摘要

为实现青霉素生产过程的有效控制和管理,针对生产过程中青霉素浓度无法实时监测的问题,提出了基于机器学习算法的两种工况分类方法及其相应的预测模型。首先,以青霉素生产过程中影响青霉素浓度的因素作为参数指标,分别采用K-Means、ISODATA聚类算法实现青霉素生产工况的分类;然后,在两种分类结果的基础上采用支持向量机线性回归(SVR)建模,得到对应的SVR预测模型;最后,对青霉素发酵过程产生的数据进行仿真实验,仿真结果表明,基于两种聚类算法的SVR预测模型的预测准确性都较高,而基于K-Means聚类算法的SVR预测模型的可靠性更优。