Question

我有一个模型，其中包含10个方程式，用于描述补料分批生物反应器。基本上，每隔24小时就会将“食物”（葡萄糖和其他成分）添加到系统中。我的问题是，目前这种喂养程序被建模为两个时间步长（delta_T）的流量（L / H），而不是单个离散食物添加量（delta_T = 0）。

这是葡萄糖方程式的样子：

e4 = m.Intermediate(**(Fi/V)*SG** - (Fo/V)*G + (-mu/YXG - mG)*XV)

m.Equation(G.dt() == e4)

其中G是生物反应器中的葡萄糖浓度（mM），Fi是输入进料速度（L / h），V是生物反应器体积（L），并且SG是饲料中的葡萄糖浓度（mM）。

我设法通过调用此delta_T = 0.2 hours使系统可行，换句话说，葡萄糖浓度连续（而不是即时）从{{ 1}}在时间G1到t1。如果我尝试降低此G2，系统将显示非常奇怪的行为。

时间数组看起来像这样：[...，19.5，20.0，20.5，21.0，21.5，22.0，22.5，23.0，23.5， 24.0，24.2 ，24.5，25.0，... ]。

它以0.5h的步长变化，每隔24h，当我向生物反应器中添加葡萄糖时，我将下一个步骤的长度强制为0.2，而不是0.5。我希望该增量为0。

我的进给速度如下：

[...，0.0，0.0，0.0，0.0，0.0，0.0，0.0，0.0， 0.5 ，0.0，0.0，0.0，...]

无论如何，我可以使该喂食过程离散吗？完整代码如下所示。谢谢！

t1 + 0.2h

Answer 1

您的以脉冲方式喂食葡萄糖的策略是输入不连续的好方法。葡萄糖浓度离散跳跃的问题在于，存在一个葡萄糖衍生物项，如方程式4：m.Equation(G.dt() == e4)。如果dG/dt项在很短的时间内发生变化，则导数项会变得非常大。

处理离散点上大导数的一种策略是使用m.options.NODES=2以避免在有限元素上具有正交配置的附加内部节点出现问题。如果没有内部节点，则可能需要增加时间点的数量以保持集成的准确性。这样可以将非常短的脉冲葡萄糖输入到间歇式反应器中，例如3.6 seconds，以便添加。

feed_small_delta_t = 0.001 # 3.6 seconds

提要输入的索引偏移了一个，因此Fi[i+1]应该是施加脉冲的位置，而不是Fi[i]。

Fi = np.zeros(len(t))
for i in range(1,len(t)):
    if t[i]%(24) == 0:
        Fi[i+1] = 0.1/feed_small_delta_t

这将提供与以前相似的结果，但是对于向批次中添加额外糖的离散事件，输入脉冲更短。

具有修改的完整脚本

import numpy as np
from gekko import GEKKO
import matplotlib.pyplot as plt
import pandas as pd

m = GEKKO(remote=False)    # create GEKKO model

#constants 3L fed-batch
KdQ = 0.001        #degree of degradation of glutamine (1/h)
mG = 1.1e-10   #glucose maintenance coefficient (mmol/cell/hour)
YAQ = 0.90         #yield of ammonia from glutamine
YLG = 2            #yield of lactate from glucose
YXG = 2.2e8    #yield of cells from glucose (cells/mmol)
YXQ = 1.5e9    #yield of cells from glutamine (cells/mmol)
KL = 150           #lactate saturation constant (mM)
KA = 40            #ammonia saturation constant (mM)
Kdmax = 0.01       #maximum death rate (1/h)
mumax = 0.044      #maximum growth rate (1/h)
KG = 1             #glucose saturation constant (mM)
KQ = 0.22          #glutamine saturation constant (mM)
mQ = 0             #glutamine maintenance coefficient (mmol/cell/hour)
kmu = 0.01         #intrinsic death rate (1/h)
Klysis = 2e-2  #rate of cell lysis (1/h)
Ci_star = 100      #inhibitor saturation concentration (mM)
qi = 2.5e-10   #specific inhibitor production rate (1/h)

N_HOURS = 150 #Number of hours of the experiment
TIME_STEP = 0.5
feed_small_delta_t = 0.001 

#create time array. It will be from 0 to N_HOURS, with time step TIME_STEP, 
#and every 24h, there will be a feed_small_delta_t
t = []
for i in range(int(N_HOURS/TIME_STEP +1)):
    t_value = i*TIME_STEP
    t.append(t_value)

    if t_value%24 == 0:
        t.append(t_value + feed_small_delta_t)

m.time = t

#Create input feed-rate array
Fi = np.zeros(len(t))
for i in range(1,len(t)):
    if t[i]%(24) == 0:
        Fi[i+1] = 0.1/feed_small_delta_t #it is divided by feed_small_delta_t so volume added is constant.

