In this thesis appropriate statistical methods to overcome two types of problems that occur during parameter estimation in chemical engineering systems are studied. The first problem is having too many parameters to estimate from limited available data, assuming that the model structure is correct, while the second problem involves estimating unmeasured disturbances, assuming that enough data are available for parameter estimation. In the first part of this thesis, a model is developed to predict rates of undesirable reactions during the finishing stage of nylon 66 production. This model has too many parameters to estimate (56 unknown parameters) and not having enough data to reliably estimating all of the parameters. Statistical techniques are used to determine that 43 of 56 parameters should be estimated. The proposed model matches the data well. In the second part of this thesis, techniques are proposed for estimating parameters in Stochastic Differential Equations (SDEs). SDEs are fundamental dynamic models that take into account process disturbances and model mismatch. Three new approximate maximum likelihood methods are developed for estimating parameters in SDE models. First, an Approximate Expectation Maximization (AEM) algorithm is developed for estimating model parameters and process disturbance intensities when measurement noise variance is known. Then, a Fully-Laplace Approximation Expectation Maximization (FLAEM) algorithm is proposed for simultaneous estimation of model parameters, process disturbance intensities and measurement noise variances in nonlinear SDEs. Finally, a Laplace Approximation Maximum Likelihood Estimation (LAMLE) algorithm is developed for estimating measurement noise variances along with model parameters and disturbance intensities in nonlinear SDEs. The effectiveness of the proposed algorithms is compared with a maximum-likelihood based method. For the CSTR examples studied, the proposed algorithms provide more accurate estimates for the parameters. Additionally, it is shown that the performance of LAMLE is superior to the performance of FLAEM. SDE models and associated parameter estimates obtained using the proposed techniques will help engineers who implement on-line state estimation and process monitoring schemes. / Thesis (Ph.D, Chemical Engineering) -- Queen's University, 2013-12-23 15:12:35.738

Работа содержит исследования трех моделей живых систем с дискретным временем. В первой главе рассматривается одномерная модель нейронной активности, задаваемая кусочно-гладким отображением. Показывается, что в случае одномерного отображения наличие случайного возмущения приводит к появлению всплесков (спайкингу). Исследуются два механизма генерации спайков, вызванных добавлением случайного возмущения в один из параметров. Иллюстрируется, что сосуществование двух аттракторов является не единственной причиной возникновения спайкинга. Для прогнозирования уровня интенсивности шума, необходимого для генерации спайков, применяется метод доверительных областей, который основан на функции стохастической чувствительности. Также находятся основные характеристики межспайковых интервалов в зависимости от интенсивности шума. Вторая глава работы посвящена применению метода функции стохастической чувствительности к аттракторам кусочно-гладкого одномерного отображения, описывающего динамику численности популяции. Первым этапом исследования является параметрический анализ возможных режимов детерминированной модели: определение зон существования устойчивых равновесий и хаотических аттракторов. Для определения параметрических границ хаотического аттрактора применяется теория критических точек. В случае, когда на систему оказывает влияние случайное воздействие, на основе техники функции стохастической чувствительности дается описание разброса случайных состояний вокруг равновесия и хаотического аттрактора. Проводится сравнительный анализ влияния параметрического и аддитивного шума на аттракторы системы. С помощью техники доверительных интервалов изучаются вероятностные механизмы вымирания популяции под действием шума. Анализируются изменения параметрических границ существования популяции под действием случайного возмущения. В третьей главе проводится анализ возможных динамических режимов детерминированной и стохастической модели Лотки-Вольтерры. В зависимости от двух параметров системы строится карта режимов. Изучаются параметрические зоны существования устойчивых равновесий, циклов, замкнутых инвариантных кривых, а также хаотических аттракторов. Описываются бифуркации удвоения периода, Неймарка--Саккера и кризиса. Демонстрируется сложная форма бассейнов притяжения. Помимо детерминированной системы подробно изучается стохастическая, описывающая влияние внешнего случайного воздействия. В случае хаоса дан алгоритм нахождения критических линий, описывающих границу хаотического аттрактора. Опираясь на найденную чувствительность аттракторов, строятся доверительные полосы и эллипсы, позволяющие описать разброс случайных состояний вокруг детерминированного аттрактора. / The work contains study of three models of biological systems with discrete time. In the first chapter a one-dimensional model of neural activity defined by a piecewise-smooth map is considered. It is shown that in the case of a one-dimensional model, the presence of a random disturbance leads to a spike generation. Two mechanisms of spike generation caused by the presence of a random disturbance in one of the parameters are investigated. It is illustrated that the coexistence of two attractors is not the only reason of spiking. To predict the level of noise intensity needed to generate spikes, the confidence-domain method is used, which is based on the stochastic sensitivity function. The main characteristics of interspike intervals depending on the intensity of the noise are also described. The second chapter is devoted to the application of the method of the stochastic sensitivity function to attractors of a piecewise-smooth one-dimensional map, which describes the population dynamics. The first stage of the study is a parametric analysis of the possible regimes of the deterministic model: determining the zones of existence of stable equilibria and chaotic attractors. The theory of critical points is used to determine the parametric boundaries of a chaotic attractor. In the case where the system is affected by a random noise, based on the stochastic sensitivity function, a description of the spread of random states around equilibrium and a chaotic attractor is given. A comparative analysis of the influence of parametric and additive noise on the attractors is carried out. Using the technique of confidence intervals, the probabilistic mechanisms of extinction of a population under the influence of noise are studied. Changes in the parametric boundaries of the existence of population under the influence of random disturbance are analyzed. In the third chapter the possible dynamic modes of the Lotka-Volterra model in determi\-nistic and stochastic cases are analyzed. Depending on the two parameters of the system, bifurcation diagram is constructed. Parametric zones of the existence of stable equilibria, cycles, closed invariant curves, and also chaotic attractors are studied. The bifurcations of the period doubling, Neimark--Sacker and the crisis are described. The complex shape of the basins of attraction is demonstrated. In addition to the deterministic system, the stochastic system is studied in detail, which describes the influence of external random disturbance. In the case of chaos, an algorithm for finding critical lines describing the boundary of a chaotic attractor is given. Based on the stochastic sensitivity function, confidence bands and ellipses are constructed to describe the spread of random states around a deterministic attractor.