斯特凡·克鲁斯;费利克斯·纽斯克;塞巴斯蒂安·佩茨;詹·亨德里克·尼曼;塞西莉亚·克莱门蒂;克里斯托夫·施尤特 Koopman生成器的数据驱动近似:模型简化、系统识别和控制。 (英语) Zbl 1485.93097号 物理D 406,文章ID 132416,15 p.(2020). 摘要:我们导出了一种用于近似Koopman生成器的数据驱动方法,称为gEDMD,它可以被视为EDMD的直接扩展(扩展动态模式分解). 该方法适用于确定性和随机动力系统。它可以用于计算发电机的特征值、特征函数和模式,并用于系统识别。除了学习确定性系统的控制方程外,还可以将其简化为SINDy(非线性动力学的稀疏辨识),可以从数据中识别随机微分方程的漂移项和扩散项。此外,我们应用gEDMD推导高维系统的粗粒度模型,并确定有效的模型预测控制策略。我们强调了与其他方法的关系,并使用几个指导性示例和典型分子动力学问题证明了所提方法的有效性。 引用于58文件 MSC公司: 93B11号机组 系统结构简化 93B30型 系统标识 关键词:数据驱动方法;科普曼操作员;无穷小发生器;系统标识;粗粒化;控制 软件:VAMP网络 PDF格式BibTeX公司 XML格式引用 \textit{S.Klus}等人,Physica D 406,文章ID 132416,15 p.(2020;Zbl 1485.93097) 全文: 内政部 arXiv公司 参考文献: [1] 施密德,P.J.,数值和实验数据的动态模式分解,J.流体力学。,656, 5-28 (2010) ·Zbl 1197.76091号 [2] 屠呦呦。;罗利,C.W。;Luchtenburg,D.M。;Brunton,S.L。;Kutz,J.N.,《关于动态模式分解:理论和应用》,J.Compute。动态。,1, 2 (2014) ·Zbl 1346.37064号 [3] M.O.威廉姆斯。;罗利,C.W。;Kevrekidis,I.G.,基于核的数据驱动Koopman光谱分析方法,J.Compute。动态。,2, 2, 247-265 (2015) ·Zbl 1366.37144号 [4] Klus,S。;科尔泰,P。;Schütte,C.,关于Perron-Frobenius和Koopman算子的数值逼近,J.Compute。动态。,3, 1, 51-79 (2016) ·Zbl 1353.37154号 [5] Brunton,S.L。;Proctor,J.L。;Kutz,J.N.,通过非线性动力系统的稀疏识别从数据中发现控制方程,Proc。国家。阿卡德。科学。,113, 15, 3932-3937 (2016) ·Zbl 1355.94013号 [6] Schwantes,C.R。;Pande,V.S.,用tICA和核技巧模拟分子动力学,J.Chem。理论计算。,11, 2, 600-608 (2015) [7] Klus,S。;舒斯特,I。;Muandet,K.,再生核希尔伯特空间中转移算子的特征分解,非线性科学杂志。(2019) [8] Klus,S。;凝胶,P。;佩茨,S。;Schütte,C.,基于张量的动态模式分解,非线性,31,7(2018)·Zbl 1404.65313号 [9] Gelß,P.等人。;Klus,S。;艾瑟特,J。;Schütte,C.,非线性动力系统的多维近似,J.Compute。非线性动力学。,14,第061006条pp.(2019) [10] 陈,C。;苏拉纳,A。;布洛赫,A。;Rajapakse,I.,《多线性时不变系统理论》(2019),arXiv电子版 [11] 李,Q。;迪特里希,F。;Bollt,E.M.公司。;Kevrekidis,I.G.,《带字典学习的扩展动态模式分解:Koopman算子的数据驱动自适应谱分解》,Chaos,27,10,文章103111 pp.(2017)·Zbl 06876982号 [12] Lusch,B。;库茨,J.N。;Brunton,S.,《非线性动力学普遍线性嵌入的深度学习》,《自然通讯》。,9 (2017) [13] 马特,A。;Pasquali,L。;Wu,H。;Noé,F.,分子动力学深入学习的VAMPnets,自然通讯。,9 (2018) [14] 库茨,J.N。;Brunton,S.L。;布伦顿,B.W。;Proctor,J.L.,《动态模式分解:复杂系统的数据驱动建模》(2016),SIAM:SIAM Philadelphia·Zbl 1365.65009号 [15] 纽斯克,F。;凯勒,B.G。;佩雷斯·埃尔南德斯,G。;Mey,A.S.J.S。;Noé,F.,分子动力学的变分方法,J.Chem。理论计算。,10, 4, 1739-1752 (2014) [16] Koopman,B.,希尔伯特空间中的哈密顿系统和变换,Proc。国家。阿卡德。科学。,17, 5, 315 (1931) ·Zbl 0002.05701号 [17] Lasota,A。;Mackey,M.C.,(混沌、分形和噪声:动力学的随机方面。混沌、分形与噪声:动力学随机方面,应用数学科学,第97卷(1994),Springer:Springer New York)·兹比尔0784.58005 [18] Budišić,M。