极端事件预测从一个空间时空混沌微空洞激光器中的非局部部分信息
V A Pammi1, M G Clerc2, S Coulibaly3
1Université Paris-Saclay, CNRS, Centre de Nanosciences et de Nanotechnologies, 91120 Palaiseau, France.
Physical review letters
|June 16, 2023
概括
预测有不完整数据的混乱系统是可以使用储库计算的. 非局部数据分析提高了极端事件预测准确度和时空系统中的预警时间.
科学领域:
- 物理 物理学 物理
- 非线性动力学是一种非线性动力学.
- 机器学习 机器学习
背景情况:
- 预测复杂的,高维的非线性系统是一个挑战.
- 由于采样限制,无法访问的变量或噪音,现实数据往往不完整.
- 无模型机器学习,特别是储计算,对这种系统有很大的前景.
研究的目的:
- 研究在不完整的时空数据中预测极端事件的可行性.
- 评估储库计算对于分析带有部分信息的混乱系统的有效性.
- 确定非本地数据分析是否可以提高预测准确性和预警时间.
主要方法:
- 利用储水库计算,一种机器学习,用于预测.
- 将该技术应用于来自时空混乱的微腔激光器的实验数据.
- 使用转移来识别数据的信息区域.
- 使用本地数据与非本地数据比较预测准确度.
主要成果:
- 成功预测了极端事件的发生,尽管实验记录不完整.
- 证明使用非本地数据比使用本地数据更高的预测准确度.
- 达到警告时间至少是非线性局部Lyapunov指数预测的两倍.
结论:
- 储计算可以有效地预测混乱系统中的极端事件,即使使用部分数据.
- 以转移为指导的非局部数据分析增强了预测能力并延长了预警时间.
- 这种方法提供了一种可行的方法来理解和预测现实世界的场景中复杂的非线性动态.


