数据集概述
本数据集包含用于微生物生长与聚合物生产建模、预测及分析的MATLAB脚本，覆盖动态建模、混合建模、交叉验证及统计计算四个核心步骤，通过多种指标评估模型准确性与可靠性，为生物过程动力学研究提供完整的建模工具与分析框架。
文件详解
该数据集按功能划分为多个目录，具体文件说明如下：
- Dynamic_modeling 目录（动态建模）：
- 文件示例：a1_Kinetic_mod_code.m、MainGA.m、a4_predprofiles.m
- 文件格式：.m（MATLAB脚本）、.mat（MATLAB数据文件）
- 核心功能：加载实验数据、估计动力学参数、生成预测曲线、绘制数据集图表及适应度曲线
- Hybrid_modelling 目录（混合建模）：
- 文件示例：g0_net_develope.m、g2_hybrid_model_predict_sensi.m、g3_HM_coefficients.m
- 文件格式：.m（MATLAB脚本）、.mat（MATLAB数据文件）
- 核心功能：构建神经网络、集成动力学参数进行系统模拟、评估参数敏感性、生成LIME与Shapley特征解释
- Cross_validation_hybrid_modelling 子目录（混合模型交叉验证）：
- 文件示例：a1_cross_val.m、encoder.m、decoder.m、SumSqr.m
- 文件格式：.m（MATLAB脚本）
- 核心功能：编码解码网络参数、模拟生物量与聚合物生长、计算预测误差、评估模型性能
- Statistics_calculation 目录（统计计算）：
- 文件示例：a1_Kinetic_mod_code.m、MainGA.m、ODEfun.m
- 文件格式：.m（MATLAB脚本）
- 核心功能：计算MAE、RMSE、MAPE、R²等指标，量化动态与混合模型的准确性与可靠性
适用场景
- 生物过程工程研究：分析微生物生长与聚合物生产的动力学机制
- 混合建模方法应用：探索神经网络与传统动力学模型结合的建模策略
- 模型性能评估：通过多指标验证生物过程预测模型的准确性与可靠性
- 特征解释分析：利用LIME、Shapley等方法解释混合模型的预测逻辑
- 生物系统优化：基于模型参数敏感性分析优化生物过程控制策略
