SEARCH

SEARCH BY CITATION

Keywords:

  • parameter estimation;
  • kinetic model reduction;
  • adaptive random search;
  • statistical ridge analysis

Abstract

In order to simultaneously estimate the parameters and to reduce a complex kinetic model, an adaptive strategy which combines effective adaptive random search (ARS) and statistical ridge analysis steps is developed. As demonstrated, this strategy can save computational time because the estimation is not repeated with each reduced model. The use of ARS is preferred for highly nonlinear models and cases having multiple parameter constraints, guaranteeing reliability for interactively obtaining the global reduced model parameter solution.

Dans le but d'estimer simultanément les paramètres et de réduire un modèle cinétique complexe, on a mis au point une stratégie adaptative qui combine une recherche aléatoire adaptative (ARS) effective et des phases d'analyse de crětes statistiques. Comme il a été démontré, cette stratégie permet de réduire le temps de calcul sur ordinateur du fait que l'estimation n'est pas répétée avec chaque modèle réduit. L'utilisation de la méthode ARS est préférable pour les modèles hautement non linéaires et les cas ayant des contraintes de paramètres multiples, ce qui garantit la fiabilité pour obtenir de manière interactive la solution globale des paramètres des modèles réduits.