Previsão em Sistemas Dinâmicos Caóticos com Ruído

Wilson Salustiano, Hugo L. D. Cavalvante
{"title":"Previsão em Sistemas Dinâmicos Caóticos com Ruído","authors":"Wilson Salustiano, Hugo L. D. Cavalvante","doi":"10.22478/ufpb.2595-0622.2020v4n2.51594","DOIUrl":null,"url":null,"abstract":"Um modelo muito comum para sistemas dinâmicos é que sua evolução seja dada por uma equação diferencial. Entretanto, a ocorrência de caos determinístico dificulta a aplicação deste modelo para fazer previsões em sistemas reais. Caos determinístico é um fenômeno com dependência sensível a perturbações, o que causa imprevisibilidade a longo prazo. Mostramos como usar dados de séries temporais de um sistema para estimar as equações diferenciais que determinam sua evolução. Usamos como exemplo o sistema de Lorenz e métodos numéricos que incluem o uso de funções polinomiais para ajustar as velocidades das variáveis do estado, e assim determinar um modelo para a sua evolução temporal. Mostramos também que pode ser usado mesmo na situação de dados com ruídos observacionais.","PeriodicalId":130431,"journal":{"name":"Comunicações em Informática","volume":"56 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2020-11-07","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Comunicações em Informática","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.22478/ufpb.2595-0622.2020v4n2.51594","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Um modelo muito comum para sistemas dinâmicos é que sua evolução seja dada por uma equação diferencial. Entretanto, a ocorrência de caos determinístico dificulta a aplicação deste modelo para fazer previsões em sistemas reais. Caos determinístico é um fenômeno com dependência sensível a perturbações, o que causa imprevisibilidade a longo prazo. Mostramos como usar dados de séries temporais de um sistema para estimar as equações diferenciais que determinam sua evolução. Usamos como exemplo o sistema de Lorenz e métodos numéricos que incluem o uso de funções polinomiais para ajustar as velocidades das variáveis do estado, e assim determinar um modelo para a sua evolução temporal. Mostramos também que pode ser usado mesmo na situação de dados com ruídos observacionais.
带噪声混沌动力系统的预测
动力系统的一个非常常见的模型是它的演化是由微分方程给出的。然而,确定性混沌的出现阻碍了该模型在真实系统中的应用。确定性混沌是一种对扰动敏感依赖的现象,它会导致长期的不可预测性。我们展示了如何使用系统的时间序列数据来估计决定其演化的微分方程。我们以洛伦兹系统和数值方法为例,其中包括使用多项式函数来调整状态变量的速度,从而确定它们的时间演化模型。我们还证明了它甚至可以用于观测噪声数据的情况。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:604180095
Book学术官方微信