Practical identifiability and uncertainty analysis of the one-dimensional hindered-compression continuous settling model

کاربرد عملی یکپارچه مدل های محاصره شده فشرده سازی با مشکل مواجه می شود، زیرا کالیبراسیون مدل به شدت به مشاهدات تجربی با اطلاعات محدود بستگی دارد. در این مطالعه، شناسایی زیرمجموعه های پارامترهای مدل فشرده سازی مانع برای طرح های مختلف تجربی ارزیابی می شود. تجزیه و تحلیل حساسیت جهانی برای پیشگیرانه انتخاب پارامترهای تاثیرگذار که می تواند به طور منطقی تخمین زده شود، مورد استفاده قرار می گیرد، در حالی که تجزیه و تحلیل شناسایی زیرمجموعه های پارامتر بر اساس توابع حساسیت محلی و اندازه گیری های هماهنگی انجام می شود. مشاهدات منحنی حل مساله بسامد برای کالیبراسیون پارامترهای مهاربندی شده و برای تعیین پارامترهای فشرده سازی، ممکن است نیازهای احتمالی مشاهدات غلظت مورد نیاز جمع آوری شود. برای طرح های مختلف تجربی، حداقل سه پارامتر قابل شناسایی هستند و تعداد پارامترهای قابل شناسایی به صورت بالقوه می تواند تا پنج افزایش یابد، اگر هر دو منحنی تنظیم مقدار و مشاهدات غلظت در دسترس باشند. شناسایی زیرمجموعه پارامتر به انتخاب مقادیر اولیه اولیه حساس است و تعیین مقادیر اولیه پارامترهای مهار شده و غلظت ژل از طریق اندازه گیری سرعت تخلیه محدود شده و غلظت بالای رسوب استات به ترتیب به کاهش کارایی حساسیت کمک می کند. تخمین های زیرمجموعه پارامتر به مقادیر پارامترهای ثابت حساس هستند و برآورد قابل اعتماد از زیر مجموعه های پارامتر قابل شناسایی می تواند به طور قابل توجهی کاهش عدم قطعیت پیش بینی مدل را امکان پذیر سازد.