Zitieren Sie bitte immer diesen URN: urn:nbn:de:kobv:b43-628008

Cubature-based uncertainty estimation for nonlinear regression models

  • Models are commonly utilized in chemical engineering to simulate real-world processes and phenomena. Given their role in guiding decision-making, accurately quantifying the uncertainty of these models is essential. Typically, these models are calibrated using experimental data that contain measurement errors, leading to uncertainty in the fitted model parameters. Current methods for estimating the prediction uncertainty of nonlinear regression models are often either computationally intensive or biased. In this study, we use sparse cubature formulas to estimate the prediction uncertainty of nonlinear regression models. Our findings indicate that this method provides a favorable balance between accuracy and computational efficiency, making it suitable for application in chemical engineering. We validate the performance of our proposed method through various regression case studies, including both theoretical toy models and practical models from chemical engineering.

Volltext Dateien herunterladen

Metadaten exportieren

Weitere Dienste

Suche bei Google Scholar Anzahl der Zugriffe auf dieses Dokument
Metadaten
Autor*innen:Martin BubelORCiD, Jochen Schmid, Maximilian Carmesin, Volodymyr Kozachynskyi, Erik EscheORCiD, Michael Bortz
Dokumenttyp:Zeitschriftenartikel
Veröffentlichungsform:Verlagsliteratur
Sprache:Englisch
Titel des übergeordneten Werkes (Englisch):Computers & Chemical Engineering
Jahr der Erstveröffentlichung:2025
Organisationseinheit der BAM:2 Prozess- und Anlagensicherheit
2 Prozess- und Anlagensicherheit / 2.2 Prozesssimulation
Veröffentlichende Institution:Bundesanstalt für Materialforschung und -prüfung (BAM)
Verlag:Elsevier Ltd.
Jahrgang/Band:197
Aufsatznummer:109035
Erste Seite:1
Letzte Seite:23
DDC-Klassifikation:Technik, Medizin, angewandte Wissenschaften / Chemische Verfahrenstechnik / Chemische Verfahrenstechnik
Freie Schlagwörter:Model uncertainty; Nonlinear models; Parameter estimation
Themenfelder/Aktivitätsfelder der BAM:Chemie und Prozesstechnik
Chemie und Prozesstechnik / Anlagensicherheit und Prozesssimulation
DOI:10.1016/j.compchemeng.2025.109035
URN:urn:nbn:de:kobv:b43-628008
ISSN:1873-4375
Zugehöriger Identifikator:https://doi.org/10.1016/j.compchemeng.2025.109035
Verfügbarkeit des Dokuments:Datei für die Öffentlichkeit verfügbar ("Open Access")
Lizenz (Deutsch):License LogoCreative Commons - CC BY - Namensnennung 4.0 International
Datum der Freischaltung:02.04.2025
Referierte Publikation:Ja
Datum der Eintragung als referierte Publikation:02.04.2025
Paper des Monats:Ja
Schriftenreihen ohne Nummerierung:Wissenschaftliche Artikel der BAM
Einverstanden
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.