重组毕赤酵母表达期菌体浓度的软测量模型

Soft Sensor Modeling for Predicting Biomass Concentration at Recombinant Pichia pastoris Expression Phase

摘要:

建立了用于在线估计高密度重组毕赤酵母培养过程中处于表达阶段的菌体密度软测量模型。分别对比了基于遗传算法（GA）的动力学软测量模型以及基于人工神经网络（ANN）的软测量模型，并对神经网络软测量模型的拓扑结构以及训练参数进行了初步探讨。当采用基于遗传算法（GA）的动力学模型，模型拟舍值的最大误差为7．63％；在采用神经网络软测量技术时，选取合适的模型结构和输入参数，最大误差为3．12％，而且软测量模型可以很好地反映菌体浓度实时变化趋势。该研究结果表明，在酵母细胞的高密度培养过程中采用基于神经网络的软测量模型具有较高的准确度，可以较好地实时反映发酵过程中菌体浓度的变化。

Abstract:

A soft-sensor model based on kinetics and neural network was established for online estimation of cell concentration in high-cell density cultivation of recombinant Pichia Pastoris.Performance comparison of the genetic algorithms(GA) and the artificial ne