一種基于支持向量機的畢赤酵母發酵過程預警方法
【專利摘要】本發明公開了一種基于支持向量機的畢赤酵母發酵過程預警方法，屬于生物【技術領域】。本發明方法步驟為：(1)確定發酵誘導期最優化的甲醇濃度變化曲線；(2)在線獲取誘導期的過程參數；(3)建立支持向量機分類器；(4)對分類器進行訓練和測試；(5)利用通過測試的分類器進行在線預警。將基于支持向量機的畢赤酵母發酵過程預警系統用于pIFN-α發酵的在線故障診斷，該系統可以在發酵出現甲醇濃度過高異常時發出預警，最終發酵穩定性顯著提高。
【專利說明】一種基于支持向量機的畢赤酵母發酵過程預警方法
【技術領域】
[0001] 本發明涉及一種基于支持向量機的畢赤酵母發酵過程預警方法，屬于生物技術領 域。
【背景技術】
[0002] 甲醇營養型畢赤酵母（Methylotrophic Pichiapastoris)是一種優良的外源蛋 白表達系統，近年來應用十分廣泛，此表達系統的成功之處在于它具有強有力的醇氧化酶 (A0X1)啟動子，可嚴格調控外源蛋白的表達，但也存在不足之處：一是培養周期相對大腸 桿菌較長，二是誘導期對甲醇濃度比較敏感。如果甲醇濃度過高，細胞的生長就會受到抑 制，甚至出現細胞死亡。離線控制甲醇濃度時，雖然檢測結果比較準確，但常常存在檢測步 驟繁瑣、檢測時間長、檢測結果嚴重滯后等問題。而采用甲醇電極反饋控制的方法，在線調 節發酵罐中甲醇濃度，由于甲醇電極容易受環境條件和其他揮發性物質的影響，使測量值 與實際值相差很大。因此，尋找一種適宜的過程預警系統，在甲醇濃度過高時進行預警，對 于提高目的蛋白的產量是很重要的。
【發明內容】
[0003] 本發明以豬a干擾素（pIFN-a)為發酵產品，提出了一種基于支持向量機 SVM(Support Vector Machine)的畢赤酵母發酵過程預警系統，用來識別發酵中甲醇濃度 的適中和過量。
[0004] 本發明提供的基于支持向量機的畢赤酵母發酵過程預警系統包括發酵裝置、檢測 裝置和識別裝置；所述檢測裝置將測量發酵過程參數傳到所述識別裝置；所述識別裝置利 用支持向量機分類器對過程參數進行狀態分類；所述發酵過程參數包括發酵時間、攪拌轉 速、甲醇流加速率、氧氣消耗速率、二氧化碳釋放速率；所述狀態分類是指分為發酵過程正 常或發酵過程異常；所述發酵過程異常是指甲醇濃度過量。
[0005] 所述預警系統中的狀態分類通過支持向量機分類器實現。
[0006] 本發明還提供一種基于支持向量機的畢赤酵母發酵過程預警方法，包括以下步 驟：
[0007] (1)確定發酵誘導期最優化的甲醇濃度變化曲線；
[0008] (2)在線獲取誘導期的過程參數；
[0009] (3)建立支持向量機分類器；
[0010] ⑷對分類器進行訓練和測試；
[0011] (5)利用通過測試的分類器進行在線預警；
[0012] 所述步驟（1)中最優化的甲醇濃度變化曲線必須通過至少6批正常發酵批次才能 實現。
[0013] 所述步驟（2)中的過程參數包括發酵時間、攪拌轉速、甲醇流加速率、氧氣消耗速 率、二氧化碳釋放速率。
[0014] 所述步驟（3)支持向量機具體建立方法是：支持向量機為標準的向量機，所用的 核函數是最常用的徑向基（Radial basis function，RBF)核函數。學習樣本可以表示為 (Yi, zj，向量Yi表示第i組樣本的輸入特征。Yi是一個5維向量，包括發酵時間、攪拌轉速、 甲醇流加速率、氧氣消耗速率、二氧化碳釋放速率，必須把所有數據歸一化到〇?1之間。Zi 表示1對應的特征標簽，取值為"0 "或" 1"，表示發酵正常或者異常。
