Regressor selection for polynomial NARMAX models employing a randomized approach

• Ano de defesa: 2018
• Autor(a) principal: Pedro Felipe Leite Retes
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Instituição de defesa: Universidade Federal de Minas Gerais; Brasil; ENG - DEPARTAMENTO DE ENGENHARIA ELÉTRICA; Programa de Pós-Graduação em Engenharia Elétrica; UFMG
• Palavras-chave em Português: NARMAX; Nonlinear models; Regressor selection; Model structure; System identification; Engenharia elétrica; Sistemas dinâmicos; Sistemas não lineares; Processamento de sinais - Matemática; Modelos matemáticos; Métodos de simulação; Método de Monte Carlo
• Link de acesso: http://hdl.handle.net/1843/60785

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.