PREVISIONE. E inutile cercare di prevedere la componente deterministica. Quindi si opera su valori depurati di questa componente.
|
|
- Agnolo Serafino Magni
- 6 anni fa
- Visualizzazioni
Transcript
1 PREVISIONE Sono analoghi a quelli di simulazione tranne che per l'uso dell'informazione: - si utilizzano tutte le informazioni disponibili (ingressi) fino all'istante t e si calcola il passo/i passi successivi con il modello, - si aggiorna l'informazione disponibile con nuovi dati e si procede. Funzionano tanto meglio quanto più l'inerzia del sistema è elevata (conta molto lo stato iniziale). Si assume di solito che il sistema reale sia composto da due parti: componente deterministica + componente stocastica Esempio: temperatura T del giorno t+1 T (t+1) = T + Tsen(2π/365(t+1)) + α T(t) + ε t componente deterministica media + variazione annuale componente stocastica giorno prec. + errore E inutile cercare di prevedere la componente deterministica. Quindi si opera su valori depurati di questa componente. T*(t+1) = T (t+1) [T + Tsen(2π/365(t+1))] = α*t*(t) + ε t 117
2 Per calcolare la previsione, si può tener conto solo delle informazioni note (es. T(t) temperatura del giorno corrente) e, se nota, della distribuzione di probabilità dell errore ε t. Un caso già visto: ricostruttore dello stato (uscita) sistema reale z -1 previsore ritardo unitario Si usano le informazioni note (y(t) e u(t)) e si prevede l uscita all istante t+1. Lo schema può essere usato anche su sistemi non lineari, linearizzando il sistema a ogni passo e ricalcolando la matrice L ogni volta (in questo caso quindi la matrice cambia con t). 118
3 Componente stocastica e rischio Se si conosce la distribuzione di probabilità dell errore ε t si può operare nel modo seguente: - si calcola con il modello il valore atteso dell uscita sulla base dell informazione corrente I t - si somma a questo la distribuzione dell errore - si ottiene così la distribuzione di probabilità della variabile prevista. In questo modo è possibile calcolare la probabilità di qualsiasi valore o il rischio di superare un certo limite (es. di legge). Come valutare la distribuzione dell errore Sui dati di taratura, si valuta ε t = misura t - previsione t e si controlla poi che questa serie abbia media nulla, distribuzione gaussiana, correlazione nulla con se stessa e le altre variabili (cioè sia un rumore bianco). 119
4 Modello ARMA o ARX (descrizione esterna) Un sistema dinamico lineare (es. discreto) può anche essere descritto attraverso le sole grandezze misurabili all esterno: ingresso u(t) e uscita y(t) (caso di sistema 1_ingresso 1_uscita). Es: x ( t + 1) = α x ( t) 1 2 x ( t + 1) = β x ( t) + u( t) 2 1 y( t) = γ x ( t) 1 Sostituendo: y( t + 1) = γα x ( t) = γα ( β x ( t 1) + u( t 1)) = ay( t 1) + bu( t 1) In generale: 2 1 y( t + 1) = a y( t) + a y( t 1) b u( t) + b u( t 1) parte autoregressiva AR parte a media mobile (moving average) MA N.B. la parte MA è detta a volte esogena (exogenous) N.B. a 1,a 2,,a n sono i coefficienti del polinomio caratteristico. Nel continuo: n+ 1 n n 1 n n 1 d y d y d y d u d u a n 1 1 a n 2 b n 1 1 b + n 2 n 1 = dt dt dt dt dt 120
5 Esempio u = forza y = posizione m y = Ky H y+ u H K 1 y+ y+ y = u m m m modello ARMA Esempio Conigliera y(t) = n coppie conigli Supponiamo u(t) = 0 e y(0) = 1 y(1) = 1 y(t+2) = y(t+1) + y(t) (1,1,2,3,5,8,13,...) modello AR(2) (= due termini autoregressivi) 121
6 I modelli ARMA sono spesso utili per effettuare previsioni su sistemi complessi. In tali casi i parametri a i e b i vanno poi stimati a partire dai dati. Esempio u(t) portata nella sezione 1 all ora t y( t + n) = u( t) ritardo piena di n ore y( t + n) = b u( t + n 1) + b u( t + n 2) b u( t) 1 2 n La portata all uscita è una media pesata della portata all ingresso. AR(1) y( t + n) = y( t + n 1) ipotesi di congelamento y( t + n) = 2 y( t + n 1) y( t + n 2) Estrapolatore del 1 ordine AR(2) y( t + n) = a y( t + n 1) a y( t + n 2)... a y( t) 1 2 Modello più complesso ARMA(n,n) y( t + n) = a y( t + n 1)... a y( t) + b u( t + n 1) +... b u( t) 1 n 1 n Estrapolatore di ordine n AR(n) n 122
7 A volte i modelli ARMA vengono detti a scatola nera (black box) perché sono strutture matematiche che vengono a priori scelte per descrivere la dinamica di un sistema complesso. Modelli matematici che vengono scelti con alcune motivazioni fisiche (analogia, meccanica di funzionamento, ipotesi di comportamento, ) sono invece chiamati a scatola grigia. Spesso, tuttavia, le due classi di modelli coincidono e cioè le ipotesi fatte non sono assolutamente essenziali. Esempio u(t) = pioggia y(t) = portata Il modello di Nash interpreta il bacino come una sequenza di n serbatoi, ma essendo lineare, può essere scritto anch esso come un modello ARMA. In molti casi gli ingressi sono più di uno. Es. p i (t) pioggia misurata al pluviometro i q(t+1)=αq(t) + β 1 p 1 (t)+β 2 p 1 (t-1)+ +γ 1 p 2 (t)+γ 2 p 2 (t-1)+..+δ 1 p 3 (t)+ 123
8 Taratura dei previsori I previsori sono di solito tarati con il consueto criterio dei minimi quadrati. E chiaro che, in questo caso, i valori della variabile y t compaiono sfalsati tanto nella matrice M dei dati, tanto nel vettore y dei risultati. ESEMPIO: sistema modello con 2 ingressi u w SISTEMA y previsore stima a lotti stima ricorsiva (la stima è aggiornata all arrivo di un nuovo dato) Il vettore dei parametri viene stimato in tempo reale fino alla convergenza I due metodi di stima portano, asintoticamente, allo stesso risultato. 124
