0x010088F6312065A70A44B630A6848498EAD80093CFEAFE161DC94D83C7C5C9A5A748B8

Utviklingen er mer fokus på multivariable kalibrering, og ikke-lineær regresjon. Et av to tellende prosjekt er en reell problemstilling fra estimering av reaksjonskinetikk med publiserte data. Det er ikke nødvendigvis bare en riktig modell. Løsningen er åpen, men jeg har på forhånd gjort endel arbeid med modellen.

Jeg tror læringsutbyttet har vært god.

Det mange studenter fra andre institutt som tar dette faget.

NTNU:TIA:REST

Department of Chemical Engineering

Institutt for kjemisk prosessteknologi

Alle trykte og håndskrevne hjelpemidler tillatt. Alle kalkulatorer tillatt.

Engelsk

Forkunnskapskrav

Emnet forutsetter elementære kunnskaper i matriseregning, numeriske metoder, statistikk og programmering. 

Faglig innhold

Emnet undervises annet hvert år, neste gang høsten 2021. Emnet gir en innføring i matematisk modellbygging, modelltilpassing og forsøksplanlegging ved eksperimentelt forsøksarbeide. Følgende emner behandles: Repetisjon av statistiske metoder Matematiske modeller - Empiriske modeller - Mekanistiske modeller basert på analyse av systemets årsaksvirkningsforhold Modelltilpassing - Lineære modeller - Ulineære modeller - Valg mellom modellalternativer Forsøksplanlegging ved matematisk modellbygging. Obligatoriske regneøvinger. Ved regneøvinger benyttes datamaskin.

Kursmateriell

Læringsutbytte

Kunnskap: Studentene vil få kunnskap om typer av modeller, empiriske og fysikalske og hva som karakteriserer disse. De vil få kunnskap om numeriske metoder som brukes, som steepest descend, Newton iterasjon, numerisk integrasjon av ordinære differensiallikninger, samt metoder som brukes i optimalisering. Ferdigheter: Etter å ha tatt kurset skal studentene kunne lineær og ikke-lineær regresjon. De skal være i stand til å tilpasse modellparametre til målinger og estimere konfidensintervall for parametre og modellprediksjon. Studentene vil også være istand til å tilpasse multirespons modeller til målinger. De skal være istand til å utvikle dynamiske og stasjonære modeller som skal brukes til å forklare eksperimentelle data. De skal være istand til å gjøre regresjon når det er målefeil i alle variable, både design variable (uavhengige variable) og respons. Studentene skal kunne anvende metoder for modelldiskriminering. Videre skal de kunne, og være stand til å anvende metoder for forsøksdesign. Generell kompetanse: De vil få kompetase i bruk av verktøy for modelltilpassning og programmering i matlab og /eller python. 

Øvinger

Matematisk modellbygging og modelltilpassing

Teknologiske fag

Kjemisk prosessteknologi - doktorgrad (ph.d.)

Web/Lists(guid'8b698a2d-6ad0-4f7d-b3be-219cc1979f02')/Items(14242)/FieldValuesAsText

Dette emnet ble ikke gitt høsten 2020 - Det vil bli gitt høsten 2021.

Emnet undervises annet hvert år, neste gang høsten 2021.
Emnet gir en innføring i matematisk modellbygging, modelltilpassing og forsøksplanlegging ved eksperimentelt forsøksarbeide.
Følgende emner behandles:
Repetisjon av statistiske metoder
Matematiske modeller
- Empiriske modeller
- Mekanistiske modeller basert på analyse av systemets årsaksvirkningsforhold
Modelltilpassing
- Lineære modeller
- Ulineære modeller
- Valg mellom modellalternativer
Forsøksplanlegging ved matematisk modellbygging. 
Obligatoriske regneøvinger.
Ved regneøvinger benyttes datamaskin. 

Kunnskap:
Studentene vil få kunnskap om typer av modeller, empiriske og fysikalske og hva som karakteriserer disse. De vil få kunnskap om numeriske metoder som brukes, som steepest descend, Newton iterasjon, numerisk integrasjon av ordinære differensiallikninger, samt metoder som brukes i optimalisering. 

Ferdigheter:
Etter å ha tatt kurset skal studentene kunne lineær og ikke-lineær regresjon. De skal være i stand til å tilpasse modellparametre til målinger og estimere konfidensintervall for parametre og modellprediksjon.  Studentene vil også være istand til å tilpasse multirespons modeller til målinger. De skal være istand til å utvikle dynamiske og stasjonære modeller som skal brukes til å forklare eksperimentelle data.  De skal være istand til å gjøre regresjon når det er målefeil i alle variable, både design variable (uavhengige variable) og respons. Studentene skal kunne anvende metoder for modelldiskriminering. Videre skal de kunne, og være stand til å anvende metoder for forsøksdesign. 

Generell kompetanse:
De vil få kompetase i bruk av verktøy for modelltilpassning og programmering i matlab og /eller python.  


Web/Lists(guid'8b698a2d-6ad0-4f7d-b3be-219cc1979f02')/Items(8305)/FieldValuesAsText

<ul><li>Ja</li><li>Med 1-2 slides</li><li>Ja</li></ul>

<ul><li>Det er ved tradisjonell forelesning og øvinger samt to tellende prosjekt. Forelesningene er strukturert slik at studentene skal være i stand til å løse øvingene ved hjelp av passende verktøy. Løsningene av øvingene blir i etterkant gjennomgått. </li><li>Bra</li><li>Bra </li></ul>

Emnet undervises annet hvert år, neste gang høsten 2019.
Emnet gir en innføring i matematisk modellbygging, modelltilpassing og forsøksplanlegging ved eksperimentelt forsøksarbeide.
Følgende emner behandles:
Repetisjon av statistiske metoder
Matematiske modeller
- Empiriske modeller
- Mekanistiske modeller basert på analyse av systemets årsaksvirkningsforhold
Modelltilpassing
- Lineære modeller
- Ulineære modeller
- Valg mellom modellalternativer
Forsøksplanlegging ved matematisk modellbygging. 
Obligatoriske regneøvinger.
Ved regneøvinger benyttes datamaskin. 

Web/Lists(guid'8b698a2d-6ad0-4f7d-b3be-219cc1979f02')/Items(6461)/FieldValuesAsText

Matematisk modellbygging og modelltilpassing - KP8105