[發明專利]一種基于神經網絡的桑黃發酵實驗數據優化及預測方法

在審

• 申請號: 201910021787.2
• 申請日: 2019-01-10
• 公開（公告）號: CN109859804A
• 公開（公告）日: 2019-06-07
• 發明（設計）人: 管亞南;李忠偉
• 申請（專利權）人: 中國石油大學（華東）
• 主分類號: G16C20/10
• 分類號: G16C20/10;G06N3/08
• 代理公司: 北京匯捷知識產權代理事務所(普通合伙) 11531
• 代理人: 李宏偉

本發明提出了一種基于神經網絡的實驗數據優化及預測方法，包括如下步驟：數據預處理消除異常和補全缺失值；接下來進行數據標準化；以及數據關聯性分析削減冗余項；對輸入數據進行進一步壓縮處理和變形處理并構建特征向量序列；通過徑向基神經網絡進行訓練；然后根據訓練模型進行實驗產物預測。基于神經網絡的實驗數據優化及預測方法，將實驗產物產量分析和神經網絡方法相結合，并通過特征工程提高準確率。

技術領域

本發明涉及神經網絡、桑黃發酵領域。具體涉及到一種基于神經網絡的實驗數據優化及預測方法。

背景技術

實驗表明，在桑黃真菌的液體發酵過程中，不同的底物濃度配比和外界實驗環境是影響黃酮產量的主要因素。在實際工作中，生物工作人員需要成百上千次地改變實驗影響因素進行實驗，才能得到最高的黃酮產量與此時最好的實驗環境數據。

人工神經網絡模型被提出以后，經過幾十年的發展，在諸多領域得到了廣泛的應用，解決了許多傳統技術難以解決的問題，推進了人工智能化的發展。良好的自學能力、高速尋找優化解的能力使得人工神經網絡在數據優化方面有著強大的優勢。在本方法中，針對桑黃發酵實驗的特性，采用基于徑向基神經網絡方法和差分進化算法的方法進行桑黃發酵實驗環境數據及結果的優化與預測。該方法通過對桑黃發酵實驗數據的優化和預測，從而為實驗人員提供了科學的實驗環境數據，對他們的工作有著良好的指導意義，大大減小了工作量。

發明內容

為填補神經網絡在桑黃發酵實驗數據處理方面的應用空白，以科學的方式，提高實驗人員的工作效率，本發明提出了一種基于神經網絡的實驗數據優化及預測方法。本發明針對桑黃發酵實驗數據，通過采用徑向基神經網絡訓練網絡，學習桑黃發酵實驗數據規律建立網絡模型，并準確預測實驗結果；通過差分進化算法得到優化后桑黃發酵實驗數據。

本發明的技術方案為：

步驟(1)、通過數據預處理模塊對數據進行數據清洗和歸一化處理；

步驟(2)、當數據預處理完畢后，對數據進行關聯性分析去除數據冗余項，減少降低數據的冗余度；

步驟(3)、數據降維模塊獲得去冗余數據，通過神經網絡對數據進行降維處理，保證數據降維的同時保證數據的格式的規范性；

步驟(4)、模型訓練模塊采用步驟(3)處理后數據進行模型的訓練，并采用實驗集進行測試；

步驟(5)、返回計算結果。

步驟(6)、數據優化模塊利用步驟(4)中訓練好的神經網絡模型進行實驗數據的優化，得到最優的實驗環境數據和黃酮產量。

本發明的有益效果：

(1)該數據優化及預測方法在實際生物實驗中能準確描述桑黃發酵環境和實驗產物黃酮產量之間的關系

(2)本方法通過數據關聯性分析大大減少了方法的計算復雜度同時提高了算法精度；

(3)本方法可實現桑黃發酵實驗環境數據的優化，為實驗提供科學可靠的優化結果，對實驗人員的桑黃發酵實驗有著良好的指導作用。

附圖說明

為了更清楚地說明本發明實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。

圖1為本發明基于神經網絡的桑黃發酵實驗數據優化及預測方法的流程圖；

圖2為本發明基于神經網絡的桑黃發酵實驗數據優化及預測方法的程度取決于神經網絡和數據降維流程圖。

具體實施方式