Repositorio
Institucional

Shene, C

Diez, C

Bravo, S

Neural networks for the prediction of the state of Zymomonas mobilis CP4 batch fermentations

PERGAMON-ELSEVIER SCIENCE LTD

COMPUTERS & CHEMICAL ENGINEERING

en

The capability of different neural networks for predicting the main state variables (biomass, substrate and ethanol concentrations, the output variables) in Zymomonas mobilis CP4 batch fermentations has been tested. Experimental data recorded from batch fermentations carried out under different conditions (medium composition and temperature) were used to train the net and test its predictions. First a black-box neural network was designed for predicting the three output values given as input values of the present condition of the system. The configuration of the neural network that gives the best results is the one with 10 neurons in the hidden layer (total training error equal to 0.575 x 10(-3), total testing error equal to 0.719 x 10(-3)). Better results can be obtained using different neural networks for each of the output variables (total testing error equal to 0.527 x 10(-3)). Attempts were made to enhance the prediction capability of neural network models, using the mathematical model that describes the process and a neural network for computing the kinetic parameters in the model. Here, the error is higher than in previous cases. The best prediction is obtained using a neural network with 30 neurons in the hidden layer (total training error equal to 5.535 x 10(-3), total testing error equal to 2.225 x 10(-3)). (C) 1998 Elsevier Science Ltd. All rights reserved.#Se ha probado la capacidad de diferentes redes neuronales para predecir las principales variables de estado (concentraciones de biomasa, sustrato y etanol, las variables de salida) en fermentaciones por lotes de Zymomonas mobilis CP4. Se utilizaron datos experimentales registrados de fermentaciones por lotes realizadas bajo diferentes condiciones (composición del medio y temperatura) para entrenar la red y probar sus predicciones. Primero, se diseñó una red neuronal de caja negra para predecir los tres valores de salida dados como valores de entrada del estado actual del sistema. La configuración de la red neuronal que proporciona los mejores resultados es la que tiene 10 neuronas en la capa oculta (error total de entrenamiento igual a 0,575 x 10⁻³, error total de prueba igual a 0,719 x 10⁻³). Se pueden obtener mejores resultados utilizando diferentes redes neuronales para cada una de las variables de salida (error total de prueba igual a 0,527 x 10⁻³). Se realizaron intentos para mejorar la capacidad predictiva de los modelos de redes neuronales, utilizando el modelo matemático que describe el proceso y una red neuronal para calcular los parámetros cinéticos del modelo. En este caso, el error es mayor que en los anteriores. La mejor predicción se obtiene con una red neuronal de 30 neuronas en la capa oculta (error total de entrenamiento de 5,535 x 10⁻³ y error total de prueba de 2,225 x 10⁻³). © 1998 Elsevier Science Ltd. Todos los derechos reservados.

artículo original

10.1016/S0098-1354(99)00274-4

black-box neural network

fed-batch

Zymomonas mobilis

red neuronal de caja negra

cultivo por lotes alimentados

Zymomonas mobilis

black-box neural network

fed-batch

Zymomonas mobilis

red neuronal de caja negra

cultivo por lotes alimentados

Zymomonas mobilis

Biotecnología Industrial

Tecnología de Bioprocesamiento, Biocatálisis y Fermentación

Ciencias de la Información y Bioinformática

Version publicada

Neural networks for the prediction of the state of Zymomonas mobilis CP4 batch fermentations

COMPUTERS & CHEMICAL ENGINEERING

hibrida

verde

metadata

metadata

en

artículo original

PERGAMON-ELSEVIER SCIENCE LTD

0098-1354

1097

1108

Computer Science, Interdisciplinary Applications

Engineering, Chemical

WOS:000082544100010