基于粒子群优化神经网络(PSO-BPNN)算法在发酵过程控制中的研究

针对发酵过程中生物参数难以实时在线测量的问题,建立了用于生物参数状态预估的PSO-BPNN软测量模型。鉴于标准BP神经网络收敛太慢的缺点,运用PSO算法来优化网络权值,在此基础上,以饲料用β-甘露聚糖酶为对象,建立其基于PSO-BPNN的发酵过程产物浓度状态预估模型。发酵罐控制结果表明:该模型具有很好的学习精度和泛化能力,可实现对β-甘露聚糖酶产物浓度的实时在线预估。     

基于分段氨基酸组成预测β-琼胶酶的最适温度

为了探究氨基酸组成对β-琼胶酶催化底物时的最适温度的影响,分别统计分析了酶全长、N端、M段及C端序列中20种氨基酸出现的频次。以支持向量机回归构建了氨基酸组成与β-琼胶酶最适温度的模型,10-倍交叉验证获得最小平均绝对误差(MAE),线性核函数的M端为4.36℃,RBF核函数的M端为4.16℃,独立样本测试得到N端的MAE分别为3.12℃和4.43℃。上述结果表明,该酶N端和M端是影响其最适温度的重要因素。通过比较最适温度为60℃和30℃β-琼胶酶的高级结构,推测M端和N端中3个螺旋结构是影响该酶最适温度的重要因素。     

基于CAN总线的β-甘露聚糖酶发酵控制系统的设计

β-甘露聚糖酶发酵过程控制系统布线复杂、影响参数多、自动化程度低,因此设计一套基于CAN现场总线的发酵过程控制系统.CAN测控节点、工业控制计算机通过CAN总线,与各智能仪表间可直接通信,形成开放性网络,简化系统结构,提高控制效果.另外,采用基于QDPSO算法的BP网络控制发酵液的pH值,其精度比常规提高50%.     

基于PROFIBUS-DP的β-甘露聚糖酶发酵控制系统的研究

针对β-甘露聚糖酶发酵过程控制系统布线复杂、影响参数多、自动化程度低等问题,设计了一套基于PROFIBUS-DP的现场总线发酵过程控制系统;通过总线,DP主站、DP从站和各智能仪表间可直接进行通信,形成开放性网络,简化了系统结构,提高了控制效果;另外,采用基于遗传寻优的模糊控制器对发酵液的pH值进行控制,控制精度与常规方法相比提高了50%.     

BDPCA在线过程监测方法

针对基于多向主元分析(Muhiway Principal Component Analysis,MPCA)的方法在批过程故障监测中以样本观测相互独立作为假设前提条件,没有考虑到时间序列相关性的影响及需要对新批次未反应完的数据进行预估的缺陷,提出一种枇过程动态主元分析(Batch Dy-namic PCA,BDPCA)在线监测方法.该方法采用时滞变量将过程的静态和动态特征相结合,有效地去除了测量变量时间序列的自相关关系,并通过时滞窗口提供了在线监测方案,避免了对新批次未反应完的数据进行预估的需要,提出确定时滞变量的算法.将BDPCA应用于β-甘露聚糖酶发酵批过程的仿真监测,与移动窗多向主元分析(Moving Window MPCA.MWMPCA)法相比,仿真结果表明该方法能够更精确地对过程故障行为进行描述,具有良好的准确性和实时性.     

氨基酸嗜盐不对称指数与其理化性质的相关性

了解嗜盐蛋白氨基酸使用的偏好及该偏好与其理化性质之间的联系对探索嗜盐蛋白构效关系具有重要意义。本文选取极端嗜盐细菌Salinibacter ruber和非嗜盐菌Pelodictyon luteolum中362对同源蛋白,统计了52102个氨基酸突变位点,以此计算氨基酸的嗜盐不对称指数(HAI),并与243个理化性质进行相关性分析。结果表明:天冬氨酸的嗜盐性能最强,而异亮氨酸和赖氨酸最弱;243个理化性质中有16个同HAI存在显著相关性,其中5个呈正相关;氨基酸的亲疏水性及β折叠的倾向性是影响HAI值的两种最重要的理化性质。本文提出的氨基酸嗜盐不对称指数为了解嗜盐蛋白稳定性机制提供了新视角。     

壳聚糖酶解产物分子量分布优化控制研究

在壳聚糖酶解产物分子量分布模拟的基础上,运用遗传算法,对壳聚糖酶解过程产物分子量分布的优化控制进行研究。以酶解原料壳聚糖的脱乙酰度、水解度作为优化参数,以特定范围分子量的酶解产物最大得率为目标,研究优化过程的实现技术,得到了适于壳聚糖酶解产物分子量分布优化控制的算法。经实验验证,优化结果可靠。研究结果表明,遗传算法能有效地运用于壳聚糖酶解产物分子量分布的优化控制。     

新型灰色Verhulst 预测模型的参数特性

在灰色Verhulst 模型建模机理的基础上, 考虑相关因素对系统预测精度的影响, 构建一种新型灰色Verhulst 模型. 分析该模型参数在系统特征序列与相关因素序列经数乘变换前后的量化关系, 并分析数乘变换对该新模型建模精度的影响程度. 研究结果表明, 新型灰色Verhulst 模型的建模精度与系统相关因素序列的数乘变换有关, 而与系统特征序列的数乘变换无关. 研究结论认为, 利用数乘变换可降低该模型的建模复杂性.