9 PREVISIONE - CASO DI STUDIO: Qualità dell aria a Milano Vedi: Finzi, Fronza, Spirito, Multivariate stochastic models of sulphur dioxide pollution in an urban area, APCA Journal, 30: , 1980 stazioni meteo condizioni meteorologiche emissioni misure qualità aria inquinamento, e.g. SO 2 previsione allarme reazioni individuali esposizione sistema respiratorio DANNO La previsione è diffusa ogni giorno t per quello successive (t+1) e si riferisce ai valori previsti dalle normative (ad esempio, media delle 24 ore, valore massimo, massima media su 8 ore, ). La previsione può riguardare diversi inquinanti (es. PM10 in inverno, O 3 in estate). Qui trattiamo il caso di inquinanti primari (niente reazioni chimiche) e deposizione umida (pioggia) trascurabile. N.B. Il danno dipende dalle reazioni individuali all informazione fornita (allarme) e la reazione può dipendere a sua volta dalla bontà delle previsioni precedenti (falsi o mancati allarmi). 125
10 Dati disponibili quota isola di calore inversione temperatura rosa dei venti stagionale mappe meteo 126
11 Stazioni di misura della qualità dell aria (PTS, PM10, PM2,5, NOx, SO 2, VOC, ) Consideriamo ad esempio il sistema di previsione seguente: dati previsore concentrazione di la variabile di uscita da prevedere è la media su 24 ore della media della stazioni di misura effettuata alle ore 8 Possiamo usare come dati in ingresso: - la concentrazione di inquinante del giorno precedente (chiaramente se la concentrazione odierna è elevata, ci aspettiamo che lo sia anche quella successiva) - la temperatura T (d inverno, più bassa è la temperatura, più elevate saranno le emissioni per riscaldamento ed energia) - la condizione meteo m (con alta pressione, l inversione termica è più probabile) - la velocità del vento v (più vento, maggiore dispersione). 127
12 Scelta del modello Occorre scegliere la struttura del modello e tarare i parametri sulla base dei dati disponibili.. La struttura dipende dalle informazioni che immaginiamo di poter utilizzare in tempo reale e maggiore è la quantità di informazione necessaria, maggiori saranno i costi di implementazione del modello. Anche a parità di informazioni sono possibili diverse formulazioni. Occorre anche tener conto dell uso che poi si farà della previsione (es. inutile fare previsioni per diverse aree della città, se poi si può solo chiudere tutto al traffico) La procedura è la solita: selezione modello taratura dati Su Milano sono state sperimentate la strutture seguenti: 128
13 Modello 1 & sono i parametri da stimare è la concentrazione prevista per il giorno k+1 [ppm] è la concentrazione misurata nel giorno k [ppm] è la temperatura misurata nel giorno k [ C] è una temperatura di riferimento (evita divisioni per previsione perfetta (la pendenza non è 45 perché le unità sui due assi sono diverse) concentrazione prevista Il modello non è molto preciso perché tende un po a sottostimare gli episodi di inquinamento acuto. ρ = 0,76 ρ episodi = 0,69 concentrazione misurata 129
14 Modello 2 Il modello ha la stessa struttura del precedente, salvo il fatto che i parametri α e β si suppongono dipendenti dalla situazione meteo prevista per il giorno k+1: situazione ciclonica o anticiclonica. Ciò significa che devono essere calibrati DUE diversi modelli: prima si raggruppano tutti I dati relative a situazioni cicloniche e si tarano 2 parametri, poi tutti I dati relative a situazioni anticicloniche e si tarano altri 2 parametri. Si noti che si tratta di situazioni previste, cioè quelle elaborate da un servizio di previsione meteo, e che, separando I dati in due insiemi, occorre tener presente il loro effettivo legame temporale (cioè i giorni realmente precedenti, che potrebbero non appartenere allo stesso insieme). Raddoppiando il numero di parametri e specializzando il modello per le diverse situazioni, le prestazioni migliorano, ma il doppio dei dati è necessario per raggiungere la stessa affidabilità nella stima. La correlazione tra previsioni e misure passa da 0.76 a
15 Modello 3 Il modello differisce dal precedente solo per la presenza dell ultimo temine, che ha un segno meno per tener conto che la concentrazione decresce con l aumento della velocità del vento (maggiore dispersione). Notate però che si utilizza la velocità prevista per il giorno k+1. Se questa è calcolato solo per fare la previsione di inquinamento (ad es. con un AR(1)) è meglio usare direttamente quella rilevata al giorno k. previsione concentrazione prevista La previsione è migliorata in particolare sugli episodi più elevati: ρ = 0,88 ρ episodi = 0,82 Il modello utilizza tuttavia 6 parametri e quindi richiede più dati, oltre alle misure di vento in tempo reale (localmente rilevabili con un anemometro). concentrazione misurata 131
16 misure previsioni (si nota il tipico ritardo sui picchi dei modelli autoregressivi) Dati misurati Previsioni
Maria Prandini Dipartimento di Elettronica e Informazione Politecnico di Milano
Note relative a test di bianchezza rimozione delle componenti deterministiche da una serie temporale a supporto del Progetto di Identificazione dei Modelli e Analisi dei Dati Maria Prandini Dipartimento
DettagliCorso di Controllo Digitale Equazioni alle Differenze e Z-trasformate a
Corso di Controllo Digitale Equazioni alle Differenze e Z-trasformate a Università degli Studi della Calabria Corso di Laurea in Ingegneria Elettronica. Ing. Domenico Famularo a Proprietà Letteraria Riservata
DettagliBollettino Quotidiano
Bollettino Quotidiano Giorno di riferimento: Autore: E-mail: craria@arpalazio.it Responsabile: Dr. Roberto Sozzi 4 novembre 2011 Indice 1 Premessa 2 2 Situazione meteorologica 3 2.1 Situazione sinottica....................................
