發(fā)布時間：2021-12-30 22:55

　　生物乙醇由于二氧化碳及粉塵的污染低等優(yōu)點使其需求量日益增加,而生物發(fā)酵過程是乙醇的可再生的生產(chǎn)方式之一。味精是人類生活必備的調(diào)味品之一,實現(xiàn)對其發(fā)酵過程實時監(jiān)測與控制十分具有代表性和實際意義。本文基于近紅外光譜技術(shù),針對乙醇發(fā)酵過程和味精發(fā)酵過程進(jìn)行監(jiān)測,實現(xiàn)對于生物發(fā)酵過程化合物濃度的快速、無損在線檢測。設(shè)計搭建的實驗平臺和近紅外光譜預(yù)測模型可以克服傳統(tǒng)離線檢測的缺點。首先,分析了近紅外光譜檢測技術(shù)原理及其主要過程,針對乙醇和味精發(fā)酵過程中由干擾和噪聲造成的近紅外光譜異常點,給出了光譜數(shù)據(jù)預(yù)處理方法,實現(xiàn)對光譜的平滑處理與校正。其次對于預(yù)測模型的建立,給出三種數(shù)據(jù)建模方法,其中比較經(jīng)典的偏最小二乘（PLS）算法模型可以解決光譜數(shù)據(jù)共線性問題。另外基于三種不同核函數(shù)的最小二乘-支持向量機(jī)（LS-SVR）模型可以利用結(jié)構(gòu)最小化的原理避免過擬合問題。最后給出基于隨機(jī)森林算法的光譜建模方法,通過袋外錯誤率（OOB）實現(xiàn)隨機(jī)森林樹和特征數(shù)的參數(shù)整定,并基于基尼系數(shù)（G）下降量進(jìn)行波長優(yōu)選實現(xiàn)隨機(jī)森林模型優(yōu)化。為比較建立模型的預(yù)測效果,給出了性能評價指標(biāo)。針對乙醇發(fā)酵過程,設(shè)計搭建基于近紅外光譜... 

