信息详情
前期准备工作：阅读青霉素发酵模拟相关的论文，目前的发酵模拟过程相关研究大多基于发酵动力学，很少有利用 AI 进行过程模拟以及故障检测，因此本项目的主要目标是构建一套深度学习模型，模拟青霉素工业发酵过程，同时有效检测发酵过程当中可能出现的异常或故障;
数据处理：获取文献中使用的青霉素发酵数据库，结合业务理解与数据特征分布情况，对数据选择合理处理方法，包括缺失值填充、异常值处理、连续特征比率化、连续特征离散化等;
模型构建及应用：分析并复现文献中的模型，同时自己设计并训练深度学习模型，以发酵过程中的一些重要参数作为输入，模拟青霉素随时间的工业发酵曲线，并准确预测故障;
1.95G
4G
4G
4G
4G
4G
4G
4G
4G
6.298G
5552.86MB
6097.91MB
3.8G
3.04G
3.51G
4.49G
4.6G
3.31G
2.62G
3.1G
3.05G
4.51G
4G
3.85G
2.56G
3.03G
3.72G
4G
2.3G
3.8G
3.7G
4.36G
2.71G
5.17G
6.34G
2.92G
4.05G
6.34G
