Tecnología / Guía técnica
Residuos de modelos: discrepancias de predicción y causas ambiguas
Un residuo de modelo es la diferencia entre una observación y una predicción especificada del modelo. Registra lo que esa predicción no explicó, en lugar de identificar una causa física. Los errores del modelo, las entradas no representadas y los errores de medición pueden producir estructura en los residuos. El horizonte de predicción y las unidades de la señal forman parte de su definición.
La discrepancia adquiere significado a través de su modelo.
El signo, la referencia temporal y las unidades definen la cuestión del residuo antes de que puedan interpretarse su magnitud o su patrón.
01 / Predicción
La referencia es el resultado de un modelo, no otro canal de datos sin procesar.
Use r[k] = y[k] − ŷ[k], donde y es una observación y ŷ la predicción para la misma salida.
Use r[k] = y[k] − ŷ[k], donde y es una observación y ŷ la predicción de la misma salida representada. Una predicción a un paso, un pronóstico a más largo plazo y una respuesta estática ajustada utilizan información diferente y no deben etiquetarse como una referencia idéntica.
MathWorks describe los residuos respecto de las salidas de validación predichas un paso por adelantado. La diferencia matemática tiene las unidades de la salida. Comparar dos magnitudes físicas diferentes sin una correspondencia definida no produciría el mismo tipo de residuo, aunque las escalas de sus gráficas parezcan similares.
02 / Error de ganancia en un ejemplo simplificado
Pueden surgir discrepancias relacionadas con la entrada sin que exista un fallo.
Consideremos una relación estática inventada y = 2u y un modelo ŷ = 1.8u, donde la entrada y la salida comparten unidades arbitrarias.
Considere una relación estática inventada y = 2u y un modelo ŷ = 1.8u, donde la entrada y la salida comparten unidades arbitrarias. Su residuo es 0.2u. Para u = 5 unidades, r = 1 unidad; para u = 10 unidades, r = 2 unidades.
El residuo aumenta con la entrada porque el coeficiente del modelo difiere. Esta aritmética no requiere ningún fallo del hardware. En una interpretación real, la incertidumbre en el coeficiente, la entrada y la observación podría cambiar la comparación; una magnitud por sí sola no identifica qué relación es incorrecta.
03 / Desplazamiento
Varios mecanismos pueden producir una desviación media similar.
Un residuo constante puede deberse a la falta de un término independiente en el modelo, a un desplazamiento de la observación o a una contribución no representada que permanece casi constante.
Un residuo constante puede deberse a la ausencia de un término independiente en el modelo, a un desplazamiento en la observación o a una contribución no representada que permanece casi constante. Estas explicaciones pueden producir el mismo signo y magnitud dentro del intervalo representado. El residuo por sí solo no permite distinguirlas de forma unívoca.
Una entrada omitida que varía con el tiempo también puede generar discrepancias cambiantes. Llamar anomalía a cada cambio confunde una salida inesperada del modelo con un comportamiento anormal confirmado del equipo. La causa sigue siendo una inferencia aparte, que requiere distinciones que el modelo elegido y las observaciones puedan realmente respaldar.
04 / Estructura
La correlación se refiere a lo que el modelo no ha explicado.
La correlación residual a lo largo del tiempo puede indicar la persistencia de una estructura después de la predicción, mientras que una relación con las entradas representadas puede indicar una descripción incompleta de entrada-salida.
La correlación residual a lo largo del tiempo puede indicar la persistencia de una estructura después de la predicción, mientras que una relación con las entradas representadas puede indicar una descripción incompleta de entrada-salida. La interpretación depende del modelo, el momento y las relaciones de retroalimentación, en lugar de un patrón visual universal.
Un ajuste por mínimos cuadrados puede hacer que sus propios residuos sean ortogonales a las columnas de regresores utilizadas en el ajuste como consecuencia algebraica. Esa relación dentro de la muestra no constituye una prueba independiente de validez. Un residuo bajo en las observaciones utilizadas para elegir el modelo tampoco demuestra su comportamiento fuera de esas condiciones.
