Regressor selection for polynomial NARMAX models employing a randomized approach
Carregando...
Data
Autor(es)
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal de Minas Gerais
Descrição
Tipo
Dissertação de mestrado
Título alternativo
Primeiro orientador
Membros da banca
Eduardo Mazoni Andrade Marçal Mendes
Dimas Abreu Archanjo Dutra
Dimas Abreu Archanjo Dutra
Resumo
This document presents the background, implementation and results for regressor selection in the nonlinear model context. The classical model structure selection techniques are introduced and serve as a motivation to develop model structure selection methods capable of dealing with nonlinear models in a randomized Monte Carlo fashion. A randomized approach for regressor selection was implemented in the context of nonlinear autoregressive moving average with exogenous input (NARMAX) model class as the extension of the RaMSS - Randomized Model Structure Selection - method. The proposed method is compared to classical regressor techniques such as the ERR - Error Reduction Ratio - in both simulated and real data. Although the models selected by the proposed method are not always the more compact ones, they typically exhibit better performance in comparison to the models obtained by other methods. This is due to either better regressor selection performed by the algorithm or by the inclusion of NMA - Nonlinear Moving Average - what provides a more flexible system representation.
Abstract
Esse documento trata da seleção de regressores de modelos não lineares. Os m´métodos clássicos de seleção de estruturas de modelos são introduzidos como motivação para
o desenvolvimento de m´métodos contemporâneos de seleção de estruturas capazes de lidar
com modelos não lineares utilizando t´técnicas de Monte Carlo. Uma abordagem para
seleção de regressores, baseada em amostragem aleatória, foi implementada no contexto de modelos NARMAX (nonlinear autoregressive moving average with exogenous
input) como uma extensão do m´método RaMSS - Randomized Model Structure Selection
- um algoritmo de seleção de regressores implementado para modelos NARX. O m´método
proposto foi comparado com técnicas clássicas de seleção de regressores como o ERR
- Error Reduction Ratio, utilizando dados simulados e dados reais. Apesar de que os
modelos obtidos com o método proposto nem sempre são os mais compactos, esses
modelos normalmente apresentam melhor desempenho seja por uma melhor sele¸c¿ao de
regressores ou por contemplar maior flexibilidade de representação, pela inclusão de
termos NMA - Nonlinear Moving Average.
Assunto
Engenharia elétrica, Sistemas dinâmicos, Sistemas não lineares, Processamento de sinais - Matemática, Modelos matemáticos, Métodos de simulação, Método de Monte Carlo
Palavras-chave
NARMAX, Nonlinear models, Regressor selection, Model structure, System identification