简介：针对实际发酵过程中不同批次之间的差异性导致产物浓度的在线预测精度不稳定的问题,提出一种基于增量学习的发酵过程产物浓度动态预测方法,并提出基于特征降维的相似度计算模块,对历史样本与新增样本进行特征降维,从历史样本中选取与新增样本相似的样本填充新增样本集,解决发酵过程新增标签样本少的问题;提出基于增量学习的自适应更新模块,通过计算新增样本与模型训练样本的损失梯度来更新模型参数,使模型在新增标签样本少的情况下具备快速自适应更新的能力;在青霉素公开数据集IndPenSim上进行实验,验证了该方法在不同批次发酵数据上的预测性能.展开