     

变精度复合粗糙集模型及其应用*

针对复合信息系统中的噪声数据以及复合粗糙集近似边界要求严格等问题,对复合粗糙集模型进行了扩展,提出变精度复合粗糙集模型。在该模型中,通过设置阈值参数β (0.5<β ≤1),定义了基于矩阵方法的变精度复合粗糙集的β-上近似、β-下近似、β-正区域、β-负区域、β-边界区域、β-精确度和β-粗糙度等概念;同时,对变精度复合粗糙集的相关性质进行了研究。最后,通过实例说明了该模型在信息处理中的应用,进一步说明该模型具有一定的容错性,抗干扰能力增强,应用范围扩大。     

Singer模型下α-β-γ滤波的新息序列特性分析

卡尔曼滤波条件下新息序列的白噪声特性在跟踪过程中具有十分重要的作用。但在实际工程中,α-β-γ滤波器因其较小的计算量常取代卡尔曼滤波器得以应用,这时需要对该滤波条件下的新息相关特性进行研究,以此来指导野值剔除和机动检测方案的重新设计。从理论上推导了Singer模型下α-β-γ滤波的新息序列相关特性计算的一般表达式,在两组特定的取值下,研究和分析了滤波达到稳态时新息序列的相关特性,用仿真验证了理论推导的正确性。理论和仿真结果均表明,两种情况下的新息序列都具有一定的相关性。     

三江平原岗地白浆土水解酶活性和动力学特性对不同连作农作物的响应

作物种植会对农田生态系统产生一定的影响.大田试验条件下,在黑龙江省853农场岗地白浆土上连续6年种植玉米、大豆、小麦、水稻,研究了土壤理化性质以及土壤中与碳、氮、磷、硫元素转化相关的9种水解酶活性和动力学特性的响应;同时研究了不同作物种植对土壤脲酶、磷酸单酯酶、磷酸二酯酶、芳基硫酸酯酶及β-葡糖苷酶动力学特性的影响.结果表明,大豆连作土壤的有效氮、总碳、总氮、总磷和总硫含量都稍高;大豆处理土壤pH值略低,但其它三种作物种植下的土壤均呈微酸性,差异不显著.土壤水解酶动力学参数对种植作物的反应与表观活性的反应不一致.玉米连作土壤蛋白酶和磷酸单酯酶活性高于其它处理;小麦处理的磷酸二酯酶和芳基硫酸酯酶活性最高,水稻连作土壤蛋白酶、磷酸二酯酶和磷酸三酯酶活性最低.连年种植小麦处理的土壤脲酶、磷酸二酯酶以及芳基硫酸酯酶Vmax显著高于其它处理,小麦连作土壤β-葡萄糖苷酶、脲酶、磷酸二酯酶和芳基硫酸酯酶的Vmax/Km值显著高于其它处理,可以看出在此处理下土壤酶具有较强的催化潜势.     

基于时-频谱图和小波神经网络的时间序列鲁棒建模方法

借助时-频谱图识别时间序列中异常数据的位置和性质,利用小波神经网络作为拟合工具,同时引入加权误差能量函数,通过适当选择网络结构和参数优化,实现对受污染的时间序列的抗扰最佳逼近.实例表明利用时-频谱图进行异常数据定位准确可靠,采用加权误差能量函数的小波神经网络除具有逼近性能好、具有抑噪特性和收敛速度快的优点外,还能有效地消除异常数据对拟合结果的影响,具有较强的鲁棒性.     

G/11家族木聚糖酶特征序列与其最适温度定量关系的研究

本文研究了G/11家族木聚糖酶特征序列与其最适温度的定量关系,所得逐步回归模型达到极显著(p<0.0001),相关系数为0.965。该模型对文献[5]报道的23种木聚糖酶的预测值与其实测值吻合较好,平均绝对误差和平均绝对百分比误差分别为3.42%和1.84℃。对比文献[5]的两种模型,它优于基于单个氨基酸的模型(2.26℃和8.1%),但略逊于基于二肽的模型(1.22℃和2.27%)。同时,在这两个特征序列中,存在7个对木聚糖酶最适温度影响较大的位点。利用在大肠杆菌中表达的重组木聚糖酶的特征序列和最适温度验证该模型的可靠性,该模型的预测误差仅为0.2%(预测值和实测值分别为50℃和49.9℃)。此模型适用于G/11家族中的所有木聚糖酶且有很好的精度,所以它可为木聚糖酶定向改造其耐高温的活性提供更多的生物信息。     