;莫尔,R。;Mezić,I.,《应用科普曼主义》,《混沌》,22,4(2012)·Zbl 1319.37013号 [19] Kaiser,E。;库茨,J.N。;Brunton,S.L.,用于控制的Koopman特征函数的数据驱动发现(2017),ArXiv电子印刷品 [20] Kaiser,E。;库茨,J.N。;Brunton,S.L.,《从用于控制的数据中发现保护定律》(2018年),arXiv电子版·Zbl 1425.93175号 [21] 博内塞尼亚,L。;纽斯克,F。;Clementi,C.,随机动力学方程的稀疏学习,J.Chem。物理。,148,24,第241723条第(2018)页 [22] Mauroy,A。;Goncalves,J.,非线性系统的线性识别:基于Koopman算子的提升技术,(2016 IEEE第55届决策与控制会议,2016 IEEE 55届决策和控制会议,CDC(2016)),6500-6505 [23] Mauroy,A。;Goncalves,J.,基于Koopman的非线性系统识别提升技术(2017),ArXiv电子打印 [24] Riseth,A.N。;Taylor-King,J.P.,《随机微分方程参数估计的算子拟合》(2017),ArXiv电子版 [25] Giannakis,D.,遍历动力系统的数据驱动谱分解和预测,应用。计算。哈蒙。分析。,47, 2, 338-396 (2019) ·Zbl 1420.37113号 [26] 弗罗兰德,G。;O.Junge。;Koltai,P.,《估算无轨迹积分流动的长期行为:无穷小生成器方法》,SIAM J.Numer。分析。,51, 1, 223-247 (2013) ·Zbl 1267.37101号 [27] Brunton,S.L。;布伦顿,B.W。;Proctor,J.L。;Kutz,J.N.,用于控制的非线性动力系统的Koopman不变子空间和有限线性表示,PLoS One,11,2(2016)·Zbl 1350.49037号 [28] 霍林斯沃思,B.J.,《随机微分方程:动力系统方法》(2008),奥本大学(博士论文) [29] 乔尼亚里奇·西奇,N。;Maćešić,S。;Mezić,I.,随机动力系统的Koopman算子谱(2019),arXiv e-prints [30] Metzner,P.,《马尔可夫过程的转移路径理论:在分子动力学中的应用》(2007),柏林弗雷大学(博士论文)·Zbl 1185.60004号 [31] 巴克斯特,J.R。;Rosenthal,J.S.,《任意正马尔可夫链的收敛速度》,统计学。普罗巴伯。莱特。,22, 4, 333-338 (1995) ·Zbl 0819.60056号 [32] Pavliotis,G.A.,(随机过程和应用:扩散过程,Fokker-Planck和Langevin方程·Zbl 1318.60003号 [33] Bakry,D。;Gentil,I。;Ledoux,M.,马尔可夫扩散算子的分析与几何,第348卷(2013),施普林格科学与商业媒体 [34] Aboites,V.,通过线性代数的Hermite多项式,Int.J.Pure Appl。数学。,114, 05, 401-406 (2017) [35] Klus,S。;纽斯克,F。;科尔泰,P。;Wu,H。;凯夫雷基迪斯,I。;舒特,C。;Noé,F.,数据驱动模型简化和传递算子近似,J.非线性科学。,28, 985-1010 (2018) ·兹比尔1396.37083 [36] 舒特,C。;Sarich,M.,(分子动力学中的亚稳态和马尔可夫状态模型:建模、分析、算法方法,第24期)。《分子动力学中的亚稳定性和马尔可夫状态模型:建模、分析、算法方法》,第24期,Courant课堂讲稿(2013),美国数学学会·Zbl 1305.60004号 [37] 舒特,C。;Sarich,M.,《马尔可夫状态模型的批判性评估》,《欧洲物理学》。J.规格顶部。,224, 12, 2445-2462 (2015) [38] M.O.威廉姆斯。;Kevrekidis,I.G。;Rowley,C.W.,《Koopman算子的数据驱动近似:扩展动态模式分解》,《非线性科学杂志》。,25, 6, 1307-1346 (2015) ·Zbl 1329.65310号 [39] 科尔达,M。;Mezić,I.,关于扩展动态模式分解到Koopman算子的收敛性,J.非线性科学。,28, 2, 687-710 (2018) ·Zbl 1457.37103号 [40] 张伟。;哈特曼,C。;Schütte,C.,给定反应坐标下的有效动力学,反应速率理论,法拉第讨论。,195, 365-394 (2016) [41] Faou,E。;Lelièvre,T.,《保守随机微分方程:数学和数值分析》,数学。公司。,78, 268, 2047-2074 (2009) ·Zbl 1203.60069号 [42] 周,W。;张,L。;洪,J。;Song,S.,具有守恒量的随机微分方程的投影方法,BIT-Numer。