【文章來源】：大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題研究背景
        1.1.1 乙醇發(fā)酵工程背景
        1.1.2 味精發(fā)酵工程背景
    1.2 課題研究現(xiàn)狀
    1.3 本文研究內(nèi)容及創(chuàng)新點
    1.4 論文組織結(jié)構(gòu)
2 近紅外光譜檢測原理與數(shù)據(jù)處理方法
    2.1 近紅外光譜檢測原理
    2.2 近紅外光譜數(shù)據(jù)預(yù)處理方法
        2.2.1 異常樣本識別與剔除
        2.2.2 樣本平滑處理與校正
    2.3 近紅外光譜數(shù)據(jù)建模方法
        2.3.1 偏最小二乘算法(PLS)
        2.3.2 基于不同核函數(shù)的最小二乘支持向量機(jī)算法(LS-SVR)
        2.3.3 隨機(jī)森林算法(RF)
    2.4 光譜模型性能評價指標(biāo)
    2.5 本章小結(jié)
3 乙醇發(fā)酵過程的近紅外光譜在線檢測方法
    3.1 乙醇發(fā)酵過程原理
    3.2 實驗設(shè)計與實驗方法
    3.3 實驗數(shù)據(jù)采集
    3.4 乙醇發(fā)酵中各組分濃度數(shù)據(jù)建模與預(yù)測
        3.4.1 葡萄糖濃度監(jiān)測
        3.4.2 乙醇濃度監(jiān)測
        3.4.3 OD濃度監(jiān)測
        3.4.4 模型評價與預(yù)測結(jié)果分析
    3.5 本章小結(jié)
4 味精發(fā)酵過程的近紅外光譜檢測方法
    4.1 味精發(fā)酵過程原理
    4.2 實驗設(shè)計與實驗方法
    4.3 實驗數(shù)據(jù)采集
    4.4 味精發(fā)酵中各組分濃度數(shù)據(jù)建模與預(yù)測
        4.4.1 葡萄糖濃度監(jiān)測
        4.4.2 谷氨酸濃度監(jiān)測
        4.4.3 OD濃度監(jiān)測
        4.4.4 模型評價與預(yù)測結(jié)果分析
    4.5 本章小節(jié)
結(jié)論
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]優(yōu)化基于近紅外光譜的聯(lián)合間隔偏最小二乘法建模檢測芝麻油摻偽含量[J]. 陳洪亮,曾山,王斌.  中國油脂. 2020(02)
[2]近紅外光譜分析技術(shù)在監(jiān)測L-異亮氨酸發(fā)酵過程中的應(yīng)用[J]. 王森,王雪松,張昕,石國新,王健.  吉林大學(xué)學(xué)報(理學(xué)版). 2020(01)
[3]近紅外光譜技術(shù)定量檢測果味啤中的果汁含量[J]. 盛曉慧,李宗朋,李子文,朱婷婷,王健,尹建軍,宋全厚.  食品與發(fā)酵工業(yè). 2020(04)
[4]不同偏最小二乘法的近紅外光譜技術(shù)測定大米中水分的研究[J]. 苗雪雪,苗瑩,龔浩如,陶曙華,陳英姿,陳祖武.  分析科學(xué)學(xué)報. 2019(05)
[5]近紅外光譜結(jié)合小波變換-隨機(jī)森林法快速定量分析甲醇汽油中甲醇含量[J]. 李茂剛,閆春華,薛佳,張?zhí)忑?李華.  分析化學(xué). 2019(12)
[6]隨機(jī)森林算法研究綜述[J]. 呂紅燕,馮倩.  河北省科學(xué)院學(xué)報. 2019(03)
[7]基于近紅外特征波長提取與最小二乘支持向量機(jī)的白芷摻滑石粉定量研究[J]. 徐永浩,黃梅珍,陳曉帆.  光電子·激光. 2019(08)
[8]近紅外光譜技術(shù)結(jié)合化學(xué)計量學(xué)在中藥分析中的應(yīng)用現(xiàn)狀[J]. 范林宏,范文翔,韋志強(qiáng),譚超群,王蛟龍,魏大能,吳博,吳純潔,黃永亮.  中國實驗方劑學(xué)雜志. 2019(24)
[9]NIRS數(shù)據(jù)樣本選擇與預(yù)處理方法綜述[J]. 王駿超,葛俊鋒.  國外電子測量技術(shù). 2019(03)
[10]不同核函數(shù)支持向量機(jī)和可見-近紅外光譜的多種植被葉片生化組分估算[J]. 陳方圓,周鑫,陳奕云,王奕涵,劉會增,王俊杰,鄔國鋒.  光譜學(xué)與光譜分析. 2019(02)

博士論文
[1]近紅外光譜定量分析中三種新型波長選擇方法研究[D]. 宋相中.中國農(nóng)業(yè)大學(xué) 2017
[2]近紅外光譜新型建模方法與應(yīng)用基礎(chǔ)研究[D]. 張紅光.浙江大學(xué) 2015
[3]近紅外光譜分析技術(shù)在發(fā)酵工藝中的應(yīng)用研究[D]. 郭偉良.吉林大學(xué) 2010

碩士論文
[1]基于近紅外光譜的乙醇發(fā)酵過程在線監(jiān)測與標(biāo)定建模[D]. 王旭東.大連理工大學(xué) 2019
[2]基于近紅外光譜分析技術(shù)的豬肉品質(zhì)快速檢測方法研究[D]. 戴小也.中國礦業(yè)大學(xué) 2019
[3]基于近紅外光譜數(shù)據(jù)的多模型融合建模方法研究[D]. 李速專.溫州大學(xué) 2019
[4]基于等光能波長與隨機(jī)森林的近紅外無創(chuàng)血糖檢測技術(shù)研究[D]. 張思曼.浙江大學(xué) 2018
[5]基于近紅外光譜檢測的微生物發(fā)酵監(jiān)測與建模[D]. 王路.大連理工大學(xué) 2017
[6]谷氨酸發(fā)酵生物量在線檢測過程的研究[D]. 畢春元.齊魯工業(yè)大學(xué) 2015



本文編號：3559120