Parameteridentificatie

Parameteridentificatie is het proces waarbij de waarden van de parameters in een wiskundig of computationeel model worden bepaald op basis van waargenomen data. Het doel is het model zo te kalibreren dat het realistische data reproduceert en betrouwbare voorspellingen levert. In de literatuur wordt onderscheid gemaakt tussen structurele identificeerbaarheid (of het theoretisch mogelijk is om unieke parameterwaarden te bepalen uit idealistische data) en praktische identificeerbaarheid (of de beschikbare data en ruisniveau toelaten om nauwkeurige schattingen te verkrijgen).

Belangrijke stappen zijn: het kiezen en specificeren van een passend model; het verzamelen en voorbewerken van data; het selecteren van een estimatiemethode, bijvoorbeeld kleinste kwadraten, maximum likelihood of een Bayesian benadering; het uitvoeren van parameter schattingen; en ten slotte de evaluatie en validatie van het model via diagnostiek, residu-analyse en eventueel cross-validatie. Daarnaast is identificeerbaarheidsanalyse vaak een voorwaarde: het toetsen of de parameters identificeerbaar zijn gegeven de modelstructuur en de data.

Veelgebruikte technieken omvatten profiel-likelihood, de Fisher informatie-matrix voor onzekerheidsschattingen, en gevoeligheidsanalyses om te begrijpen welke data cruciaal zijn. Regularisatie kan nodig zijn bij moeite met overfitten of bij ill-posed problemen. Parameteridentificatie vindt toepassing in onder meer biomedische modellering, farmacokinetiek, chemische kinetiek, systeem- en processengineering en milieu-modellering. Door identificeerbaarheidsproblemen vroegtijdig te identificeren kan men experimentele opzet of modelstructuur aanpassen voor betere schattingen.

---