Approximate Maximum Likelihood Parameter Estimation for Nonlinear Dynamic Models: Application to a Laboratory-Scale Nylon Reactor Model
Notice bibliographique
Résumé
In this article, parameters and states of a laboratory-scale nylon 612 reactor model (Schaffer et al. Ind. Eng. Chem. Res. 2003, 42, 2946−2959; Zheng et al. Ind. Eng. Chem. Res. 2005, 44, 2675−2686; and Campbell, D. A. Ph.D. Thesis, Department of Mathematics and Statistics, McGill University, Montreal, Quebec, Canada, 2007) are estimated using a novel approximate maximum likelihood estimation (AMLE) algorithm (Poyton et al. Comput. Chem. Eng. 2006, 30, 698−708; Varziri et al. Comput. Chem. Eng., published online, http://dx.doi.org/10.1016/j.compchemeng.2008.04.005; Varziri et al. Ind. Eng. Chem. Res. 2008, 47, 380−393; and Varziri et al. Can. J. Chem. Eng., accepted for publication). AMLE is a method for estimating the states and parameters in differential equation models with possible modeling imperfections. The nylon reactor model equations are represented by stochastic differential equations (SDEs) to account for any modeling errors or unknown process disturbances that enter the reactor system during experimental runs. In this article, we demonstrate that AMLE can address difficulties that frequently arise when estimating parameters in nonlinear continuous-time dynamic models of industrial processes. Among these difficulties are different types of measured responses with different levels of measurement noise, measurements taken at irregularly spaced sampling times, unknown initial conditions for some state variables, unmeasured state variables, and unknown disturbances that enter the process and influence its future behavior.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».