DettagliCorso di Identificazione dei Modelli e Analisi dei Dati
Corso di Identificazione dei Modelli e Analisi dei Dati Prof. Sergio Bittanti Esercitazione di Laboratorio A.A. 2010-11 Sistemi dinamici lineari a tempo discreto 1. Si consideri il sistema dinamico a tempo
Dettagli5.4. La matrice di correlazione
6 CO 4 (mg/m 3 ) 2 domenica lunedì martedì mercoledì giovedì venerdì sabato Giorni della settimana P. Bissuola Outliers Extremes P. Matter Outliers Extremes Le distribuzioni degli inquinanti non mostrano
DettagliVALIDAZIONE DEL MODELLO
VALIDAZIONE DEL MODELLO Validazione del Modello Non è sufficiente stimare il vettore θ per dichiarare concluso il processo di identificazione. E necessario ottenere una misura della sua affidabilità L
DettagliARIA PULITA E ARIA INQUINATA. naturale è composta da un miscuglio di gas e particelle con concentrazione variabile
Parametri meteorologici e inquinanti atmosferici ARIA PULITA E ARIA INQUINATA L aria naturale è composta da un miscuglio di gas e particelle con concentrazione variabile Azoto, ossigeno, argon e vapore
DettagliSVILUPPO DEI MODELLI
SVILUPPO DEI MODELLI definizione del problema struttura del modello banca dati taratura/ calibrazione (messa a punto) NO validazione (collaudo) SI implementazione e utilizzo modelli descrittivi: simulazione
DettagliTOPOGRAFIA 2013/2014. Prof. Francesco-Gaspare Caputo
TOPOGRAFIA 2013/2014 L operazione di misura di una grandezza produce un numero reale che esprime il rapporto della grandezza stessa rispetto a un altra, a essa omogenea, assunta come unità di misura. L
DettagliOld Faithful, Yellowstone Park. Statistica e biometria. D. Bertacchi. Dati congiunti. Tabella. Scatterplot. Covarianza. Correlazione.
Coppie o vettori di dati Spesso i dati osservati sono di tipo vettoriale. Ad esempio studiamo 222 osservazioni relative alle eruzioni del geyser Old Faithful. Old Faithful, Yellowstone Park. Old Faithful
DettagliConcentrazione delle polveri sottili nel 2016 in provincia di Verona
Concentrazione delle polveri sottili nel 2016 in provincia di Verona Analisi sintetica dei dati misurati nel periodo compreso tra il 1 gennaio e il 20 dicembre 2016, presso le centraline di misura della
Dettagli3.2. Individuazione dell area di interesse ai fini della modellistica diffusionale
Capitolo 3 Caratterizzazione delle sorgenti pag. 53 3.2. Individuazione dell area di interesse ai fini della modellistica diffusionale 3.2.1. Metodologia di individuazione dell area Ai fini dell individuazione
Dettagli(Elaborazioni grafiche a cura di G. Bonafè - ARPA - SIMC)
Elaborazione dati della qualità dell aria Provincia di Ravenna - Rapporto 21 3 - LE CONDIZIONI METEOROLOGICHE NEL TERRITORIO DELLA PROVINCIA DI RAVENNA (Elaborazioni grafiche a cura di G. Bonafè - ARPA
Dettagli1 Processi stocastici e campi random
Corso di Termodinamica e Meccanica Statistica Anno Accademico 211/212 1 Processi stocastici e campi random Vogliamo estendere le metodologie del calcolo delle probabilità e della statistica, in modo da
DettagliANALISI DELL IMPATTO DELLE DIVERSE FONTI DI INQUINAMENTO SUL TERRITORIO BRESCIANO. IL RUOLO DEL TELERISCALDAMENTO
ANALISI DELL IMPATTO DELLE DIVERSE FONTI DI INQUINAMENTO SUL TERRITORIO BRESCIANO. IL RUOLO DEL TELERISCALDAMENTO PM10 PM2.5 Emissioni di NO x del riscaldamento residenziale (t/a) Ripartizione % delle
DettagliREGRESSIONE E CORRELAZIONE
REGRESSIONE E CORRELAZIONE Nella Statistica, per studio della connessione si intende la ricerca di eventuali relazioni, di dipendenza ed interdipendenza, intercorrenti tra due variabili statistiche 1.
DettagliMODELLI DI ASSEGNAZIONE PER LE RETI STRADALI
MODELLI DI ASSEGNAZIONE PER LE RETI STRADALI CORSO DI PROGETTAZIONE DEI SISTEMI DI TRASPORTO - I MODELLI DI ASSEGNAZIONE L ASSEGNAZIONE DELLA DOMANDA AD UNA RETE DI TRASPORTO CONSISTE NEL CALCOLARE I FLUSSI
Dettagliutilizzano i dati relativi ad una sola stazione a terra e quelli che utilizzano due stazioni a terra più i profili verticali RASS e SODAR.
