修复动态模型：一种获得具有机制洞察的可辨识可观测重参数化方法
系统与控制
2020-12-21 v2 符号计算
系统与控制
摘要
机制性动态模型允许对数据进行定量且系统的解释，并生成可检验的假设。然而，这些模型常常过度参数化，导致不可辨识与不可观测，即无法推断其参数与状态变量。结构可辨识性与可观测性（SIO）的缺失损害了模型的预测与提供洞察的能力。在此我们提出一种方法 AutoRepar，可自动修正 SIO 缺陷，产生结构可辨识且可观测的重参数化模型。该重参数化保留了所选变量的机制意义，并具有与原模型完全相同的动力学与输入输出映射。我们将 AutoRepar 实现为用于 SIO 分析的 STRIKE-GOLDD 软件工具箱的扩展，将其应用于文献中的若干模型以展示其修复结构缺陷的能力。AutoRepar 提升了机制性模型的适用性，使其能提供关于参数与动力学的可靠信息。
引用
@article{arxiv.2012.09826,
title = {Repairing dynamic models: a method to obtain identifiable and observable reparameterizations with mechanistic insights},
author = {Gemma Massonis and Julio R. Banga and Alejandro F. Villaverde},
journal= {arXiv preprint arXiv:2012.09826},
year = {2020}
}
备注
36 pages, 6 figures