2. 生物反应器关键变量与数据采集
生物反应器的数据建模，第一步不是选算法，而是搞清楚“到底有哪些变量、它们怎么被测量、测出来的数据长什么样”。如果把建模比作做菜，关键变量是食材，采集系统是采购与保鲜，数据频率和噪声则决定了食材的新鲜度与切配方式。本节围绕温度、pH、溶解氧、搅拌转速、补料速率、尾气成分六类核心变量，梳理在线与离线测量的分工，并讨论数据频率与噪声特征对后续建模的直接影响。
一、六类关键变量：物理意义与耦合关系
温度是反应器最基础的状态变量。微生物或细胞对温度极其敏感，大肠杆菌最适约37℃，酵母约30℃，CHO细胞约37℃。温度不仅影响酶活，还通过影响溶解氧饱和度、pH缓冲体系解离常数间接作用于其他变量。工程上温度通常由夹套或盘管循环水控制，测量点一般布置在罐体中部或温度控制回路反馈端。
pH反映氢离子活度，直接决定酶催化效率和代谢流向。发酵过程中pH常因有机酸（如乙酸、乳酸）积累或氮源消耗而漂移。控制方式多为通入CO₂降pH、补加NaOH或NH₄OH升pH。pH电极需定期两点校准（pH 4.01与7.00标准液），否则漂移会直接污染建模数据。
溶解氧（DO）以空气饱和度百分比表示，是需氧发酵的限速因素之一。DO受通气量、搅拌转速、罐压、温度、培养基成分共同影响。典型控制策略是“串级”：以DO为被控量，搅拌转速或通气量为操纵量。DO电极响应存在滞后，且灭菌后零点可能偏移，需在无菌条件下校准。
搅拌转速既是操作变量，也是混合与传质的表征。转速影响氧传递系数kLa、剪切力、气泡分散。对剪切敏感的丝状菌或动物细胞，转速上限受细胞损伤约束。转速通常由变频器输出频率换算，需注意实际转速与设定值的偏差。
补料速率是补料分批发酵的核心操作变量，决定比生长速率和产物合成速率。补料速率常以mL/min或g/min记录，其精度依赖蠕动泵标定。补料策略（恒速、指数、DO-stat、pH-stat）不同，补料速率的时间序列形态差异很大，建模时需作为关键输入特征。
尾气成分（O₂、CO₂）是少数能直接反映细胞代谢活性的在线信号。通过尾气分析可计算摄氧率OUR、二氧化碳释放率CER和呼吸商RQ。RQ偏离预期值往往提示代谢途径切换或污染。尾气数据对建模的价值在于它“不干扰发酵”，是真正的在线生理信号。
二、在线与离线测量：互补而非替代
在线测量指传感器直接浸入或连接反应器、以秒到分钟级频率自动记录的数据，包括温度、pH、DO、转速、补料泵转速、尾气O₂/CO₂。其优势是连续、实时、可反馈控制，缺点是电极漂移、灭菌损伤、气泡干扰导致噪声较大。
离线测量指从反应器中取样后在实验室分析的数据，包括OD₆₀₀（生物量）、残糖、残氮、产物浓度、细胞活率。离线数据准确度高，但频率低（通常每2~12小时一次），且取样本身会改变反应器体积和状态。建模时，离线数据常作为“标签”或校准基准，在线数据作为高频特征。
一个常见的误区是认为在线数据“更可靠”。实际上，pH电极在长期发酵中可能漂移0.1~0.3个单位，DO电极在灭菌后零点偏移可达5%~10%。因此，建模前必须用离线数据对在线信号做交叉验证，例如用离线OD与在线DO、尾气CO₂的相关性判断数据质量。
三、数据频率：不同变量的时间尺度差异
不同变量的合理采样频率差异很大。温度、pH、DO、转速通常1~10秒采样一次；补料速率由泵速换算，可每10~60秒记录；尾气分析仪响应时间约30~60秒，采样频率1~5分钟；离线数据则每数小时一次。若将所有数据简单合并到同一时间轴，高频变量会被低频变量“拖慢”，低频变量则被高频插值“伪造”出虚假细节。
工程上的做法是：先确定建模的目标时间分辨率。若关注细胞代谢动态，1分钟分辨率足够；若关注补料策略优化，5~10分钟分辨率即可。然后对高频数据做降采样（如取均值或中位数），对低频数据做保持或线性插值，并明确标注插值区间。切忌对离线数据做高阶样条插值，那会引入不存在的动态。
四、噪声特征：识别与处理
生物反应器数据噪声主要有三类。第一类是高斯白噪声，来自电子电路和A/D转换，表现为围绕真值的小幅随机波动，可用滑动平均或低通滤波抑制。第二类是脉冲噪声，来自气泡掠过电极、泵启停、取样操作，表现为单点或短时尖峰，需用中值滤波或3σ准则剔除。第三类是漂移，来自电极老化、培养基吸附、温度补偿失效，表现为缓慢单向偏移，需用离线校准点做分段线性校正。
以DO信号为例，搅拌转速变化时DO会快速响应，但电极本身有10~30秒响应时间，导致DO曲线在转速阶跃后呈现指数上升而非瞬时跳变。若建模时忽略这一滞后，模型会错误地将DO变化归因于生物耗氧而非操作变化。处理方法是先对DO做一阶滞后补偿，或直接将转速作为输入、DO作为输出，让模型自行学习滞后。
五、一个可参考的数据采集配置示例
以下是一组补料分批大肠杆菌发酵的合理示例配置（参数为教学假设，非实测值），用于说明各变量的采集设置：
| 变量 | 测量方式 | 采样频率 | 典型噪声/误差 | 建模角色 |
|---|---|---|---|---|
| 温度 | Pt100 在线 | 1 s | ±0.1 ℃ | 状态变量 |
| pH | 玻璃电极 在线 | 5 s | ±0.05，漂移0.1/24h | 状态变量 |
| DO | 极谱电极 在线 | 5 s | ±3%，响应滞后15 s | 状态变量 |
| 搅拌转速 | 变频器反馈 | 10 s | ±2 rpm | 操作变量 |
| 补料速率 | 蠕动泵标定 | 30 s | ±3% | 操作变量 |
| 尾气 O₂/CO₂ | 在线气体分析 | 60 s | ±0.1% vol | 生理信号 |
| OD₆₀₀ | 离线分光光度 | 2~4 h | ±5% | 标签/校准 |
| 残糖 | 离线生化分析 | 2~4 h | ±2% | 标签/校准 |
这张表的核心信息不是具体数值，而是“频率分层”和“角色分工”。建模时，操作变量（转速、补料速率）必须与状态变量（温度、pH、DO）严格时间对齐；离线标签用于监督学习的目标值，其采样时刻的在线特征需通过插值或最近邻匹配获取。若离线取样时刻恰好落在补料脉冲之后，还需考虑混合时间带来的浓度梯度，必要时在特征中加入“距上次补料时间”这一衍生变量。
总结来说，关键变量的采集不是“越多越好”，而是“频率匹配、噪声可控、时间对齐”。温度、pH、DO、转速、补料速率、尾气成分各有其物理意义和测量特性，在线与离线数据各有其不可替代的价值。理解这些变量的时间尺度差异和噪声来源，是后续数据清洗、特征工程和模型结构选择的前提。