05 / Incertidumbre
Normalizar una discrepancia cambia su base de comparación.
Si una varianza justificada del error residual S es positiva, un residuo escalar normalizado puede escribirse como r/√S.
Si una varianza del error residual S debidamente justificada es positiva, un residuo escalar normalizado puede expresarse como r/√S. Es adimensional, pero su interpretación depende de lo que incluya S. Ignorar la incertidumbre del modelo o la correlación de los errores puede hacer que una magnitud normalizada resulte engañosa.
Una innovación de Kalman es un residuo particular anterior a la corrección mediante la observación en su modelo de estimación de estado. Un residuo de un modelo genérico no tiene por qué ser esa innovación. Las discrepancias vectoriales también requieren una relación de covarianza declarada; escalar las componentes de forma independiente no elimina su incertidumbre compartida.
06 / Alcance
La certeza diagnóstica requiere más que una diferencia representada gráficamente.
Un residuo puede sustentar una pregunta sobre la coherencia del modelo sin demostrar un fallo único, una necesidad de protección ni una acción correctiva.
Un residuo puede respaldar una cuestión sobre la consistencia del modelo sin demostrar un fallo único, una necesidad de protección ni una acción correctiva. El desajuste temporal, las entradas no observadas y las relaciones de funcionamiento cambiantes pueden complicar la interpretación. Una predicción fallida es, ante todo, evidencia sobre una predicción.
No se afirma que MARSTON disponga de un diagnóstico basado en residuos, un umbral o una respuesta automática. Esta explicación no proporciona ajustes de alarma, inyección de fallos ni procedimientos operativos. El Guía de identificabilidad desarrolla la cuestión relacionada de si pueden distinguirse diferentes explicaciones.
Guías técnicas relacionadas: Ajuste por mínimos cuadrados: residuos, pesos y errores de entrada · Identificabilidad de parámetros: Modelos únicos y ambigüedad oculta. · Sesgo, varianza y error cuadrático medio de un estimador.
Trasfondo general: MathWorks: residuales de predicción y estructura no explicada.. Estas referencias explican conceptos del sector; son independientes de los documentos aplicables del producto y del proyecto MARSTON.
Conceptos y condiciones principales.
Lea cada cantidad con su referencia, unidades y condiciones especificadas. Una relación general no establece un valor específico para un modelo.
| Concepto / magnitud | Significado / relación | Condiciones / límites |
|---|---|---|
| Residuo r | Observación menos la predicción declarada. | Misma salida representada, mismas unidades y mismo instante |
| Horizonte de predicción | La información utilizada para formar ŷ. | Las predicciones de un solo paso y a largo plazo difieren. |
| Relación de entrada | Variación residual asociada con la entrada. | Puede surgir de un modelo incompleto. |
| Valor normalizado | La división de 'r' por la escala de incertidumbre justificada. | Se requiere un modelo de varianza válido y positivo. |
| Interpretación de fallas. | Explicación física de la discrepancia | No queda determinado de forma unívoca por la forma de los residuos |
Preguntas de ingeniería.
¿Cada residuo es una falla?
No. Una discrepancia puede surgir de limitaciones del modelo, de los datos de entrada o de la medición.
¿Un residuo creciente demuestra la existencia de daños?
No. La discrepancia hipotética del coeficiente produce un aumento sin que haya un fallo.
¿Qué significa un residuo constante?
Registra un promedio de desviación, pero no identifica su causa de manera única.
¿Constituyen los residuos dentro de la muestra una validación independiente?
No. Sus propiedades pueden derivar de cómo se ajustó el modelo.
¿Es cada residuo una innovación de Kalman?
No. Una innovación pertenece a un modelo específico de predicción y corrección.
¿Especifica la página un umbral de alarma?
No. Explica el significado de los residuos sin proporcionar una implementación de diagnóstico.
Consulta técnica
Comenta la cuestión técnica.
Un residuo del modelo es la diferencia entre una observación y una predicción de un modelo especificado. Comparte el modelo y la información aplicable de funcionamiento o diseño para una discusión de ingeniería.