1. 生物过程软测量工程导论

在生物制造中，许多决定产品质量与产量的关键变量——产物浓度、底物浓度、细胞活性、代谢物比速率——往往无法用在线传感器直接测量。它们要么需要离线取样、耗时数小时，要么依赖昂贵的分析仪器，要么在发酵罐内根本没有可插入的探头。软测量（soft sensor）正是为解决这一矛盾而生的工程方法：用容易获取的辅助变量（温度、pH、溶氧、搅拌功率、尾气CO₂/O₂、补料速率、近红外光谱等）建立数学模型，实时推断那些难以直接测量的主导变量。

软测量在生物制造中的定位，可以概括为“把不可测变成可估计，把离线变成在线，把滞后变成实时”。它不替代传感器，而是与传感器形成互补：硬件传感器提供高频、可靠的辅助信号，软测量模型把这些信号映射为关键质量属性（CQA）或关键过程参数（KPP）的估计值。典型场景包括：青霉素发酵中产物浓度的在线估计、单抗细胞培养中活细胞密度与抗体滴度的软测量、以及维生素C两步发酵中中间代谢物浓度的推断。

生物过程软测量的关键难点，决定了它与化工、制药中常规软测量的显著差异。第一，强非线性与时变性：细胞代谢随菌体生长、产物积累、环境胁迫而不断变化，同一模型在批次早期和后期可能表现迥异。第二，批次间差异：种子质量、培养基批次、接种量、pH控制偏差都会导致轨迹漂移，模型必须能适应新批次。第三，辅助变量共线性与噪声：pH、溶氧、尾气等信号高度相关，且存在漂移、堵塞、泡沫干扰。第四，标注数据稀缺：离线化验成本高、频次低，导致有标签样本少，而无标签的过程数据大量存在。第五，可解释性与合规性：生物制药要求模型可追溯、可验证，黑箱模型难以直接用于放行决策。

面对这些难点，软测量工程不能停留在“训练一个模型”的层面，而必须覆盖完整生命周期。一个可落地的工程生命周期通常包含六个阶段：需求定义与变量筛选（明确估计目标、精度要求、采样频率，筛选辅助变量）、数据采集与预处理（时间对齐、异常剔除、缺失值处理、归一化）、模型构建与训练（机理模型、数据驱动模型或混合模型）、在线部署与集成（与DCS/SCADA/MES对接，确定更新周期）、运行监控与维护（残差监控、漂移检测、模型更新）、验证与文档（离线验证、在线验证、变更控制）。这六个阶段不是一次性流水线，而是循环迭代：运行中发现的漂移会触发重新训练，新的批次数据会反过来改进模型。

上图把软测量的信号链与生命周期放在同一张图中：左侧是反应器中可在线获取的辅助变量，中间是软测量模型，右侧是真正需要但难以直接测量的主导变量；底部六个阶段构成工程闭环，运行数据通过反馈回路回到模型更新。理解这张图，就理解了本课程的任务地图。

本课程的任务地图围绕“能落地”展开，而不是停留在算法介绍。具体而言，课程将依次覆盖：辅助变量筛选与特征工程、机理模型与数据驱动模型的融合、PLS/岭回归/高斯过程/神经网络等建模方法、时间序列与动态建模、批次间迁移与在线自适应、模型验证与不确定性量化、以及与DCS/MES的工程集成。每一部分都对应生命周期中的具体阶段，最终目标是让读者能够独立完成一个从需求到部署的软测量工程案例。

为了便于后续章节对照，这里给出一个贯穿课程的教学示例背景（参数为合理假设，用于说明方法，不代表实测结果）：某重组大肠杆菌补料分批发酵生产重组蛋白，工作体积 5 L，温度 37 ℃，pH 7.0，溶氧维持 30% 饱和。可在线获取的辅助变量包括温度、pH、DO、搅拌转速、补料速率、尾气 CO₂ 和 O₂ 浓度；需要软测量的主导变量为菌体浓度 OD₆₀₀、底物葡萄糖浓度和产物浓度。离线采样每 2 h 一次，共 12 个批次数据。后续章节将以此为例，演示变量筛选、模型训练、在线估计与漂移处理。

需要强调的是，软测量不是“一次建模、永久使用”。生物过程的时变性决定了模型必须被监控和维护。工程上常用的判断依据包括：预测残差是否超出历史置信区间、辅助变量分布是否发生漂移（如均值/方差偏移）、以及离线化验值与预测值的偏差是否持续增大。一旦触发，就需要启动模型更新流程。这也是本课程反复强调“生命周期”而非“单次建模”的原因。