2. 生物过程对象与可测变量梳理

软测量模型的输入来自可测变量，输出指向不可测或难测变量。因此，在建模之前必须先把“过程对象—可测变量—采样特征”这条链路梳理清楚。不同生物过程的可测变量集合差异很大，采样频率和测量延迟也各不相同，这直接决定了软测量模型能做什么、不能做什么。本节围绕发酵、细胞培养、酶反应三类典型对象，梳理在线与离线变量的划分逻辑，并给出采样频率与延迟的工程判断方法。

一、三类典型过程的可测变量差异

发酵过程（如大肠杆菌高密度发酵、酵母乙醇发酵）通常配备较完整的在线仪表：温度、pH、溶解氧（DO）、搅拌转速、通气流量、尾气CO₂/O₂、补料称重。这些变量采样周期多在1～10 s，属于高频在线信号。而菌体浓度、底物浓度、产物浓度、质粒拷贝数等关键状态量，往往只能通过离线取样测定，采样间隔常为0.5～4 h。

细胞培养（如CHO细胞、杂交瘤细胞）对剪切敏感、生长缓慢，在线可测变量与发酵类似，但更强调葡萄糖、乳酸、谷氨酰胺、氨、渗透压等代谢物。部分工艺配备在线拉曼或近红外光谱，可对葡萄糖、乳酸实现分钟级软测量。离线变量包括活细胞密度（VCD）、活率、滴度、糖基化分布，其中糖基化需数小时至数天才能获得结果。

酶反应过程（如固定化酶催化、水解反应）相对简单，在线可测变量主要是温度、pH、底物/产物在流路中的吸光度或荧光信号，采样频率可达秒级甚至毫秒级。但酶活、蛋白构象、抑制剂浓度等仍依赖离线分析，延迟从几分钟到数小时不等。

二、在线变量与离线变量的划分与配对

在线变量指无需人工取样、由传感器连续或准连续输出的信号；离线变量指需要取样、预处理、实验室分析后才能获得的量。软测量建模的核心任务，就是用在线变量构造特征，去估计离线变量。因此，梳理时必须建立“在线—离线”配对关系，而不是孤立罗列变量。

一个实用的梳理方法是按“过程对象—可测变量—采样周期—延迟—是否在线—目标变量”六列建表。例如，酵母发酵中，在线变量包括温度（1 s）、pH（2 s）、DO（2 s）、尾气CO₂（5 s）、补料重量（1 s）；离线变量包括OD₆₀₀（30 min）、残糖（30 min）、乙醇浓度（20 min）。其中OD₆₀₀与尾气CO₂、补料重量之间存在强相关，可作为软测量输入。

三、采样频率与延迟的工程含义

采样频率决定了软测量模型的时间分辨率。若在线变量采样周期为2 s，而离线目标变量每2 h才更新一次，则模型训练时必须以离线采样时刻为基准，对在线变量做时间对齐与特征聚合（如取均值、斜率、方差）。否则会出现“用未来信息预测过去”的数据泄漏。

延迟分为测量延迟和分析延迟。测量延迟指传感器响应时间，例如DO电极的响应时间约10～30 s，pH电极约5～20 s；分析延迟指从取样到获得离线结果的时间，例如HPLC测糖约15～30 min，细胞计数约10～20 min。软测量模型若用于实时控制，必须把总延迟纳入考虑：模型输出对应的是“延迟前”的状态，还是“当前”的状态，需要在训练标签构造时明确。

四、梳理结果的落地形式

完成变量梳理后，建议输出一张“变量—采样—延迟—用途”对照表，作为后续特征工程和模型设计的输入。表中应明确每个变量的物理单位、量程、正常波动范围、缺失处理方式，以及是否参与软测量建模。对于离线变量，还需标注取样点位置（如发酵罐底部、取样阀、在线光谱探头）和样品预处理方式（如稀释、离心、过滤），因为这些因素会引入额外延迟和噪声。

以CHO细胞培养为例，若在线拉曼可提供葡萄糖和乳酸分钟级读数，而离线VCD每24 h更新一次，则可用拉曼信号构造葡萄糖消耗速率、乳酸生成速率，再与VCD建立软测量关系。此时，在线变量的采样频率远高于离线目标，模型训练时应按离线时间点对齐，并对在线信号做滑动窗口统计，而不是简单取瞬时值。

总之，变量梳理不是罗列清单，而是建立“可测—不可测—采样—延迟—用途”的完整映射。只有把这条链路理清，后续的软测量模型才能选对输入、对齐时间、合理解释延迟，并在工程上真正可用。