Gaußprozessregression zur Modellierung zeitvarianter Systeme

Abstract

Zusammenfassung Datenbasierte Modellbildungsverfahren haben auch für komplexe und hochdimensionale Systeme an Bedeutung gewonnen. Sie bieten den Vorteil einer deutlich verkürzten Entwicklungszeit im Vergleich zur physikalischen Modellierung. Der Nachteil vieler herkömmlicher Verfahren ist allerdings, dass selbst einfaches Wissen, wie etwa Extrapolationseigenschaften, nicht in der Modellgenerierung berücksichtigt werden können. Deshalb soll in diesem Beitrag eine Methodik vorgestellt werden, wie auf Basis der Gaußprozessregression solches Wissen auch für datenbasierte Verfahren genutzt werden kann. Desweiteren ist es in vielen physikalischen Systemen notwendig, dass die Modelle während der Laufzeit an individuell unterschiedliche Systeme angepasst werden können. Dazu wird ein Online-Adaptionsverfahren vorgestellt, welches die Unsicherheitsinformation des Gaußprozesses nutzt, um Änderungen im System zu detektieren und das Modell anzupassen.