Capitolo 5 Applicazione di modelli diffusionali al caso di studio pag. 173 utilizzano i dati relativi ad una sola stazione a terra e quelli che utilizzano due stazioni a terra più i profili verticali RASS
DettagliQuesti indicatori sono stati elaborati in relazione al territorio della Provincia di Ravenna.
3 - LE CONDIZIONI METEOROLOGICHE NEL TERRITORIO DELLA PROVINCIA DI RAVENNA (Elaborazioni grafiche a cura di G. Bonafè - ARPA - SIMC) 3.1 - Gli indicatori meteorologici per lo studio della qualità dell
DettagliEsercitazione del
Esercizi sulla regressione lineare. Esercitazione del 21.05.2013 Esercizio dal tema d esame del 13.06.2011. Si consideri il seguente campione di n = 9 osservazioni relative ai caratteri ed Y: 7 17 8 36
DettagliAnalisi della disponibilità d acqua. Valutazione dell impianto attraverso il calcolo di un indice economico (criterio)
Analisi della disponibilità d acqua Valutazione dell impianto attraverso il calcolo di un indice economico (criterio) Approccio diverso a seconda del criterio di valutazione Nel caso di criterio statistico
DettagliLEZIONI IN LABORATORIO Corso di MARKETING L. Baldi Università degli Studi di Milano. Strumenti statistici in Excell
LEZIONI IN LABORATORIO Corso di MARKETING L. Baldi Università degli Studi di Milano Strumenti statistici in Excell Pacchetto Analisi di dati Strumenti di analisi: Analisi varianza: ad un fattore Analisi
DettagliProprietà strutturali e leggi di controllo
Proprietà strutturali e leggi di controllo Retroazione statica dallo stato La legge di controllo Esempi di calcolo di leggi di controllo Il problema della regolazione 2 Retroazione statica dallo stato
DettagliAnalisi dei Sistemi Esercitazione 1
Analisi dei Sistemi Esercitazione Soluzione 0 Ottobre 00 Esercizio. Sono dati i seguenti modelli matematici di sistemi dinamici. ÿ(t) + y(t) = 5 u(t)u(t). () t ÿ(t) + tẏ(t) + y(t) = 5sin(t)ü(t). () ẋ (t)
DettagliPROCESSI CASUALI 1 Fondamenti di segnf a o lin d e a t m ra e s n mtii s T si L o C ne
PROCESSI CASUALI Fondamenti di segnali Fondamenti e trasmissione TLC Segnali deterministici Un segnale (t) si dice deterministico se è una funzione nota di t, cioè se ad un qualsiasi istante di tempo t
DettagliBollettino Quotidiano
Bollettino Quotidiano Giorno di riferimento: Autore: Andrea Bolignano Matteo Morelli E-mail: craria@arpalazio.it Responsabile: Ing. Rossana Cintoli 11 luglio 2017 Indice 1 Premessa 2 2 Situazione meteorologica
DettagliBollettino Quotidiano
Bollettino Quotidiano Giorno di riferimento: Autore: Andrea Bolignano Matteo Morelli E-mail: craria@arpalazio.it Responsabile: Ing. Rossana Cintoli 12 luglio 2017 Indice 1 Premessa 2 2 Situazione meteorologica
DettagliModelli matematici ambientali a.a. 2015/16 Introduzione alle equazioni differenziali
Modelli matematici ambientali a.a. 2015/16 Introduzione alle equazioni differenziali Argomenti trattati Introduzione ai modelli Equazioni differenziali del primo ordine Metodi risolutivi:integrazione diretta
DettagliSituazione meteorologica
Situazione meteorologica Ad integrazione della presentazione dei dati rilevati nella rete di monitoraggio della qualità dell aria, si riportano in maniera sintetica i dati relativi ai parametri meteorologici
Dettagliẋ 1 = 2x 1 + (sen 2 (x 1 ) + 1)x 2 + 2u (1) y = x 1
Alcuni esercizi risolti su: - calcolo dell equilibrio di un sistema lineare e valutazione delle proprietà di stabilità dell equilibrio attraverso linearizzazione - calcolo del movimento dello stato e dell
DettagliConcetti di teoria dei campioni ad uso degli studenti di Statistica Economica e Finanziaria, A.A. 2016/2017. Giovanni Lafratta
Concetti di teoria dei campioni ad uso degli studenti di Statistica Economica e Finanziaria, A.A. 2016/2017 Giovanni Lafratta ii Indice 1 Spazi, Disegni e Strategie Campionarie 1 2 Campionamento casuale
DettagliUniversità di Roma Tor Vergata
Università di Roma Tor Vergata Facoltà di Ingegneria Dipartimento di Ingegneria Industriale Corso di: TERMOTECNICA TRASMISSIONE DEL CALORE: RESISTENZA DI CONTATTO Ing. G. Bovesecchi gianluigi.bovesecchi@gmail.com
DettagliElaborazione dati della qualità dell aria Provincia di Ravenna - Rapporto S.S.A. Sistema Complesso Qualità dell Aria, Rumore, CEM Pag.
