菊粉酶是一种能够水解β-2,1-D-果聚糖果糖苷键的水解酶,可用于生产生物燃料乙醇、丁醇、单细胞油脂、低聚果糖和乳酸等工业产品。因此,菊粉酶在医药、保健、食品和生物能源等领域显示出巨大的的应用前景。在利用毕赤酵母高密度发酵生成菊粉酶过程中需要测量的参数包括化学参数、生物参数和物理参数。其中,产物菊粉酶的浓度只能通过考马斯亮蓝法(Bradford)离线测量,这样不仅造成发酵成本的增加,而且对发酵过程的控制决策和工艺改善造成影响。为解决上述难题,本文使用软测量建模方法,实现对产物菊粉酶浓度的在线预测。本文主要研究内容如下:1.本文在充分分析毕赤酵母发酵工艺后,通过对重组毕赤酵母(Pichia pastoris KM71/pPIC9K-EnInu)进行高密度发酵,获取发酵过程中关键变量的原始数据。通过建立标准最小二乘支持向量机(Least Squares Support Vector Machines,LSSVM)模型,初步实现了对菊粉酶浓度的在线预测。2.针对标准LSSVM模型输入数据维数较高,且数据之间相关性较强、模型鲁棒性能差、运算时间长、预测精度不高等问题,本文提出了基于主元分析与自适应鲁棒最小二乘支持向量机的混合模型(Principal Component Analysis-Adaptive Robust Least Squares Support Vector Machines,PCA-ARLSSVM)。首先通过对输入的样本数据进行主元分析,降低了模型输入数据的维数和数据之间相关性,从而极大地简化了模型运算过程,减少了模型运算时间;其次,PCA-ARLSSVM模型在标准LSSVM模型基础上,引入了模糊隶属度概念,大大提高了模型的鲁棒性;最后,为了使软测量模型更好地适应现场工况,提高模型的泛化能力,本文将模型总的预报误差作为阈值,使模型能够随现场工况的变化不断更新样本数据,以达到更新模型参数的目的,从而进一步提高模型预测性能。实验结果证明,基于PCA-ARLSSVM的软测量模型性能要优于标准LSSVM模型。3.针对PCA-ARLSSVM模型的惩罚系数与宽度系数对软测量模型的预测精度与泛化能力有重要影响的问题,本文在深入研究了人工萤火虫群优化算法(Glowworm Swarm Optimization,GSO)与基本果蝇优化算法(Fruit fly Optimization Algorithm,FOA)各自优势和缺陷的基础上,提出了萤火虫-果蝇混合优化算法(Glowworm Swarm Optimization-Fruit fly Optimization Algorithm,GSO-FOA)对模型参数进行寻优,使模型的预测精度和泛化能力达到最佳平衡。实验结果证明,相比于人工萤火虫群优化算法,萤火虫-果蝇混合优化算法对于软测量模型参数的寻优时间更少,模型的预测精度也更高。综上,基于PCA-ARLSSVM的软测量模型可有效应用于重组毕赤酵母发酵过程中产物菊粉酶浓度的在线预测,为发酵过程中的控制决策和工艺改善提供指导和参考。