Resumen de Identificación Inteligente de un Proceso Fermentativo Usando el Algoritmo GMDH Modificado
- español
En este trabajo se aborda, de manera particular, un método para el diseño del algoritmo conocido como Group Method of Data Handling, GMDH, típico con lazo recurrente. Una modificación en una de sus fases de entrenamiento permite ampliar el número de variables utilizadas en cada capa y con ello el área de regresión. Consecuentemente se puede obtener una estructura optimizada en sí misma de mayor complejidad, posibilitando la aparición de lazos recurrentes en las capas intermedias. Lo anterior permite una reducción del error en la modelación de procesos no lineales de lento comportamiento, como el crecimiento celular en biorreactores. El modelo se probó en una fermentación tipo feed-batch de la levadura Pichia pastoris. La estabilidad y capacidad de generalización es demostrada. El método propuesto es comparado con el GMDH típico recurrente y con otras estructuras de redes neuronales clásicas.
- English
One of the variables of more interest in the biotechnological processes is the biomass concentration. The continuous, on-line and exact determination of this parameter it is very difficult and expensive. In this work a neural network was used to estimate the biomass concentration in a Feed-batch fermentation process. In the design, the Group Method of Data Handling algorithm, GMDH, is applied with a new structure based on the employment of genetic algorithm and incorporating a feedback loop. The neural equations are restricted to order 2. The pattern was proved in the fermentation of the Pichia pastoris yeast for the production of a vaccine for recombinant methods. The stability and generalization capacity is demonstrated. The proposed method was compared with other neuronal networks attending to behavior of the Mean Square Error. (mse).
