值 其中 为Bk对应的软测量值，k＝1,2,…,N2；
⑥计算当前参数下青霉素发酵过程软测量模型的拟合优度Ri：
⑦判断i
⑨判断l
⑩确定最终青霉素发酵过程软测量模型参数：learning_rate＝X1_best，n_estimators＝X2_best，max_depth＝X3_best，min_samples_split＝X4_best，min_samples_leaf＝X5_best，subsample＝X6_best；
所述步骤(6)使用偏移补偿计算D时刻青霉素浓度软测量值的具体操作方式如下：
①d'＝2,
②按式(9)计算当前d'时刻的偏移量
③按式(10)计算到d'时刻时的总偏移量εd'：
其中：β为权值系数，0.1≤β≤0.9；
④判断d'
一种基于果蝇算法优化梯度提升回归树的青霉素发酵过程软
测量建模方法
技术领域
背景技术
发明内容
为软测量建模的测试数据集，N2为测试数据集的组数，Bk是1
×d维的行向量，为软测量建模样本的一组输入量，yk是Bk对应的软测量建模样本的输出量，k＝1,2,…,N2，d为每组输入量的维数；
中，得到实时的青霉素浓度值 是对应Ck的软测量模型输出值，k＝1,2,…,
N3；
的损失函数，按如下过程建立基于梯度提升回归树的青霉素发酵过程软测量模型：
梯度提升回归树模型的初始预测值f0(A′)：
具体实施方式
2,…,7200；6个批次作为软测量建模的测试数据集{(B1,y1),(B2,y2),…,(B4800,y4800)}，Bi是1×5维的行向量，为软测量建模样本的一组输入量，yi是Bi对应的软测量建模样本的输出量，i＝1,2,…,4800。具体实现方式如下：
的软测量模型输出值，i＝1,2,…,800，结合偏移补偿对输出值进行校准，就可以得到最终的青霉素浓度软测量值。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种半自动捕蝇网 | 2020-05-25 | 701 |
| 一种基于改进型果蝇算法的主动悬架视觉预瞄控制方法 | 2020-05-08 | 658 |
| 基于数学形态学和IFOA-SVR的滚动轴承可靠度预测方法 | 2020-05-22 | 309 |
| 一种具有防虫功能的门体结构 | 2020-05-23 | 963 |
| 一种受限环境下无线传感器网络节点的优化部署方法 | 2020-05-15 | 343 |
| 一种黄瓜制繁种综合管理方法 | 2020-05-20 | 255 |
| 一种基于果蝇算法的马达预压缩容腔结构设计方法 | 2020-05-15 | 125 |
| 一种无诱芯及瓶体的简易实蝇诱捕器 | 2020-05-18 | 872 |
| 一种高效环保捕杀蚊蝇装置 | 2020-05-19 | 193 |
| 一种易拆装折叠式组合捕蝇器 | 2020-05-18 | 1027 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
