基于FTSVM的固态发酵预测模型的研究

固态发酵过程是一个相对封闭的过程,无法进行人工干预,工艺优化只能通过对历史发酵过程中的数据进行分析建模,进而指导后续的发酵工艺。论文根据发酵过程中的温度时间序列数据建立产量预测模型,整个过程包括特征预处理、特征选择和模糊孪生支持向量机训练三个部分。首先对单个样本数据集减去平均值并乘以权值以提高样本内数据的差异性,然后通过最小冗余最大相关算法选取最优特征子集,最后将特征向量输入到模糊孪生支持向量机进行训练,得到固态发酵产量的预测模型。实验结果表明,该模型能够提高预测的正确率,提高模糊孪生支持向量机对高维数据分类的性能,为后续的工艺优化提供了一定的决策依据。