2 - LE CONDIZIONI METEOROLOGICHE NEL TERRITORIO DELLA PROVINCIA DI RAVENNA (Elaborazioni grafiche a cura di Michele Stortini e Marco Deserti ARPA - S M R) 2.1 - Gli indicatori meteorologici per lo studio
DettagliCONCENTRAZIONE DI MONOSSIDO DI CARBONIO NELL ARIA AMBIENTE
CONCENTRAZIONE DI MONOSSIDO DI CARBONIO NELL ARIA AMBIENTE Il monossido di carbonio è un inquinante da traffico caratteristico delle aree urbane a circolazione congestionata. CLASSIFICAZIONE TEMA SOTTOTEMA
DettagliComune di Castelnovo Sotto
Rete di monitoraggio della qualità dell'aria di Reggio Emilia CAMPAGNA DI RILEVAMENTO DELLA QUALITÀ DELL'ARIA - - Comune di A cura di: Servizio Sistemi Ambientali Rete di Monitoraggio della Qualità dell'aria
DettagliCalcolo delle Probabilità 2
Prova d esame di Calcolo delle Probabilità 2 Maggio 2006 Sia X una variabile aleatoria distribuita secondo la densità seguente ke x 1 x < 0 f X (x) = 1/2 0 x 1. 1. Determinare il valore del parametro reale
DettagliLa simulazione annuale con NINFA Uso dei prodotti
La simulazione annuale con NINFA Uso dei prodotti Michele Stortini ARPA-SIM Caratteristiche della simulazione Periodo: 2 aprile 2003-30 marzo 2004 Risoluzione orizzontale: 10*10 km Dominio: 640*410 km2
DettagliModelli e Metodi per la Simulazione (MMS)
Modelli e Metodi per la Simulazione (MMS) adacher@dia.uniroma3.it Programma La simulazione ad eventi discreti, è una metodologia fondamentale per la valutazione delle prestazioni di sistemi complessi (di
DettagliMODELLO DI REGRESSIONE LINEARE. le ipotesi del modello di regressione classico, stima con i metodi dei minimi quadrati e di massima verosimiglianza,
MODELLO DI REGRESSIONE LINEARE le ipotesi del modello di regressione classico, stima con i metodi dei minimi quadrati e di massima verosimiglianza, teorema di Gauss-Markov, verifica di ipotesi e test di
DettagliElaborazione dati della qualità dell aria Provincia di Ravenna - Rapporto Figura Dislocazione delle stazioni meteorologiche
Elaborazione dati della qualità dell aria Provincia di Ravenna - Rapporto 1 3 - LE CONDIZIONI METEOROLOGICHE NEL TERRITORIO DELLA PROVINCIA DI RAVENNA 3.1 - Gli indicatori meteorologici per lo studio della
DettagliLa media e la mediana sono indicatori di centralità, che indicano un centro dei dati.
La media e la mediana sono indicatori di centralità, che indicano un centro dei dati. Un indicatore che sintetizza in un unico numero tutti i dati, nascondendo quindi la molteplicità dei dati. Per esempio,
DettagliBollettino Quotidiano
Bollettino Quotidiano Giorno di riferimento: Autore: E-mail: craria@arpalazio.it Responsabile: Dr. Roberto Sozzi 9 settembre 2016 Indice 1 Premessa 2 2 Situazione meteorologica 3 2.1 Situazione sinottica....................................
DettagliTEORIA DEI SISTEMI E DEL CONTROLLO LM in Ingegneria Informatica e Ingegneria Elettronica
TEORIA DEI SISTEMI E DEL CONTROLLO LM in Ingegneria Informatica e Ingegneria Elettronica http://www.dii.unimore.it/~lbiagiotti/teoriasistemicontrollo.html Stima dello stato in presenza di disturbi: il
DettagliStatistica Applicata all edilizia Lezione: approccio stocastico all analisi delle serie storiche
Lezione: approccio stocastico all analisi delle serie storiche E-mail: orietta.nicolis@unibg.it 13 aprile 211 Programma 1 Approccio stocastico all analisi delle serie storiche Programma 1 Approccio stocastico
DettagliMISURE ANALITICHE MISURE ANALITICHE. η = x - θ. θ (valore vero) x (misura) ERRORE TOTALE. η 1 > 0
MISURE ANALITICHE MISURE ANALITICHE Il risultato di un operazione di misura è un numero reale (x), detto misura analitica che esprime il valore vero (). a) livello VERO di un indicatore biologico (valore
DettagliProcesso di identificazione
Processo di identificazione Problemi a scatola trasparente il modello viene ottenuto partendo dalla descrizione delle parti costituenti il sistema e delle leggi che lo regolano. Il problema dell identificazione
DettagliCorso di Modelli Matematici in Biologia Esame del 6 Luglio 2016
Corso di Modelli Matematici in Biologia Esame del 6 Luglio 206 Scrivere chiaramente in testa all elaborato: Nome, Cognome, numero di matricola. Risolvere tutti gli esercizi. Tempo a disposizione: DUE ORE.
