Improving Trust in Dynamic Optimization on Surrogates by Using Classifiers

  • Dynamic real time optimization of chemical processes requires fast models. So, data-driven surrogate models are often used. However, these models do not contain information on the feasible region of the underlying rigorous model. Therefore, the data-driven regressor is combined with an additional classification model to prevent faulty extrapolations.

Volltext Dateien herunterladen

  • 2-2_Talis_AISymposium.pdf
    eng

Metadaten exportieren

Weitere Dienste

Suche bei Google Scholar Anzahl der Zugriffe auf dieses Dokument
Metadaten
Autor*innen:Torben TalisORCiD
Koautor*innen:Erik EscheORCiD
Dokumenttyp:Posterpräsentation
Veröffentlichungsform:Präsentation
Sprache:Englisch
Jahr der Erstveröffentlichung:2025
Organisationseinheit der BAM:2 Prozess- und Anlagensicherheit
2 Prozess- und Anlagensicherheit / 2.2 Prozesssimulation
DDC-Klassifikation:Technik, Medizin, angewandte Wissenschaften / Chemische Verfahrenstechnik / Chemische Verfahrenstechnik
Freie Schlagwörter:Classification; Dynamic optimization; Machine learning
Themenfelder/Aktivitätsfelder der BAM:Chemie und Prozesstechnik
Chemie und Prozesstechnik / Anlagensicherheit und Prozesssimulation
Veranstaltung:BAM Symposium on Artificial Intelligence and Machine Learning
Veranstaltungsort:Berlin, Germany
Beginndatum der Veranstaltung:06.11.2025
Enddatum der Veranstaltung:06.11.2025
Verfügbarkeit des Dokuments:Datei im Netzwerk der BAM verfügbar ("Closed Access")
Datum der Freischaltung:13.01.2026
Referierte Publikation:Nein
Einverstanden
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.