论文部分内容阅读
由于酒精发酵中pH过程的复杂性和强非线性,建立能够描述其动态和静态特性的准确的数学模型是比较困难的。支持向量机(SVM)是近年来发展起来的一种基于统计学习理论,采用结构风险最小化的新型学习机器。将支持向量机应用到酒精发酵生产过程pH值的建模中,实验和仿真结果表明支持向量机模型是有效的,且具有良好的泛化性能,能够较好的解决酒精发酵过程中pH值的建模问题。最后进一步分析了参数选择对支持向量机模型性能的影响。