Online Prediction under Model Uncertainty Via Dynamic Model Averaging: Application to a Cold Rolling Mill

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F10%3A00342595" target="_blank" >RIV/67985556:_____/10:00342595 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Online Prediction under Model Uncertainty Via Dynamic Model Averaging: Application to a Cold Rolling Mill

Popis výsledku v původním jazyce

We consider the problem of online prediction when it is uncertain what the best prediction model to use is. We develop a method called Dynamic Model Averaging (DMA) in which a state space model for the parameters of each model is combined with a Markov chain model for the correct model. This allows the /correct" model to vary over time. The state space and Markov chain models are both specied in terms of forgetting, leading to a highly parsimonious representation. As a special case, when the model and parameters do not change, DMA is a recursive implementation of standard Bayesian model averaging, which we call recursive model averaging (RMA). The method is applied to the problem of predicting the output strip thickness for a cold rolling mill, where the output is measured with a time delay.

Název v anglickém jazyce

Online Prediction under Model Uncertainty Via Dynamic Model Averaging: Application to a Cold Rolling Mill

Popis výsledku anglicky

We consider the problem of online prediction when it is uncertain what the best prediction model to use is. We develop a method called Dynamic Model Averaging (DMA) in which a state space model for the parameters of each model is combined with a Markov chain model for the correct model. This allows the /correct" model to vary over time. The state space and Markov chain models are both specied in terms of forgetting, leading to a highly parsimonious representation. As a special case, when the model and parameters do not change, DMA is a recursive implementation of standard Bayesian model averaging, which we call recursive model averaging (RMA). The method is applied to the problem of predicting the output strip thickness for a cold rolling mill, where the output is measured with a time delay.

Druh

J_x - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

CEP obor

BC - Teorie a systémy řízení

OECD FORD obor

—

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

Z - Vyzkumny zamer (s odkazem do CEZ)

Rok uplatnění

2010

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

Technometrics

ISSN

0040-1706

e-ISSN

—

Svazek periodika

Volume 52

Číslo periodika v rámci svazku

Number 1

Stát vydavatele periodika

US - Spojené státy americké

Počet stran výsledku

15

Strana od-do

—

Kód UT WoS článku

000275920200006

EID výsledku v databázi Scopus

—