.png){kind=icon}
返回
A Dynamic Model-Fitting Algorithm for Batch Laboratory Data: Application to Constant-Pressure Cake Filtration Experiments
.png){kind=icon}
OA
AI
DOI：10.3390/chemengineering9010020.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
实验室生成的实验数据模型拟合是工程学中的基础任务，它连接理论模型与现实数据，以提高预测精度。这一过程在批动态实验中尤为有价值，因为机理模型常被用于表征复杂系统的行为。在此，我们提出了一种基于过程系统工程框架的系统化算法，专门用于批实验室实验数据的模型拟合与参数估计。本文提供了一套深入、分步骤的方法，涵盖数据采集、模型选择、参数估计和精度评估，为实验研究人员提供了清晰的指导。为验证该算法的有效性，我们将其应用于一系列关于碳酸钙恒压滤饼过滤的动态实验，其中将滤器压降变化作为关键实验因素。该示例突显了该算法在增强工程中基于模型分析的可靠性和可解释性方面的实用性。
Keyword:
dynamic model fitting
laboratory experiments
data filtration
model quality metrics
cake filtration
constant pressure
期刊
IF:
3.4
论文数:
357
被引数:
1.6K
机构
引用论文
Numerical Differentiation of Noisy Data: A Unifying Multi-Objective Optimization Framework.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏分享收藏Generalized Inverses, Ridge Regression, Biased Linear Estimation, and Nonlinear Estimation广义逆、岭回归、有偏线性估计和非线性估计
PREAI
分享收藏Modeling the Batch Sedimentation of Calcium Carbonate Particles in Laboratory Experiments-A Systematic ApproachMATERIALSOAAI
MATERIALSIF3.2
OAAI分享收藏
查看更多内容