[0015] 如圖1所示，超平面氏將樣本點分為兩類，H^WX+b = 0表示，HjPH3是一對 平行的超平面，分別被定義為WX+b = 1和WX+b = -1。SVM算法的目的是在保證二者均能 對樣本點進行正確分類的前提下，最大化它們之間的距離2/| |W| |，即最小化1/2| |W| |2， 從而求解出分類超平面氏。若分類正確，則所有的樣本Xji = 1，2,……，N)均應滿足 yiX (WXjb)多1，氏的求解過程可以用下述參數優化問題表示：
【權利要求】
1. 一種基于支持向量機的畢赤酵母發酵過程預警系統，所述系統包括發酵裝置、檢測 裝置和識別裝置；所述檢測裝置將測量發酵過程參數傳到所述識別裝置；所述識別裝置利 用支持向量機分類器對過程參數進行狀態分類；所述發酵過程參數包括發酵時間、攪拌轉 速、甲醇流加速率、氧氣消耗速率、二氧化碳釋放速率；所述狀態分類是指分為發酵過程正 常或發酵過程異常；所述發酵過程異常是指甲醇濃度過量。
2. 根據權利要求1所述的系統，其特征在于，所述狀態分類是通過支持向量機分類器 實現。
3. -種基于支持向量機的畢赤酵母發酵過程預警方法，包括以下步驟： (1) 確定發酵誘導期最優化的甲醇濃度變化曲線； (2) 在線獲取誘導期的過程參數，包括發酵時間、攪拌轉速、甲醇流加速率、氧氣消耗速 率、二氧化碳釋放速率； (3) 建立支持向量機分類器； (4) 對分類器進行訓練和測試； (5) 利用通過測試的分類器進行在線預警。
4. 根據權利要求3所述的方法，其特征在于，所述步驟1中最優化的甲醇濃度變化曲線 通過至少6批正常發酵批次得到。
5. 根據權利要求3所述的方法，其特征在于，所述步驟3中的支持向量機為標準的向量 機，所用的核函數是徑向基核函數，學習樣本表示為（Yi,Zi)，向量Yi表示第i組樣本的輸入 特征；所述Yi是一個5維向量，包括發酵時間、攪拌轉速、甲醇流加速率、氧氣消耗速率、二 氧化碳釋放速率，必須把所有數據歸一化到O?1之間，Zi表示Y，寸應的特征標簽，取值為 "O"或" 1"，表示Yi的類別，即正常或異常。
6. 根據權利要求5所述的方法，其特征在于，所述支持向量機分類器參數取值包括：超 平面H1將樣本點分為兩類，Hi由WX+b=O表示，H2和H3是一對平行的超平面，分別被定義 為WX+b= 1和WX+b= -1，所述支持向量機算法的目的是在保證二者均能對樣本點進行正 確分類的前提下，最大化它們之間的距離2/1Iwl|，即最小化1/21Iwl|2,從而求解出分類超 平面H1，若分類正確，則所有的樣本Xi(i= 1，2,……，Ν)均應滿MyiX(WXi+b)彡1，氏的 求解過程用下述參數優化問題表示：
SubjecttoYiX(WXj+b)I(1iN) 引入松弛變量ξi、懲罰因子C和拉格朗日乘子αρβi，然后分別對W、b、αjPβ1并 求偏導，#胳偏導詈雪，原問顥可鮮化為，
對未知X分類的判別函數如下：
如果X在原有特征空間內不是線性可分的，則利用核函數K(Xi，X)，將其映射至更高維 的特征空間中再進行分類，所用的核函數是徑向基核函數；核函數和映射后的判別函數分 別如公式4和公式5所示：
7. 根據權利要求3所述的方法，其特征在于，所述步驟4中對分類器的訓練和測試，是 把歷史數據分成兩個部分，2批以上正常的數據作為訓練樣本，2批以上故障的數據和其他 2批以上正常發酵的數據用來作為故障檢驗。
8. 根據權利要求3所述的方法，其特征在于，所述步驟5是在步驟4的測試結果都能達 到要求后，才進行的。
9. 根據權利要求5所述的方法，其特征在于，所述方法用正常發酵數據作為輸入數據 時，特征標簽Zi等于"0"，在采用非正常數據作為作為輸入數據時，特征標簽zi等于" 1"。
10. 權利要求1所述預警系統在畢赤酵母發酵方面的應用。
【文檔編號】C12M1/00GK104450499SQ201410803931
【公開日】2015年3月25日 申請日期:2014年12月22日 優先權日:2014年12月22日
【發明者】詹曉北, 高敏杰, 史仲平, 鄭志永, 丁健, 楊帥 申請人:江南大學