Catalogo dei Corsi di studio

 

LABORATORIO ANALISI DATI

ANNO ACCADEMICO 2022/2023

 

CORSO EROGATO ESCLUSIVAMENTE IN PRESENZA

 

Le LEZIONI AVRANNO INIZIO IL GIORNO 3 OTTOBRE

SECONDO L'ORARIO PUBBLICATO SUL SITO DI FACOLTA'

 

Il materiale del corso è disponibile per il download dal drive condiviso https://drive.google.com/drive/folders/1gWPd6sGBdAI58Wt-xc2aUt9wKRV98XU-...

utilizzando solo la mail istituzionale cognome.matricola@studenti.uniroma1.it 

 

_________________________________________________________

 

THEORY AND DEVELOPMENT OF CHEMICAL PROCESSES

II SEMESTER February-May 2023

 

NEW TIMETABLE !!!

 

Tuesday 10 a.m-1 p.m. room 34 building RM032 

Wednesday 9-11 a.m. room 34 building RM032

Friday 9-12 a.m. room 34 building RM032

 

The following is the meet-link to connect to the remote lesson on the days (and at times) set by the official Faculty timetable  

Google Meet joining info
Video call link: Theory and Development of Chemical Processes
Video call link: https://meet.google.com/xjj-sboh-cgb

 

All lessons will be held exclusively online by the teacher, as agreed with Prof. Cecilia Bartuli.

The exercises will take place in presence. In any case, in order to allow all students to follow the corrosion class on Wednesday morning, access to classroom 34 will be allowed every Wednesday morning at 9 am.

 

Lessons will start on Wednesday March 1, 2023

 

Please find attached the google-drive link for downloading all the material for the course

https://drive.google.com/drive/folders/1jjQ9tP5ikfQq4FjwsRC6E26IpoB8YqBX...

 

You have to ask for permission before the download 

 

**************************************************************************************************

 

LABORATORIO ANALISI DATI

ANNO ACCADEMICO 2021/2022

MODALITÀ  BLENDED 

 

LINK MEET solo lunedi 27/09/2021

https://meet.google.com/vdq-hsou-stj

 

LINK MEET da mercoledì 29/09/2021 a fine corso
https://meet.google.com/rgp-jcqm-two

 

Il materiale del corso è disponibile per il download dal drive condiviso https://drive.google.com/drive/folders/1gWPd6sGBdAI58Wt-xc2aUt9wKRV98XU-...

utilizzando solo la mail istituzionale cognome.matricola@studenti.uniroma1.it 

***************************************************************************

 

Programma dettagliato del corso di Laboratorio di analisi dei dati

 

1) Introduzione al corso con la disamina di problemi di interesse dell’industria di processo e relativa formulazione di problemi di ottimizzazione vincolata e non vincolata per la stima di parametri ottimi 

* esempio di problema di optimal scheduling 

* ottimizzazione della produzione di una raffineria e relativa formulazione e soluzione di     problemi di programmazione lineare

* spessore ottimo della coibentazione di una tubazione

* ottimizzazione della superficie di un treno di scambiatori

* regressione non lineare di dati di equilibrio liquido-vapore

 

2) Ottimizzazione non vincolata

Formulazione del problema ai minimi quadrati lineare e non lineare

Caratterizzazione delle funzioni quadratiche : ruolo degli autovalori/autovettori della matrice Hessiana

Convessità di una funzione

Direzioni di discesa e derivate direzionali

Condizioni necessarie e/o sufficienti del primo e secondo ordine per un punto di minimo

Metodo dell’antigradiente (steepest descent)

Metodo di Newton

Rappresentazione alle differenze finite delle derivate prime e seconde della funzione obiettivo

Metodo delle direzioni coniugate per funzioni quadratiche

Metodo del gradiente coniugato per funzioni non quadratiche

Metodo delle direzioni random

Metodo di Powell

Cenni sul metodo del simplesso 

Metodi di ricerca unidirezionale esatta (Newton unidirezionale e metodo delle bisezioni)

Analisi della velocità di convergenza : convergenza lineare, superlineare e quadratica

 

2) Ottimizzazione vincolata

Definizione di direzioni utili e ammissibili per vincoli di disuguaglianza e vincoli di uguaglianza

Definizione di un problema convesso

Condizioni necessarie e/o sufficienti del primo e secondo ordine per un punto di minimo (metodo della funzione Lagrangiana e condizioni KKT)

Metodo del gradiente ridotto

Metodo di Rosen

Metodo di Zoutendijk

Metodo delle funzioni di penalità (metodo interno e metodo esterno)

 

3) Introduzione all’analisi multivariata

Valor medio, varianza, fattore di asimmetria 

Analisi delle correlazioni fra set di dati

Matrici di varianza/covarianza e di correlazione

Analisi delle componenti principali (PCA) 

Definizione degli ellissi di confidenza, outliers e biplots.

  

4) Introduzione a Matlab

Implementazione del codice per i minimi quadrati lineari

Implementazione del codice per il metodo di Newton

Implementazione del codice per il metodo delle direzioni random

 

Per sostenere la prova computazionale è necessario aver acquisito tutte le competenze di base che si sono rese necessarie per l’implementazione dei codici sviluppati in aula (vedi punto 4 del programma).

Inoltre, è necessario avere implementato autonomamente il codice del gradiente coniugato n-dimensionale nelle sue tre forme analitico, Fletcher-Reeves e Polak-Ribiere con ricerca unidimensionale esatta (Newton unidirezionale e bisezioni). 

Come suggerimento, per la preparazione della prova computazionale, lo studente può cimentarsi nell’implementazione del codice per la PCA e/o del codice per la ricerca del minimo di un problema vincolato tramite il metodo delle funzioni di penalità.