主成分分析的神经网络及其在木聚糖酶最适pH建模中的应用

木聚糖酶结构与功能、性质的关系错综复杂,传统的回归分析往往不能满足要求。本文采用主成分分析法对样本数据集进行预处理,将得到的新样本数据集输入神经网络,籍助于均匀设计（UD）,构建了木聚糖酶氨基酸组成和最适pH的模型。当学习速率为0．08、动态参数为0．7、Sigmoid参数为0．92,隐含层结点数为9时,模型的拟合残差为0．00109,对pH值拟合的平均绝对百分比误差为3．29％,同时具有良好的预测效果,预测的平均绝对误差为0．59个pH单位。比文献报道的用逐步回归方法更好。     

苯胺红T与辣根过氧化氢酶共固定无试剂过氧化氢传感器的研制

将辣根过氧化氢酶(HRP)与氧化还原型染料苯胺红T(ST)用戊二醛交联共固定在玻碳电极的表面,制得了无试剂过氧化氢传感器.该传感器在水溶液中显示了很好的电化学活性.苯胺红的表现覆盖度为9.22×10-11mol/cm2,苯胺红与玻碳电极之间的异相电子转移速率常数为0.066 s-1,研究了响应时间、检测限、检测电位、溶液pH和测定温度等因素对传感器性能的影响.在优化条件下,该传感器对过氧化氢的最低检测限为1.0×l0-7mol/L.多巴胺、抗坏血酸和尿酸等不干扰过氧化氢的测定.而且,该酶电极显示了较好的稳定性.     

基于隐马尔可夫模型的能量参数预测量化算法

为了充分利用能量与线性预测编码(Linear prediction coding,LPC)系数之间的相关性,提高能量参数量化效率,提出了一种基于隐马尔可夫模型(Hidden Markov model,HMM)的能量参数预测量化算法.通过适当假设,使用HMM模拟能量参数和LPC系数之间的相关性,其中离散化后的能量参数组成隐状态序列,量化后的LPC系数组成可现测序列.然后利用HMM预测每一超帧中的能量参数的变化轨迹,并根据预测出的能量轨迹对预测残差进行分模式矢量量化(Mode-based vector quantization,MBQ).仿真实验中能量参数量化后的平均失真为2.668 dB,与线性预测量化算法相比下降了14.O%,表明本文算法通过利用能量参数与LPC系数的相关性,能够有效地提高能量参数量化效率.     

α-淀粉酶氨基酸含量与其最适温度的关系

α-淀粉酶在许多工业领域中均有广泛应用,但大多数α-淀粉酶必须改造才能满足苛刻的温度条件,因此α-淀粉酶温度改造的蛋白质工程已经开始。通过对酶的理性设计可以创造新的酶。这一技术实现,依赖于两大技术的发明,即基因工程中的定点诱变技术和生物信息学。在本文中,构建了α-淀粉酶序列库和α-淀粉酶温度序列库。通过对α-淀粉酶温度序列库进行多元回归分析,得到预测α-淀粉酶的最适温度的方程。预测了α-淀粉酶的最适温度,相关系数为0．959 71。分析方程中各种氨基酸系数,发现:半胱氨酸对α-淀粉酶最适温度影响最大。极性氨基酸影响强;大多数氨基酸会降低α-淀粉酶的最适温度。这些信息将有助于α-淀粉酶的温度改造工程。     

应用网络模块度的航天测控地面站网分析

航天测控地面站网作为一个实际网络,它具有网络的相关属性。首先通过复杂网络方法构建了航天测控天地一体化二分网络,然后在二分网络基础上,提出了各专用测控系统的专用性参数α和通用性参数β来描述和区分不同的专用测控系统,利用Kendall相关系数和定义的相关性阈值K构建了航天测控地面站相关性网络。以美国航天测控地面站网现状为例,对所提网络模型的有效性进行了仿真验证,应用相关性阈值(K)和网络模块度(Q)曲线(K-Q曲线)分析了网络模型参数。研究结果表明,所提的相关性网络模型能较好的模拟测控地面站网络现状;网络模块度的峰值与|α-β|呈正相关,当|α-β|较大时,K-Q曲线整体呈现出正态分布特性。     

模糊深隐马尔可夫模型研究

针对经典马尔可夫模型没有考虑模型应用中状态、观测量间的上下文相关性以及状态转移概率动态性、可变性,提出一种模糊深隐马尔可夫模型.该模型通过增加观测值间的相关性、解决概率转移问题中的不确定性和改进参数优化算法,使之能够较好地应用于强噪声、训练数据缺损等情形的模式识别中.理论证明,显式模糊深隐马尔可夫模型在同等模型复杂度下具有模型优化程度高、区分度好、误识率低、鲁棒性高的特性.     

灰色DNGM(1,1)预测模型及其优化

传统的灰色GM(1,1)预测模型是针对近似齐次指数序列建立的预测模型。为了拓广灰色预测模型的适用范围,建立了近似非齐次指数序列的灰色DNGM(1,1)预测模型。研究了这种灰色预测模型的性质,证明了这种模型都具有线性不变性,也能够完全拟合非齐次指数序列。考虑到初值条件对灰色模型的影响,对该模型进行了参数优化。数据仿真和实例分析表明,灰色DNGM(1,1)预测模型具有较高的预测精度。