#Flow, volume and concentration
Fi = m.Param(Fi)   #input feed-rate (L/h)     
Fo = 0              #output feed-rate (L/h)
V = 3              #volume (L)
SG = 653           #glucose concentration in the feed (mM)
SQ = 58.8          #glutamine concentration in the feed (mM)


XTMM = m.Var(value=2,lb=-0.0000,name='XT')            #total cell density (MMcells/L)
XVMM = m.Var(value=2,lb=-0.0000, name='XV')      #viable cell density (MMcells/L)
XDMM = m.Var(value=0,lb=-0.0000,name='XD')          #dead cell density (MMcells/L)
G = m.Var(value = 20,lb=-0.0000,name='G')            #glucose concentration (mM)
Q = m.Var(value = 3.8,lb=-0.0000, name='Q')           #glutamine concentration (mM)
L = m.Var(value=0.1,lb=-0.0000,name='L')                #lactate concentration (mM)
A = m.Var(value=1.8,lb=-0.0000,name='A')              #ammonia concentration (mM)
Ci = m.Var(lb=-0.0000, name='Ci')            #inhibitor concentration (mM)
mu = m.Var(lb=-0.0000, name='mu')            #growth rate (1/h)
Kd = m.Var(lb=-0.0000, name='Kd')            #death rate(1/h)

# scale back to cells/L from million cells/L
XT = m.Intermediate(XTMM*1e8)
XV = m.Intermediate(XVMM*1e8)
XD = m.Intermediate(XDMM*1e8)

e1 = m.Intermediate((mu*XV - Klysis*XD - XT*Fo/V)/1e8)
e2 = m.Intermediate(((mu - Kd)*XV - XV*Fo/V)/1e8)
e3 = m.Intermediate((Kd*XV - Klysis*XD - XV*Fo/V)/1e8)
e4 = m.Intermediate((Fi/V)*SG - (Fo/V)*G + (-mu/YXG - mG)*XV)
e5 = m.Intermediate((Fi/V)*SQ - (Fo/V)*Q + (-mu/YXQ - mQ)*XV - KdQ*Q)
e6 = m.Intermediate(-YLG*(-mu/YXG -mG)*XV-(Fo/V)*L)
e7 = m.Intermediate(-YAQ*(-mu/YXQ - mQ)*XV +KdQ*Q-(Fo/V)*A)
e8 = m.Intermediate(qi*XV - (Fo/V)*Ci)
e9a = m.Intermediate((Ci_star*(KG+G)*(KQ+Q)*(L/KL + 1)*(A/KA + 1)))
e9b = m.Intermediate((mumax*G*Q*(Ci_star-Ci)))
e10a = m.Intermediate((mu+kmu))
e10b = m.Intermediate(Kdmax*kmu)

# create GEEKO equations
m.Equation(XTMM.dt() == e1)
m.Equation(XVMM.dt() == e2)
m.Equation(XDMM.dt() == e3)
m.Equation(G.dt() == e4)
m.Equation(Q.dt() == e5)
m.Equation(L.dt() == e6)
m.Equation(A.dt() == e7)
m.Equation(Ci.dt() == e8)
m.Equation(e9a * mu == e9b)
m.Equation(e10a * Kd == e10b)

# solve ODE
m.options.IMODE = 4
m.options.SOLVER = 1
m.options.NODES = 2
m.options.COLDSTART = 2
#m.open_folder()
m.solve(display=False)

plt.figure()
plt.subplot(3,1,1)
plt.plot(m.time, XV.value,label='XV')
plt.plot(m.time, XT.value,label='XT')
plt.plot(m.time, XD.value,label='XD')
plt.legend()
plt.subplot(3,1,2)
plt.plot(m.time, G.value,label='G')
plt.plot(m.time, Q.value,label='Q')
plt.plot(m.time, L.value,label='L')
plt.plot(m.time, A.value,label='A')
plt.plot(m.time, Ci.value,label='Ci')
plt.legend()
plt.subplot(3,1,3)
plt.plot(m.time, mu.value,label='mu')
plt.plot(m.time, Kd.value,label='Kd')
plt.legend()
plt.xlabel('Time (hr)')

plt.figure()
plt.plot(m.time, e1.value,'r-.',label='eqn1')
plt.plot(m.time, e2.value,'g:',label='eqn2')
plt.plot(m.time, e3.value,'b:',label='eqn3')
plt.plot(m.time, e4.value,'b--',label='eqn4')
plt.plot(m.time, e5.value,'y:',label='eqn5')
plt.plot(m.time, e6.value,'m--',label='eqn6')
plt.plot(m.time, e7.value,'b-.',label='eqn7')
plt.plot(m.time, e8.value,'g--',label='eqn8')
plt.plot(m.time, e9a.value,'r:',label='eqn9a')
plt.plot(m.time, e9b.value,'r--',label='eqn9b')
plt.plot(m.time, e10a.value,'k:',label='eqn10a')
plt.plot(m.time, e10b.value,'k--',label='eqn10b')
plt.legend()

plt.show()

如何使用GEKKO描述离散参数？

1 个答案: