一种基于支持向量机的毕赤酵母发酵过程预警方法
【专利摘要】本发明公开了一种基于支持向量机的毕赤酵母发酵过程预警方法，属于生物【技术领域】。本发明方法步骤为：(1)确定发酵诱导期最优化的甲醇浓度变化曲线；(2)在线获取诱导期的过程参数；(3)建立支持向量机分类器；(4)对分类器进行训练和测试；(5)利用通过测试的分类器进行在线预警。将基于支持向量机的毕赤酵母发酵过程预警系统用于pIFN-α发酵的在线故障诊断，该系统可以在发酵出现甲醇浓度过高异常时发出预警，最终发酵稳定性显著提高。
【专利说明】一种基于支持向量机的毕赤酵母发酵过程预警方法
【技术领域】
[0001] 本发明涉及一种基于支持向量机的毕赤酵母发酵过程预警方法，属于生物技术领 域。
【背景技术】
[0002] 甲醇营养型毕赤酵母（Methylotrophic Pichiapastoris)是一种优良的外源蛋 白表达系统，近年来应用十分广泛，此表达系统的成功之处在于它具有强有力的醇氧化酶 (A0X1)启动子，可严格调控外源蛋白的表达，但也存在不足之处：一是培养周期相对大肠 杆菌较长，二是诱导期对甲醇浓度比较敏感。如果甲醇浓度过高，细胞的生长就会受到抑 制，甚至出现细胞死亡。离线控制甲醇浓度时，虽然检测结果比较准确，但常常存在检测步 骤繁琐、检测时间长、检测结果严重滞后等问题。而采用甲醇电极反馈控制的方法，在线调 节发酵罐中甲醇浓度，由于甲醇电极容易受环境条件和其他挥发性物质的影响，使测量值 与实际值相差很大。因此，寻找一种适宜的过程预警系统，在甲醇浓度过高时进行预警，对 于提高目的蛋白的产量是很重要的。
【发明内容】
[0003] 本发明以猪a干扰素（pIFN-a)为发酵产品，提出了一种基于支持向量机 SVM(Support Vector Machine)的毕赤酵母发酵过程预警系统，用来识别发酵中甲醇浓度 的适中和过量。
[0004] 本发明提供的基于支持向量机的毕赤酵母发酵过程预警系统包括发酵装置、检测 装置和识别装置；所述检测装置将测量发酵过程参数传到所述识别装置；所述识别装置利 用支持向量机分类器对过程参数进行状态分类；所述发酵过程参数包括发酵时间、搅拌转 速、甲醇流加速率、氧气消耗速率、二氧化碳释放速率；所述状态分类是指分为发酵过程正 常或发酵过程异常；所述发酵过程异常是指甲醇浓度过量。
[0005] 所述预警系统中的状态分类通过支持向量机分类器实现。
[0006] 本发明还提供一种基于支持向量机的毕赤酵母发酵过程预警方法，包括以下步 骤：
[0007] (1)确定发酵诱导期最优化的甲醇浓度变化曲线；
[0008] (2)在线获取诱导期的过程参数；
[0009] (3)建立支持向量机分类器；
[0010] ⑷对分类器进行训练和测试；
[0011] (5)利用通过测试的分类器进行在线预警；
[0012] 所述步骤（1)中最优化的甲醇浓度变化曲线必须通过至少6批正常发酵批次才能 实现。
[0013] 所述步骤（2)中的过程参数包括发酵时间、搅拌转速、甲醇流加速率、氧气消耗速 率、二氧化碳释放速率。
[0014] 所述步骤（3)支持向量机具体建立方法是：支持向量机为标准的向量机，所用的 核函数是最常用的径向基（Radial basis function，RBF)核函数。学习样本可以表示为 (Yi, zj，向量Yi表示第i组样本的输入特征。Yi是一个5维向量，包括发酵时间、搅拌转速、 甲醇流加速率、氧气消耗速率、二氧化碳释放速率，必须把所有数据归一化到〇?1之间。Zi 表示1对应的特征标签，取值为"0 "或" 1"，表示发酵正常或者异常。
