动力学速率模型的自动发现——方法论框架
符号计算
2023-11-03 v2 计算工程、金融与科学
定量方法
摘要
催化过程的工业化需要可靠的动力学模型以进行设计、优化与控制。机理模型需要大量领域知识，而数据驱动与混合模型缺乏可解释性。自动知识发现方法，如 ALAMO（优化代数模型自动学习）、SINDy（非线性动力学稀疏辨识）和遗传编程，已日益流行，但存在诸如需要模型结构假设、可扩展性差以及对噪声敏感等局限。为克服这些挑战，我们提出两种方法论框架 ADoK-S 与 ADoK-W（基于符号回归强/弱形式的动力学速率模型自动发现），利用稳健的模型选择准则自动生成催化动力学模型。我们借助遗传编程进行模型生成，并采用序贯优化例程进行模型精炼。这些框架在三个复杂度递增的案例研究中进行了测试，证明了它们能够在仅有少量含噪数据的情况下从催化系统中恢复底层动力学速率模型，展现了其在化学反应工程应用中的潜力。
引用
@article{arxiv.2301.11356,
title = {The Automated Discovery of Kinetic Rate Models -- Methodological Frameworks},
author = {Miguel Ángel de Carvalho Servia and Ilya Orson Sandoval and Klaus Hellgardt and King Kuok and Hii and Dongda Zhang and Ehecatl Antonio del Rio Chanona},
journal= {arXiv preprint arXiv:2301.11356},
year = {2023}
}