Tema geral: Modelos empíricos: identificação; redes neurais

Objetivo: ter uma visão geral dos métodos empíricos de modelagem matemática de processos químicos não baseados em modelos fenomenológicos.

O que é identificação? “Identificação de Sistemas é um estudo sobre os procedimentos que permitem construir modelos matemáticos a partir de dados e sinais observados” Aguirre (2004).

Temas ou questões que devem ser abordados:

  • Que tipo de informações podem ser extraídas de medições de variáveis de um sistema acerca do próprio sistema?
  • Identificação de sistemas: procedimento básico;
  • Formas de modelos e técnicas para a sua identificação;
  • Recursos computacionais;
  • Regressão linear;
  • Modelos paramétricos de séries temporais e equações a diferenças;
  • Identificação paramétrica: estimação de mínimos-quadrados, identificação por máxima verossimilhança, o método da variável instrumental, mínimos-quadrados generalizados;
  • Identificação não-paramétrica: espectro e funções de covariância, análise de correlação, análise espectral.
  • Redes Neurais Artificiais (RNAs): conceitos básicos;
  • Tipos de RNAs;
  • Aprendizado em RNAs;
  • Aplicações de RNAs na Engenharia Química;
  • Softwares para RNAs;

Bibliografia básica:

CAMERON, I., HANGOS, K. Process modelling and model analysis (Process Systems Engineering). Academic Press, 2001. Este livro na Amazon. Este livro no 4shared (material com direitos autorais vigentes) — Cap. 19: Empirical Model Building

Haykin, S. (1999) Neural Networks: A Comprehensive Foundation, Prentice Hall

Lennart Ljung: System Identification — Theory For the User, 2nd ed, PTR Prentice Hall, Upper Saddle River, N.J., 1999.

Aguirre, L. A. Introdução à Identificação de Sistemas. 2a. ed., UFMG, 2004.

Sítios diversos na internet;

Artigos de revisão e tutoriais;