Banca de QUALIFICAÇÃO: REGINA LUANA SANTOS DE FRANCA
20/01/2015 17:32
Os estimadores robustos pertencem a famílias de estimadores que possuem a capacidade de atenuar os erros grosseiros quando estes estão presentes nas medidas experimentais. Esta característica pode também ser utilizada para uma posterior identificação das variáveis com erro de medição e desta forma, o problema de estimação e identificação pode ser resolvido concomitantemente. O presente trabalho leva em consideração essa particularidade, e avalia a a aptidão de alguns estimadores robusto na resolução de problemas de reconciliação de dados em modelos de processos químicos estacionários representados por sistemas lineares e não-lineares. A literatura expõem inúmeros trabalhos teóricos relacionados a utilização de estimadores robustos para reconciliação, quase todos direcionados a processos estacionários representados por sistemas lineares, no entanto, poucos estudos aprofundados são direcionados a processos estacionários não-lineares. Além disso, questões referentes a: (i) definição do estimador; (ii) técnica de resolução do problema de reconciliação e, (iii) capacidade de predição dos estimadores robustos na presença de erros grosseiros; ainda representam um desafio a ser explorado e que motivou o delineamento deste trabalho. Inicialmente, os tradicionais estimadores robustos Cauchy, Fair, Normal Contaminada e Logística são utilizados no problema de reconciliação onde, suas estimativas são comparadas com as obtidas com o uso do estimador robusto, New Target (Jin et al., 2012). Para este propósito, foi utilizado o Método de Programação Não-Linear, em particular, o “Sequential Quadratic Programming” (SQP), o qual encontra-se implementado no ambiente MATLAB com a denominação fmincon. Como índice de desempenho, utilizou-se a soma dos erros quadrados (SSE); erro médio relativo e o número de avaliações da função objetivo. De posse dos resultados, observou-se que a função Mínimos Quadrados Ponderados apresentou um número reduzido de iterações em quase todos os testes realizados. A função Cauchy e Normal Contaminada apresentaram bons resultados quanto ao número de iterações, no entanto o função Normal Contaminada apresentou um problema de convergência em um dos casos testados. Em sistemas não-lineares contendo um único erro grosseiro, as funções New Target e Cauchy obtiveram os bons índices de desempenho, principalmente em termos do erro médio relativo sendo que a ultima apresentou o menor número de iterações.
SIGAA | Superintendência de Tecnologia da Informação/UFS | Telefonista/UFS (79)3194-6600 | Copyright © 2009-2024 - UFRN v3.5.16 -r19130-f2d2efc73e