一种用于铝提取过程中未知物理建模的修正源项新方法
机器学习
2023-02-13 v2 动力系统
摘要
随着数据可用性的不断增长，将现代机器学习方法应用于建模与控制等领域的兴趣激增。然而，尽管此类黑盒模型具有灵活性与惊人的准确性，仍难以令人信赖。近期结合两种途径的努力旨在开发兼具良好泛化能力的灵活模型；我们称之为混合分析与建模 (HAM) 的范式。本工作中我们研究修正源项方法 (CoSTA)，其利用数据驱动模型修正设定有误的基于物理的模型。这使我们能够开发即便在问题底层物理未被充分理解时也能作出准确预测的模型。我们将 CoSTA 应用于铝电解池中 Hall-Héroult 过程的建模。我们证明该方法提升了准确性与预测稳定性，从而得到总体更可信的模型。
引用
@article{arxiv.2209.10861,
title = {A novel corrective-source term approach to modeling unknown physics in aluminum extraction process},
author = {Haakon Robinson and Erlend Lundby and Adil Rasheed and Jan Tommy Gravdahl},
journal= {arXiv preprint arXiv:2209.10861},
year = {2023}
}