DettagliCNR-IBIMET/LaMMA Regione Toscana Progetto Regionale PATOS
CNR- Regione Toscana Progetto Regionale PATOS Firenze 18 Aprile 28 Il ruolo del Lamma nel progetto PATOS Monitoraggio meteo:il LaMMA ha svolto una attività di supporto allo scopo di effettuare una caratterizzazione
DettagliSCOPO DELL ANALISI DI CORRELAZIONE
CORRELAZIONE 1 SCOPO DELL ANALISI DI CORRELAZIONE STUDIARE LA RELAZIONE TRA DUE VARIABILI X E Y 2 diagrammi di dispersione un diagramma di dispersione (o grafico di dispersione) èuna rappresentazione grafica
DettagliFigura Area di Studio
Esercizi modelli di domanda Esercizio 1 Considerando tre zone di traffico, si vuole determinare il numero complessivo di spostamenti emessi dalle tre zone per il motivo Casa-Studio ed effettuati da studenti
DettagliCHEMIOMETRIA. CONFRONTO CON VALORE ATTESO (test d ipotesi) CONFRONTO DI VALORI MISURATI (test d ipotesi) CONFRONTO DI RIPRODUCIBILITA (test d ipotesi)
CHEMIOMETRIA Applicazione di metodi matematici e statistici per estrarre (massima) informazione chimica (affidabile) da dati chimici INCERTEZZA DI MISURA (intervallo di confidenza/fiducia) CONFRONTO CON
DettagliSia y una grandezza che varia, in funzione del tempo, secondo la legge
Il tasso di crescita Sia y una grandezza che varia, in funzione del tempo, secondo la legge dove è un numero reale positivo diverso da 1 e è il valore che y assume nell istante t=0. Se a>1 la funzione
DettagliQUALITA DELL ARIA E INQUINAMENTO ATMOSFERICO
QUALITA DELL ARIA E INQUINAMENTO ATMOSFERICO Gruppo di Ricerca di Chimica dell Atmosfera Dipartimento di Scienze dell Ambiente e del Territorio e Scienze della Terra (DISAT), Università degli Studi di
DettagliANALISI DI SERIE TEMPORALI CAOTICHE (1)
ANALISI DI SERIE TEMPORALI CAOTICHE (1) Problematiche Ricostruzione dello stato Dimensione di embedding C. Piccardi e F. Dercole Politecnico di Milano ver. 28/12/2009 1/15 Per studiare e comprendere appieno
DettagliIl modello di regressione (VEDI CAP 12 VOLUME IEZZI, 2009)
Il modello di regressione (VEDI CAP 12 VOLUME IEZZI, 2009) Quesito: Posso stimare il numero di ore passate a studiare statistica sul voto conseguito all esame? Potrei calcolare il coefficiente di correlazione.
DettagliDerivata materiale (Lagrangiana) e locale (Euleriana)
ispense di Meccanica dei Fluidi 0 0 det 0 = [ (0 ) + ( ( ) ) + (0 0 ) ] = 0. Pertanto, v e µ sono indipendenti tra loro e costituiscono una nuova base. Con essi è possibile descrivere altre grandezze,
DettagliStatistica multivariata Donata Rodi 17/10/2016
Statistica multivariata Donata Rodi 17/10/2016 Quale analisi? Variabile Dipendente Categoriale Continua Variabile Indipendente Categoriale Chi Quadro ANOVA Continua Regressione Logistica Regressione Lineare
DettagliSISTEMI ELEMENTARI DEL 1 o E 2 o ORDINE
CONTROLLI AUTOMATICI Ingegneria della Gestione Industriale e della Integrazione di Impresa http://www.automazione.ingre.unimore.it/pages/corsi/controlliautomaticigestionale.htm SISTEMI ELEMENTARI DEL o
Dettagli1 Alcuni risultati sulle variabili Gaussiane multivariate
Il modello lineare-gaussiano e il filtro di Kalman Prof. P.Dai Pra 1 Alcuni risultati sulle variabili Gaussiane multivariate In questo paragrafo verranno enunciate e dimostrate alcune proprietà del valor
DettagliIL NUOVO MODELLO PER LA PREVISIONE POLLINICA. Stefano Marchesi Direzione Tecnica Centro Tematico Regionale Ambiente Salute
IL NUOVO MODELLO PER LA PREVISIONE POLLINICA Stefano Marchesi Direzione Tecnica Centro Tematico Regionale Ambiente Salute La presenza del polline in atmosfera concentrazione pollinica [numero di granuli/mc
Dettagli6. Area 1 - Forlì Situazione Attuale
6. Area 1 - Forlì Situazione Attuale Per la Area 1 Forlì si riportano, di seguito, le quantità totali di inquinanti emessi, espressi rispettivamente in tonnellate /anno nella tabella 6.1 ed in percentuale
DettagliDINAMICA DEGLI INQUINANTI A.A PROPRIETA DELL ATMOSFERA PROF. RENATO BACIOCCHI
DINAMICA DEGLI INQUINANTI A.A. 2012 2013 PROPRIETA DELL ATMOSFERA PROF. RENATO BACIOCCHI ARGOMENTI TRATTATI: 1. ATMOSFERA Estensione e struttura dell atmosfera Composizione dell aria Principali parametri
DettagliControllo con retroazione dello stato
CONTROLLI AUTOMATICI LS Ingegneria Informatica Controllo con retroazione dello stato Prof. Claudio Melchiorri DEIS-Università di Bologna Tel. 51 29334 e-mail: claudio.melchiorri@unibo.it http://www-lar.deis.unibo.it/people/cmelchiorri
Dettagli9 LA QUALITA DELL ARIA NEL COMUNE DI VERONA
9 LA QUALITA DELL ARIA NEL COMUNE DI VERONA 9.1 Introduzione La rete comunale della qualità dell aria della città di Verona è stata realizzata realizzata in base al D.M. 2/5/91 che stabilisce i criteri
DettagliLa dispersione di contaminanti a seguito dell incendio della discarica di Bellolampo a Palermo
La dispersione di contaminanti a seguito dell incendio della discarica di Bellolampo a Palermo Anna Maria Abita, Vincenzo Ruvolo - ARPA Sicilia e Rosario Grammauta - UNINETLAB UNIPA Dirigente Chimico Responsabile
DettagliControlli Automatici I
Ingegneria Elettrica Politecnico di Torino Luca Carlone Controlli Automatici I LEZIONE V Sommario LEZIONE V Proprietà strutturali Controllabilità e raggiungibilità Raggiungibilità nei sistemi lineari Forma
DettagliStatistica Applicata all edilizia: il modello di regressione
Statistica Applicata all edilizia: il modello di regressione E-mail: orietta.nicolis@unibg.it 27 aprile 2009 Indice Il modello di Regressione Lineare 1 Il modello di Regressione Lineare Analisi di regressione
DettagliTeoria dei Segnali Trasmissione binaria casuale; somma di processi stocastici
eoria dei Segnali rasmissione binaria casuale; somma di processi stocastici Valentino Liberali Dipartimento di Fisica Università degli Studi di Milano valentino.liberali@unimi.it eoria dei Segnali rasmissione
DettagliStima dei parametri di un sistema di ODE
Stima dei parametri di un sistema di ODE May 22, 2007 Questi appunti sono ispirati al Cap. 3 del libro Metodi Numerici e Statistici per le Scienze Applicate del Prof. V. Comincioli, disponibile all indirizzo
DettagliStatistica 1 A.A. 2015/2016
Corso di Laurea in Economia e Finanza Statistica 1 A.A. 2015/2016 (8 CFU, corrispondenti a 48 ore di lezione frontale e 24 ore di esercitazione) Prof. Luigi Augugliaro 1 / 35 Il modello di regressione
DettagliCAPITOLO 7: ESEMPI PRATICI: 7.1 Esempi di dinamica.