数学。,56, 4, 1497-1518 (2016) ·Zbl 1354.60081号 [43] Stratonovich,R.L.,随机积分和方程的新表示,SIAM J.Compute。,4, 2, 362-371 (1966) ·兹比尔0143.19002 [44] Legoll,F。;Lelièvre,T.,使用条件期望的有效动态,非线性,23,9,2131(2010)·Zbl 1209.60036号 [45] 纽斯克,F。;博内塞尼亚,L。;Clementi,C.,《通过光谱匹配的粗颗粒分子系统》,J.Chem。物理。,151,4,第044116条pp.(2019) [46] Izvekov,S。;Voth,G.A.,生物分子系统的多尺度粗颗粒化方法,J.Phys。化学。B、 109、7、2469-2473(2005) [47] 诺伊德,W.G。;朱,J.-W。;艾顿,G.S。;克里希纳,V。;Izvekov,S。;Voth,G.A。;Das,A。;Andersen,H.C.,《多尺度粗粒度方法》。I.原子模型和粗粒度模型之间的严格桥梁,J.Chem。物理。,第128、24条,第244114页(2008年) [48] Ciccotti,G。;Lelievre,T。;Vanden-Eijnden,E.,《子流形上扩散的投影:在平均力计算中的应用》,Comm.Pure Appl。数学。,61, 3, 371-408 (2008) ·Zbl 1185.82050 [49] 纽斯克,F。;科尔泰,P。;博内塞尼亚,L。;Clementi,C.,条件期望有效动力学的谱特性(2019) [50] Prinz,J.-H。;Wu,H。;萨里奇,M。;凯勒,B。;塞纳,M。;赫尔德,M。;乔德拉,J.D。;舒特,C。;Noé,F.,《分子动力学的马尔可夫模型:生成和验证》,J.Chem。物理。,134、17、第174105条pp.(2011) [51] Wang,J。;奥尔森,S。;韦梅尔,C。;佩雷斯,A。;查伦,东北部。;De Fabritis,G。;不,F。;Clementi,C.,粗粒分子动力学力场的机器学习,ACS Cent。科学。(2019) [52] Grüne,L。;Pannek,J.,非线性模型预测控制(2017),施普林格国际出版公司·Zbl 1429.93003号 [53] Proctor,J.L。;Brunton,S.L。;Kutz,J.N.,带控制的动态模式分解,SIAM J.Appl。动态。系统。,15, 1, 142-161 (2015) ·Zbl 1334.65199号 [54] 科尔达,M。;Mezić,I.,《非线性动力系统的线性预报器:Koopman算子满足模型预测控制》,Automatica,93,149-160(2018)·Zbl 1400.93079号 [55] 佩茨,S。;Klus,S.,Koopman基于操作员的PDE开关系统控制模型简化,Automatica,106,184-191(2019)·Zbl 1429.93043号 [56] 佩茨,S。;Klus,S.,使用基于Koopman算子的数据高效降阶模型对非线性偏微分方程进行反馈控制,(Mauroy,A.;Suzuki,Y.;Mezić,I.,《系统与控制中的Koopman运算符:理论、数值与应用》(2020),Springer)·Zbl 1453.93056号 [57] Sager,S。;博克·H·G。;Diehl,M.,混合整数最优控制中的整数近似误差,数学。程序。,133, 1-2, 1-23 (2012) ·Zbl 1259.90077号 [58] M.Egerstedt,Y.Wardi,F.Delmotte,切换动态系统中切换时间的最优控制,收录于:第42届IEEE国际决策与控制会议,CDC,2003年,第2138-2143页。 [59] 斯特拉托,B。;Ober-Blöbaum,S。;Goulart,P.J.,切换动态系统的二阶切换时间优化,IEEE Trans。自动化。控制,62,10,5407-5414(2017)·Zbl 1390.93418号 [60] 柯奇斯,C。;Wirsching,L。;博克·H·G。;Schlöder,J.P.,《长期非线性模型预测控制的高效直接多重打靶》,《过程控制》,22,3,540-550(2012) [61] Bemporad,A。;Morari,M.,《鲁棒模型预测控制:一项调查》(Garulli,A.;Tesi,A.,《识别和控制中的鲁棒性》(2007),Springer:Springer London),207-226·Zbl 0979.93518号 [62] Mesbah,A.,随机模型预测控制:未来研究的概述和展望,IEEE控制系统。,36, 6, 30-44 (2016) ·Zbl 1476.93147号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配,可能包含数据转换错误。在某些情况下,zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献,而不要求完整或完全匹配。