Model Mixing for Long-Term Extrapolation

0086418 - ÚTIA 2008 AT eng A - Abstrakt
Ettler, P. - Kárný, Miroslav - Nedoma, Petr
Model Mixing for Long-Term Extrapolation.
[Míchání modelů pro dlouhodobou extrapolaci.]
Proceedings of the 6th EUROSIM Congress on Modelling and Simulation - Vol.1: Book of Abstracts. Vienna: ARGESIM-ARGE Simulation News, 2007. s. 275-275.
[EUROSIM Congress on Modelling and Simulation /6./. 09.09.2007-13.09.2007, Ljubljana]
Grant CEP: GA AV ČR 1ET100750401; GA MŠMT 1M0572
Výzkumný záměr: CEZ:AV0Z10750506
Klíčová slova: Simulation * Modelling * Estimation * Multiple models
Kód oboru RIV: BB - Aplikovaná statistika, operační výzkum
http://as.utia.cz/publications/2007/EttKarNed_07b.pdf

Reliable extrapolation - simulation or prediction - of system output is an invaluable departure point for the control system design. For application of model-based techniques, the knowledge of the model structure is essential. It can be based purely on the physical point of view or estimated from process data while the system is considered as a "black box". Mixing of both methods results in "grey box" modelling. Often, modelled systems are governed by several known physical laws and each of these laws implies a model, which should match the data. Nevertheless inevitable uncertainties often make simulated outputs of respective models unreliable. The problem is especially pronounced for systems with a significant time delay. This motivates search for methods, which utilize all available models at once and mix their outputs with the aim to get better results. In the paper, four variants of mixing are considered, discussed and their performance compared on industrial data. Seeming alternative -- a simple complex model is discussed as well. Data for experiments came from a cold rolling mill.

Věrohodná extrapolace - simulace nebo predikce - výstupu systému je cenným základem pro návrh řídicího systému. Mají-li být k tomu využity postupy založené na modelu procesu, je znalost struktury modelu podstatná. Model může být založen čistě na fyzikálním hledisku nebo může být odhadnut z dostupných dat - v takovém případě je na proces pohlíženo jako na "black box - černou skříňku". Sloučení obou postupů je možno nazývat "grey box" modelováním. V mnoha případech se modelovaný systém chová podle několika fyzikálních zákonů současně a z každého z nich lze odvodit model, který by měl odpovídat datům. Nicméně měřená data jsou vždy zatížena neurčitostí, kvůli které mohou být simulace založené na těchto modelech nevěrohodné. Problém je ještě výraznější u systémů s velkým dopravním zpožděním. To bylo motivací pro hledání metod, které využívají několik modelů najednou a míchají jejich výstupy, aby se dosáhlo lepšího výsledku. Ve článku jsou uvedeny a porovnány čtyři metody při použití dat z průmyslu. Zdánlivá alternativa - jeden složitý model - je rovněž diskutována. Pro experimenty byla použita data ze studené válcovací tratě.
Trvalý link: http://hdl.handle.net/11104/0148692