Hur hitta en datormodell som ger träffsäkra prognoser?
Börsens utveckling är inte lätt att förutsäga, vilket oftast är fallet när många faktorer styr. Erik Larsson har i sin avhandling studerat hur experimentella data kan användas för att bäst beskriva ”verkligheten” i en datormodell.
Den som kunde förutsäga börsens utveckling skulle onekligen ha hittat en väg till en betydligt stabilare privatekonomi. Tänk om man till exempel kunde veta att Ericsson kommer att gå upp med tio procentenheter imorgon.
Börsens utveckling är bara ett av många exempel på verkliga fenomen, även kallade processer eller system, som är synnerligen komplexa och därmed svåra att förutsäga. Till viss del uppvisar dessa processer ett förväntat beteende som kan förutsägas, men till stor del är deras beteende slumpmässigt. Detta innebär att det är svårt att skaffa sig en korrekt beskrivning, en modell, av fenomenet, vilket är en förutsättning för att man skall kunna uttala sig om dess framtida beteende.
Inom det vetenskapliga området systemidentifiering behandlar man frågor som hur man från experimentella data kan skaffa sig en bra modell av ett verkligt system. Att man använder experimentella data innebär att det är viktigt hur själva experimenten
designas. Det gäller att se till att data man samlar in från systemet är så informationsrik som möjligt, dvs säger så mycket som möjligt om systemet ifråga. En viktig fråga att besvara är också hur noggrann modellen av systemet är. En modell av ett verkligt system är av ringa värde om man inte kan förse den med en kvalitetsstämpel.
Erik Larsson har i sin avhandling behandlat några enkla metoder för att modellera system som uppvisar ett slumpmässigt beteende. Dessutom undersöks hur noggrant man kan ta fram dessa modeller, och hur noggrannheten påverkas av diverse användarval. Förhoppningsvis kan resultaten från avhandlingen t ex ge viss insikt i hur diverse systemidentifieringexperiment skall designas.
Namn: Erik Larsson
Avhandlingens titel: Identification of Stochastic Continuous-time Systems: Algorithms, Irregular Sampling and Cramér-Rao Bounds
Institution: Institutionen för informationsteknologi
Opponent: Professor Bo Wahlberg, S3 – Automatic Control, KTH, Stockholm.
Disputationen äger rum: Fredagen 6 februari, kl. 10.15 i rum 1111, Hus 1, MIC,
Polacksbacken.
Kontaktinformation
Erik Larsson kan nås på 018-471 3153 eller via e-post Erik.K.Larsson@it.uu.se
