针对秸秆发酵制乙醇浓度预测问题，引入最小二乘支持向量机(Least square support vector machines，LS-SVM)方法应用于乙醇浓度的预测。考虑到LS-SVM的参数选择会对预测结果产生较大的影响，提出了基于贝叶斯证据框架(Bayesian evidence framework， BEF)优化的最小二乘支持向量机预测方法。通过BEF自动调整正则化参数和核参数，更好地实现了最小化误差和模型复杂性之间的折中。将秸秆发酵中的接种率、温度、pH值和温度用来预测乙醇浓度实时值，在糖化液制乙醇条件下进行实验验证，结果表明：所设计预测模型具有较高的精度，能够实时准确地预测出乙醇浓度值。
NETL
NSTL
万方数据