CAPITOLO 7: ESEMPI PRATICI: 7.1 Esempi di dinamica. Questo capitolo vuole fornire una serie di esempi pratici dei concetti illustrati nei capitoli precedenti con qualche approfondimento. Vediamo subito
DettagliFondamenti di Automatica
Fondamenti di Automatica Introduzione e modellistica dei sistemi Introduzione allo studio dei sistemi Modellistica dei sistemi dinamici elettrici Modellistica dei sistemi dinamici meccanici Modellistica
DettagliCAMPAGNA DI RILEVAMENTO DELLA QUALITÀ DELL'ARIA. - Laboratorio Mobile - Comune di Guastalla
Rete di monitoraggio della qualità dell'aria di Reggio Emilia CAMPAGNA DI RILEVAMENTO DELLA QUALITÀ DELL'ARIA - - Comune di A cura di: Servizio Sistemi Ambientali Rete di Monitoraggio della Qualità dell'aria
DettagliIl filtro di Kalman stazionario e il regolatore LQG
Il filtro di stazionario e il regolatore LQG P. Valigi Ottimizzazione e Controllo 30 Aprile 2014 L estensione di KF al caso stazionario/intervallo infinito Nell estensione del filtro di ad intervallo infinito
DettagliTeoria dei Sistemi. Appunti. Paolo Di Giamberardino. 2- Sistema astratto: rappresentazione con lo spazio di stato
Ver. 16.10.2003 Teoria dei Sistemi Appunti Paolo Di Giamberardino 2- Sistema astratto: rappresentazione con lo spazio di stato A partire dai modelli matematici ricavati, nella precedente sezione, in diversi
DettagliSTATISTICA DESCRITTIVA (canale B)
STATISTICA DESCRITTIVA (canale B) compito n. 1 del 28 marzo 2008 nome e cognome: corso di laurea: Astronomia matricola: Parte teorica Si ricorda che la corretta risposta ai quesiti della parte teorica
DettagliValutazione della capacità dissipativa di un sistema strutturale
Tecniche innovative per l identificazione delle caratteristiche dinamiche delle strutture e del danno Valutazione della capacità dissipativa di un sistema strutturale Prof. Ing. Felice Carlo PONZO - Ing.
DettagliQuesta viene trasmessa sul canale (wireless o wired). In questo corso, modellizzeremo il canale di trasmissione come un canale Gaussiano bianco
Canale di trasmissione Dati una costellazione M un labeling binario e è possibile associare alle sequenze binarie di informazione u da trasmettere una forma d onda s(t). Questa viene trasmessa sul canale
DettagliPROBLEMI DI GESTIONE
PROBLEMI DI GESTIONE La parola gestione è una parola di gergo relativamente recente. I problemi di gestione sono nella maggioranza dei casi dei problemi di tipo decisionale con rilevante componente economico
DettagliAnalisi meteorologica mensile. luglio Lago di Calaita Vanoi (24 luglio 2016) Paolo Trevisan
Analisi meteorologica luglio Lago di Calaita Vanoi (24 luglio ) Paolo Trevisan Luglio è risultato nella norma sia per quanto riguarda le temperature che le precipitazioni. Le temperature sono state in
DettagliCORSO DI LAUREA MAGISTRALE IN INGEGNERIA PER L AMBIENTE ED IL TERRITORIO
CORSO DI LAUREA MAGISTRALE IN INGEGNERIA PER L AMBIENTE ED IL TERRITORIO DIPARTIMENTO DI INGEGNERIA CHIMICA, DEI MATERIALI E DELLA PRODUZIONE INDUSTRIALE TESI DI LAUREA Analisi dei dati di due campagne
DettagliCorso di Laurea in Ingegneria Meccatronica SISTEMI ELEMENTARI DEL 1 o E 2 o ORDINE
Automation Robotics and System CONTROL Università degli Studi di Modena e Reggio Emilia Corso di Laurea in Ingegneria Meccatronica SISTEMI ELEMENTARI DEL o E 2 o ORDINE CA 5 Cesare Fantuzzi (cesare.fantuzzi@unimore.it)
DettagliCAPITOLO 11 ANALISI DI REGRESSIONE
VERO FALSO CAPITOLO 11 ANALISI DI REGRESSIONE 1. V F Se c è una relazione deterministica tra due variabili,x e y, ogni valore dato di x,determinerà un unico valore di y. 2. V F Quando si cerca di scoprire
DettagliAnalisi degli Errori di Misura. 08/04/2009 G.Sirri
Analisi degli Errori di Misura 08/04/2009 G.Sirri 1 Misure di grandezze fisiche La misura di una grandezza fisica è descrivibile tramite tre elementi: valore più probabile; incertezza (o errore ) ossia
DettagliEsempio: Modelli compartimentali per la farmacocinetica
Esempio: Modelli compartimentali per la farmacocinetica I modelli compartimentali sono descrizioni matematiche tipicamente utilizzate per organismi biologici; in tali rappresentazioni un organismo viene
DettagliMetodo dei minimi quadrati e matrice pseudoinversa
