跳到正文
热点事件持续更新

降阶ADM1参数辨识:MLE与贝叶斯推断对比

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

Simon Hellmann 等研究者用最大似然估计(MLE)与贝叶斯推断(BI)对降阶厌氧消化模型 ADM1 做全局参数辨识并量化参数与输出的不确定性,发现 BI 给出的不确定性区间明显窄于 MLE,且借助参数分布的先验知识可免去全局搜索。 在高分辨率实验室数据下,ADM1 特有的氨抑制参数 K_I,nh3 用 MLE 实际不可辨识、对输出敏感度低;有效离子浓度参数则在 MLE 与 BI 下都以高置信度表现出良好的可辨识性。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月15日
  1. arXiv eess.SY 系统与控制
    基于 MLE 与贝叶斯推断的降阶 ADM1 全局参数辨识与不确定性量化

    论文针对厌氧消化模型标定中可辨识性受限、数据稀缺和模型复杂的问题,用最大似然估计(MLE)与贝叶斯推断(BI)对降阶 ADM1 进行参数辨识并量化参数与输出的不确定性。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。