.png){kind=icon}
返回
A Dynamic Model-Fitting Algorithm for Batch Laboratory Data: Application to Constant-Pressure Cake Filtration Experiments
.png){kind=icon}
PRE
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的模型拟合是工程学中的一个基础任务，它连接理论模型与现实数据以提升预测精度。这一过程在批动态实验中尤为有价值，其中机理模型常被用来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，专门针对批实验室实验数据的模型拟合与参数估计。论文提供了一套深入、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，为实验人员提供明确的指导。为验证算法的有效性，我们将之应用于一系列关于碳酸钙恒压滤饼过滤的动态实验，其中过滤器的压降被设定为关键实验因素进行变化。该示例突显了该算法在提升工程中基于模型的可靠性及可解释性方面的应用价值。
Keyword:
model fitting
parameter estimation
batch experiments
mechanistic models
process systems engineering
期刊
IF:
3.4
论文数:
352
被引数:
1.6K
机构
引用论文
A Tutorial on Numerical Methods for State and Parameter Estimation in Nonlinear Dynamic Systems
PREAI
分享收藏
Numerical Differentiation of Noisy Data: A Unifying Multi-Objective Optimization Framework.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI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