[0015] 如图1所示，超平面氏将样本点分为两类，H^WX+b = 0表示，HjPH3是一对 平行的超平面，分别被定义为WX+b = 1和WX+b = -1。SVM算法的目的是在保证二者均能 对样本点进行正确分类的前提下，最大化它们之间的距离2/| |W| |，即最小化1/2| |W| |2， 从而求解出分类超平面氏。若分类正确，则所有的样本Xji = 1，2,……，N)均应满足 yiX (WXjb)多1，氏的求解过程可以用下述参数优化问题表示：
【权利要求】
1. 一种基于支持向量机的毕赤酵母发酵过程预警系统，所述系统包括发酵装置、检测 装置和识别装置；所述检测装置将测量发酵过程参数传到所述识别装置；所述识别装置利 用支持向量机分类器对过程参数进行状态分类；所述发酵过程参数包括发酵时间、搅拌转 速、甲醇流加速率、氧气消耗速率、二氧化碳释放速率；所述状态分类是指分为发酵过程正 常或发酵过程异常；所述发酵过程异常是指甲醇浓度过量。
2. 根据权利要求1所述的系统，其特征在于，所述状态分类是通过支持向量机分类器 实现。
3. -种基于支持向量机的毕赤酵母发酵过程预警方法，包括以下步骤： (1) 确定发酵诱导期最优化的甲醇浓度变化曲线； (2) 在线获取诱导期的过程参数，包括发酵时间、搅拌转速、甲醇流加速率、氧气消耗速 率、二氧化碳释放速率； (3) 建立支持向量机分类器； (4) 对分类器进行训练和测试； (5) 利用通过测试的分类器进行在线预警。
4. 根据权利要求3所述的方法，其特征在于，所述步骤1中最优化的甲醇浓度变化曲线 通过至少6批正常发酵批次得到。
5. 根据权利要求3所述的方法，其特征在于，所述步骤3中的支持向量机为标准的向量 机，所用的核函数是径向基核函数，学习样本表示为（Yi,Zi)，向量Yi表示第i组样本的输入 特征；所述Yi是一个5维向量，包括发酵时间、搅拌转速、甲醇流加速率、氧气消耗速率、二 氧化碳释放速率，必须把所有数据归一化到O?1之间，Zi表示Y，寸应的特征标签，取值为 "O"或" 1"，表示Yi的类别，即正常或异常。
6. 根据权利要求5所述的方法，其特征在于，所述支持向量机分类器参数取值包括：超 平面H1将样本点分为两类，Hi由WX+b=O表示，H2和H3是一对平行的超平面，分别被定义 为WX+b= 1和WX+b= -1，所述支持向量机算法的目的是在保证二者均能对样本点进行正 确分类的前提下，最大化它们之间的距离2/1Iwl|，即最小化1/21Iwl|2,从而求解出分类超 平面H1，若分类正确，则所有的样本Xi(i= 1，2,……，Ν)均应满MyiX(WXi+b)彡1，氏的 求解过程用下述参数优化问题表示：
SubjecttoYiX(WXj+b)I(1iN) 引入松弛变量ξi、惩罚因子C和拉格朗日乘子αρβi，然后分别对W、b、αjPβ1并 求偏导，#胳偏导詈雪，原问颢可鲜化为，
对未知X分类的判别函数如下：
如果X在原有特征空间内不是线性可分的，则利用核函数K(Xi，X)，将其映射至更高维 的特征空间中再进行分类，所用的核函数是径向基核函数；核函数和映射后的判别函数分 别如公式4和公式5所示：
7. 根据权利要求3所述的方法，其特征在于，所述步骤4中对分类器的训练和测试，是 把历史数据分成两个部分，2批以上正常的数据作为训练样本，2批以上故障的数据和其他 2批以上正常发酵的数据用来作为故障检验。
8. 根据权利要求3所述的方法，其特征在于，所述步骤5是在步骤4的测试结果都能达 到要求后，才进行的。
9. 根据权利要求5所述的方法，其特征在于，所述方法用正常发酵数据作为输入数据 时，特征标签Zi等于"0"，在采用非正常数据作为作为输入数据时，特征标签zi等于" 1"。
10. 权利要求1所述预警系统在毕赤酵母发酵方面的应用。
【文档编号】C12M1/00GK104450499SQ201410803931
【公开日】2015年3月25日 申请日期:2014年12月22日 优先权日:2014年12月22日
【发明者】詹晓北, 高敏杰, 史仲平, 郑志永, 丁健, 杨帅 申请人:江南大学