Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/258834
Type: DISSERTAÇÃO
Degree Level: Mestrado
Title: Estimação On-Line de parâmetros dependentes do estado (State Dependent Parameter - SDP) em modelos de regressão não lineares
Title Alternative: State dependent parameters (SDP) On-line estimation for nonlinear regression models
Author: Alegria, Elvis Omar Jara, 1986-
Advisor: Bottura, Celso Pascoli, 1938-
Abstract: Resumo: Este trabalho é sobre a identificação recursiva em tempo real das dependências parâmetro-estado em modelos de regressão de series temporais estocásticas. O descobrimento dessas dependências é útil para obter uma nova, e mais acurada, estrutura do modelo. Os métodos recursivos convencionais de estimação de parâmetros variantes no tempo, não conseguem bons resultados quando os modelos apresentam parâmetros dependentes do estado (SDP) pois eles tem comportamento altamente não linear e inclusive caótico. Nossa proposta está baseada no estudo de Peter Young para SDPs no caso Off-Line. É discutido o método que ele propõe para reduzir a entropia das séries nos modelos com SDP e para isto se apresenta umas transformações dos dados. São propostas mudanças no seu algoritmo Off-Line que o fazem mais rápido, eficiente e manejável para a implementação do modo On-Line. Finalmente, três exemplos numéricos são mostrados para validar as nossas propostas e a sua aplicação na área de detecção de falhas paramétricas. Todas as funções foram implementadas no MATLAB e conformam um toolbox para identificação de SDP em modelos de regressão

Abstract: This work is about the identification of the dependency among parameters and states in regression models of stochastic time series. The discovery of that dependency can be useful to obtain a more accurate model structure. Conventional recursive algorithms for estimation of Time Variable Parameters do not provide good results in models with state-dependent parameters (SDP) because these may have highly non-linear and even chaotic behavior. This work is based on Peter Young's studies about Off-Line SDP. Young's methods to data entropy reduction are discussed and some data transformations are proposed for this. Later, are proposed some changes on the Off-Line algorithm in order to improve its velocity, accuracy, and tractability to generate the On-Line version. Finally, three numeric examples to validate our proposal are shown. All the functions were implemented in MATLAB and conform a Toolbox to the SDP identification in regression models
Subject: Sistemas não-lineares
Identificação de sistemas
Análise de séries temporais
Editor: [s.n.]
Date Issue: 2015
Appears in Collections:FEEC - Tese e Dissertação

Files in This Item:
File SizeFormat 
Alegria_ElvisOmarJara_M.pdf5.45 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.