Scuola universitaria professionale della Svizzera italiana Dipartimento Tecnologie Innovative Metodo dei minimi quadrati e matrice pseudoinversa Algebra Lineare Semestre Estivo 2006 Metodo dei minimi quadrati
DettagliEQUAZIONE DELLA RETTA
EQUAZIONE DELLA RETTA EQUAZIONE DEGLI ASSI L equazione dell asse x è 0. L equazione dell asse y è 0. EQUAZIONE DELLE RETTE PARALLELE AGLI ASSI L equazione di una retta r parallela all asse x è cioè è uguale
DettagliRaggiungibilità, Controllabilità, Osservabilità e Determinabilità
Raggiungibilità, Controllabilità, Osservabilità e Determinabilità Si determini se i sistemi lineari tempo invarianti ẋ(t) = Ax(t) + Bu(t), Σ c : y(t) = Cx(t) + Du(t). x(k + ) = Ax(k) + Bu(k), Σ d : y(k)
Dettagli01CXGBN Trasmissione numerica. parte 11: modulazione 2-PAM
0CXGBN Trasmissione numerica parte : modulazione 2-PAM PARTE 2: Modulazioni Numeriche 2 Modulazioni: introduzione Per ogni modulazione considereremo: Caratteristiche generali Costellazione (insieme di
DettagliLa statistica. Elaborazione e rappresentazione dei dati Gli indicatori statistici. Prof. Giuseppe Carucci
La statistica Elaborazione e rappresentazione dei dati Gli indicatori statistici Introduzione La statistica raccoglie ed analizza gruppi di dati (su cose o persone) per trarne conclusioni e fare previsioni
DettagliConsideriamo un sistema dinamico tempo-invariante descritto da:
IL PROBLEMA DELLA STABILITA Il problema della stabilità può essere affrontato in vari modi. Quella adottata qui, per la sua riconosciuta generalità ed efficacia, è l impostazione classica dovuta a M. A.
DettagliRisposta a regime (per ingresso costante e per ingresso sinusoidale)
Risposta a regime (per ingresso costante e per ingresso sinusoidale) Esercizio 1 (es. 1 del Tema d esame del 18-9-00) s + 3) 10 ( s + 1)( s + 4s ) della risposta all ingresso u ( a gradino unitario. Non
DettagliProject Scheduling: PERT. Il PERT ha potenzialità superiori rispetto a quelle di un semplice mezzo per la pianificazione ed il controllo.
1. Introduzione Project Scheduling: PERT Il PERT è una tecnica introdotta per la pianificazione ed il controllo di progetti in cui le durate t ij delle singole attività sono delle variabili aleatorie.
DettagliStatistica Applicata all edilizia Lezione: approccio stocastico all analisi delle serie storiche
Lezione: approccio stocastico all analisi delle serie storiche E-mail: orietta.nicolis@unibg.it 3 maggio 2011 Programma 1 Approccio stocastico all analisi delle serie storiche Programma Approccio stocastico
DettagliESERCIZI SULLE MATRICI
ESERCIZI SULLE MATRICI Consideriamo il sistema lineare a, x + a, x + + a,n x n = b a, x + a, x + + a,n x n = b a m, x + a m, x + + a m,n x n = b m di m equazioni in n incognite che ha a, a,n A = a m, a
DettagliProprietà strutturali e leggi di controllo. Stima dello stato e regolatore dinamico
Proprietà strutturali e leggi di controllo Stima dello stato e regolatore dinamico Stima dello stato e regolatore dinamico Stimatore asintotico dello stato Esempi di progetto di stimatori asintotici dello
Dettagliil ciclo di Ericsson (1853) caratterizzato da due isoterme e due isobare; il ciclo di Reitlinger (1873) con due isoterme e due politropiche.
16 Il ciclo di Stirling Il coefficiente di effetto utile per il ciclo frigorifero di Carnot è, in base alla (2.9): T min ɛ =. (2.31) T max T min Il ciclo di Carnot è il ciclo termodinamico che dà il maggior
DettagliTeoria dei Fenomeni Aleatori AA 2012/13
Simulazione al Calcolatore La simulazione al calcolatore (computer simulation), (nel caso qui considerato simulazione stocastica) si basa sulla generazione, mediante calcolatore, di sequenze di numeri
DettagliApplicazioni dei modelli CTM: analisi di scenario
Applicazioni dei modelli CTM: analisi di scenario Sommario Cos è un analisi di scenario Esempio di applicazione: il progetto City-Delta Scelte tecniche (impostazione di un analisi di scenario) Validazione
DettagliCorso di Calcolo Numerico
Corso di Laurea in Ingegneria Gestionale Sede di Fermo Corso di 9 - EQUAZIONI DIFFERENZIALI ORDINARIE valori iniziali Valori iniziali Ci occuperemo della soluzione numerica di equazioni del prim ordine
Dettagli