問題タブ [model-fitting]

バッテリーをモデル化するために、モデルをいくつかの測定値に適合させようとしています。私のモデルの入力は電流で、出力はバッテリー端子の電圧です。モデルでいくつかの 3D ルックアップ テーブルを使用しています。

ブレークポイント (次元) は、SOC (充電状​​態)、温度、電流振幅、およびバッテリ回路要素のインピーダンス値のテーブル データです。

測定は、電流の非常に小さい値 (2 A の範囲) を使用して行われます。モデルを完成させた後、非常に高い電流振幅 (250 A の範囲) を含む電流入力の標準信号を使用して、モデルを検証することになっています。次に、モデルの出力（電圧）を、電流の標準信号を使用した測定からの出力と比較します。

モデルを実行しようとすると、積分器の 1 つで特異点エラーが発生します。これは、入力としての電流の振幅が大きいことが原因であると確信していますが、問題は、飽和ブロックなどを使用して振幅を制限できないことです。また、さまざまなソルバーで問題を解決しようとしましたが、問題を解決できませんでした。この問題を解決する方法を知っている人はいますか?

ここから私のファイルにアクセスしてください。

定義済みの 2 次元ガウス関数を、pymc を使用して観測されたデータに当てはめようとしています。エラーが発生し続けており、最後にValueError: setting an array element with a sequence.エラーの意味は理解できましたが、コードのどこでエラーが発生しているのかわかりません。私の素朴な推測では、確率変数がいくつかの配列要素に設定されているということです。どんな提案でも大歓迎です。これまでの私のコードは次のとおりです。

完全なトレースバック:

私はこの機能を持っています、

dn =fp(xn)+an =Asin(2π k xn +φ)+an

anはσ2 = 1のガウス分布ランダム ノイズであり、 pは自由パラメーターの値の特定の選択を示します。p = [A,k,φ]

2 つの関数を記述する必要があります。

(1) peval - 一連のパラメーター値 p と独立変数 x の値が提供され、fp(x) を返します。

(2)残差- パラメータ値、データセット、および独立変数値の配列 xn が提供され、残差を返します

これは私が現時点で持っているものですが、ガウス分布ランダムノイズである「an」を入力する方法がわかりません。これは私の推測でした..

an = np.random.normal(0,1,100)

次のようなデータがあります。

0.0003 6.09073051353

0.0006 5.51270817927

0.0009 6.89123564432

0.0012 4.99645189114

0.0015 6.7032515641

0.0018 8.9916107534

よろしくお願いします。

(半)楕円形に似たクラスターに配置された 3D ポイントのデータセットがあります。たとえば、MATLAB 関数http://www.mathworks.com/matlabcentral/fileexchange/24693-ellipsoid-fitに実装されている標準的な楕円体フィッティングを試みると、フィッティングをすべての点に適用しても、虚数半径が得られます楕円体ボリュームまたはその凸包上にあるポイントのみ。

クラスターの形状が完全な楕円体に似ているよりも半楕円体であるという事実が、これらの不安定性につながるのでしょうか? 私の問題を解決できるより堅牢な方法はありますか?

アップデート：

これは、そのような 3D ポイントのクラスターの 1 つの例です。青い円は、クラスターの凸包にあるポイントを示しています。

凸包の場合の最小限の作業例は次のとおりです。

パッケージで使用gnlsして、ロジスティック成長モデルをRに適合させようとしています。nlme

私は以前にモデルをうまく適合させました：

ただし、モデルに適合しないように制約したいbので、2 番目のモデルを適合させてみました。

このモデルは次のエラーを返しました:

エラーを検索すると、問題がモデルの対称性によって引き起こされていることが示唆され、特定の問題の解決策には、さまざまなパラメーターを使用して式を適応させることが含まれます。残念ながら、私の統計的知識は、a) 問題を完全に理解するか、b) 式を自分で適応させるのに十分ではありません。

警告メッセージ (全部で 15 ありましたが、すべて同じです) については、モデルのこのセクションが単独で機能するため (例の数字を使用)、なぜそれらが発生するのかわかりません。

これらのクエリのいずれかに関するヘルプをいただければ幸いです。

私の目標は、肯定的なサポートがある任意の分布にデータを適合させることです。(ワイブル(2p)、ガンマ(2p)、パレート(2p)、対数正規(2p)、指数(1P)))。最初の試み、私は proc univariate を使用しました。これは私のコードです

最初に気付いたのは、ワイブル分布の kolmogorov 統計が表示されていないことです。代わりに proc 重大度を使用しました。

これで、ワイブル分布の KS 統計が得られました。次に、proc 重大度と proc 単変量によって生成された KS 統計を比較しました。彼らは違います。なんで？どちらを使用すればよいですか?