一种基于发酵动力学与机器学习混合模型的嗜盐菌发酵过程预测方法及系统

本发明涉及生物工程技术领域，具体提供一种基于混合模型的嗜盐菌发酵关键参数实时预测方法及系统，所述方法具体是：针对嗜盐菌发酵过程中光密度(OD)、葡萄糖浓度及四氢嘧啶浓度无法实时监测的问题，通过串联发酵动力学方程与机器学习模型构建混合预测框架——首先利用Logistic方程和Luedeking‑Piret方程将小样本原始数据扩展为大规模训练集，解决小样本建模难题；随后融合在线传感器实时数据(溶解氧、摄氧率OUR、二氧化碳释放率CER等)，结合生物学专家特征(SBE)与相关性分析(CORR)筛选核心输入参数(发酵时间、NaCl浓度、关键代谢信号)；最后按盐浓度批次划分数据，通过加权平均法集成XGBoost/LightGBM模型实现多参数同步预测。该方法突破传统测量技术限制，在未训练盐浓度条件(如9.5％NaCl)下仍保持高精度，预测误差较手工法降低80％以上，集成至生物反应器系统可实时优化发酵工艺，显著提升四氢嘧啶产量20％以上，为嗜盐菌发酵提供智能化监测解决方案。