All the world is a nonlinear system
He linearised to the right
He linearised to the left
Till nothing was right
And nothing was left
Identificação de Sistemas Não Lineares e Previsão: Teoria e Prática Com SysIdentPy¶
Bem-vindo ao nosso livro sobre Identificação de Sistemas! Este livro é uma abordagem abrangente para aprender sobre modelos dinâmicos e previsão. O principal objetivo deste livro é descrever um conjunto completo de algoritmos para identificação, previsão e análise de sistemas não lineares.
Nosso livro foi especificamente desenvolvido para aqueles que têm interesse em aprender identificação de sistemas e previsão. Vamos guiá-lo através do processo passo a passo usando Python e o pacote SysIdentPy. Com o SysIdentPy, você será capaz de aplicar uma variedade de técnicas para modelagem de sistemas dinâmicos, fazer previsões e explorar diferentes esquemas de projeto para modelos dinâmicos, desde polinomiais até redes neurais. Este livro é destinado a graduandos, pós-graduandos, pesquisadores e todas as pessoas de diferentes áreas de pesquisa que possuem dados e desejam encontrar modelos para entender melhor seus sistemas.
A literatura de pesquisa está repleta de livros e artigos cobrindo vários aspectos da identificação de sistemas não lineares, incluindo métodos NARMAX. Neste livro, nosso objetivo não é replicar todas as numerosas variações de algoritmos disponíveis. Em vez disso, queremos mostrar como modelar seus dados usando esses algoritmos com o SysIdentPy. Mencionaremos todos os detalhes específicos e diferentes versões dos algoritmos no livro, então se você estiver mais interessado nos aspectos teóricos, poderá explorar essas ideias mais a fundo. Nosso objetivo é focar nas técnicas fundamentais, explicando-as em linguagem direta e mostrando como usá-las em situações do mundo real. Embora haja alguma matemática e detalhes técnicos envolvidos, o objetivo é manter tudo o mais fácil de entender possível. Em essência, este livro visa ser um recurso que leitores de diversas áreas podem usar para aprender como modelar sistemas dinâmicos não lineares.
A melhor parte do nosso livro é que ele é um material open source, o que significa que está disponível gratuitamente para qualquer pessoa usar e contribuir. Esperamos que isso reúna pessoas que compartilham interesse por técnicas de identificação de sistemas e previsão, desde modelos lineares até não lineares.
Então, seja você um estudante, pesquisador, cientista de dados ou profissional, convidamos você a compartilhar seu conhecimento e contribuir conosco. Vamos explorar identificação de sistemas e previsão com o SysIdentPy!
Para acompanhar os exemplos em Python no livro, você precisará ter alguns pacotes instalados. Vamos cobrir os principais aqui e informá-lo se algum pacote adicional for necessário conforme avançamos.
import sysidentpy
import pandas as pd
import numpy as np
import torch
import matplotlib
import scipy
Sobre o Autor¶
Wilson Rocha é Head de Data Science na RD Saúde e criador da biblioteca SysIdentPy. Ele possui graduação em Engenharia Elétrica e Mestrado em Modelagem de Sistemas e Controle, ambos pela Universidade Federal de São João del-Rei (UFSJ), Brasil. Wilson começou sua jornada em Machine Learning desenvolvendo robôs jogadores de futebol e continua avançando sua pesquisa nas áreas de Identificação de Sistemas Não Lineares Multiobjetivo e Previsão de Séries Temporais.
Conecte-se com Wilson Rocha através das seguintes redes sociais:
Referenciando Este Livro¶
Se você achar este livro útil, por favor cite-o da seguinte forma:
Lacerda Junior, W.R. (2024). *Nonlinear System Identification and Forecasting: Theory and Practice With SysIdentPy*. Web version. https://sysidentpy.org
Se você usar o SysIdentPy em seu projeto, por favor entre em contato.
Se você usar o SysIdentPy em sua publicação científica, agradeceríamos citações ao seguinte artigo: - Lacerda et al., (2020). SysIdentPy: A Python package for System Identification using NARMAX models. Journal of Open Source Software, 5(54), 2384, https://doi.org/10.21105/joss.02384
@article{Lacerda2020,
doi = {10.21105/joss.02384},
url = {https://doi.org/10.21105/joss.02384},
year = {2020},
publisher = {The Open Journal},
volume = {5},
number = {54},
pages = {2384},
author = {Wilson Rocha Lacerda Junior and Luan Pascoal Costa da Andrade and Samuel Carlos Pessoa Oliveira and Samir Angelo Milani Martins},
title = {SysIdentPy: A Python package for System Identification using NARMAX models},
journal = {Journal of Open Source Software}
}
Versões em PDF, Epub e Mobi¶
Baixe a versão em pdf do livro: versão pdf
Baixe a versão em epub do livro: versão epub
Baixe a versão em mobi do livro: versão mobi
Agradecimentos¶
A disciplina de Identificação de Sistemas ministrada por Samir Martins (em Português) foi uma grande fonte de inspiração para esta série. Neste livro, exploraremos Sistemas Dinâmicos e aprenderemos como dominar modelos NARMAX usando Python e o pacote SysIdentPy. O livro de Stephen A. Billings, Nonlinear System Identification: NARMAX Methods in the Time, Frequency, and Spatio-Temporal Domains, foi fundamental para nos mostrar o quão poderosa a Identificação de Sistemas pode ser.
Além desses recursos, também faremos referência ao livro de Luis Antônio Aguirre, Introdução à Identificação de Sistemas. Técnicas Lineares e não Lineares Aplicadas a Sistemas. Teoria e Aplicação (em Português), que provou ser uma ferramenta inestimável na introdução de conceitos complexos de modelagem dinâmica de forma direta. Como um material open source sobre Identificação de Sistemas e Previsão, este livro visa fornecer uma abordagem acessível, porém rigorosa, para aprender modelos dinâmicos e previsão.
Apoie o Projeto¶
O Nonlinear System Identification and Forecasting: Theory and Practice With SysIdentPy é um extenso recurso open source dedicado à ciência da Identificação de Sistemas. Nosso objetivo é tornar este conhecimento acessível a todos, tanto financeiramente quanto intelectualmente.
Se este livro foi valioso para você e você gostaria de apoiar nossos esforços, aceitamos contribuições financeiras através da nossa página de Sponsor.
Se você não está em posição de contribuir financeiramente, ainda pode apoiar ajudando-nos a melhorar o livro. Encorajamos você a reportar quaisquer erros de digitação, sugerir edições ou fornecer feedback sobre seções que você achou desafiadoras. Você pode fazer isso visitando o repositório do livro e abrindo uma issue. Além disso, se você gostou do conteúdo, por favor considere compartilhá-lo com outras pessoas que possam se beneficiar dele, e nos dê uma estrela no GitHub.
Seu apoio, em qualquer forma, nos ajuda a continuar aprimorando este projeto e manter um recurso de alta qualidade para a comunidade. Obrigado pela sua contribuição!