复杂非线性非平稳动力学的数据驱动统计-随机代理建模策略

@第{Qi2022ADS条，title={复杂非线性非平稳动力学的数据驱动统计-随机替代建模策略}，author={迪奇和约翰·哈利姆}，journal={J.计算物理}，年份={2022}，体积={485}，页数={112085}，网址={https://api.semanticscholar.org/CorpusID:257255251}}
[PDF]语义阅读器

本文图表

5引文

湍流动力学系统中异常极端事件的模糊模型和机器学习策略

该模型框架有望应用于更广泛的具有复杂结构的湍流系统，在预测远离训练区域的不同统计区域之间的轨迹和统计解时显示出一致的高技能和持续的数值稳定性。

用于时变可靠性分析的数据驱动地下储气生产系统管柱失效预测模型

基于最小二乘支持向量机的多项式混沌展开的非参数形式

高效计算多尺度湍流系统的随机批处理高阶矩封闭模型

与直接Monte-Carlo方法相比，全阶和降阶RBM模型在捕获关键领先阶统计数据、非高斯概率分布的时间演化方面表现出一致的高技能，同时实现了显著更低的计算成本。

从哈塞尔曼计划及其以外了解气候危机的理论工具

克劳斯·哈塞尔曼（Klaus Hasselmann）在气候科学方面的革命性直觉是利用与快速天气过程相关的随机性来探索气候系统的缓慢动力学。这样做导致…

29参考文献

基于机器学习的湍流动力学系统统计闭包模型

数值计算表明，ML闭合模型能够准确预测在各种与时间相关的外力作用下的长期统计响应，这些外力具有较大的最大强迫振幅，并且不在训练数据集中。

复杂湍流动力系统中预测统计响应和不确定性量化的降阶模型策略

本文讨论了一个通用的数学框架，用于构造统计上精确的降阶模型，该模型能够捕捉一般阻尼和受迫复杂湍流动力系统在能量最大的主方向上的统计变异性。

复杂湍流系统集合预报的物理信息数据驱动算法

机器学习基础

基于核的非马尔可夫时间序列预测

线性和非线性统计响应理论及其在复杂湍流动力系统灵敏度分析和统计控制中的原型应用。

在从简单可解方程到各向异性地球物理湍流的原型模型层次结构下，使用统计响应理论解决各种具有挑战性的问题的广泛示例显示了在具有不同统计特征的各种动力学状态下的一致稳健技巧。

缺失动力学预测的机器学习

基于神经网络的二维湍流子网格建模

所提出的方法成功地建立了涡度和流函数模板给出的输入之间的映射，以及来自两个著名涡粘性核的信息，这代表了从数据生成无启发式湍流闭合的框架形式化方面的一个有希望的发展。

统计响应和不确定性量化的低维降阶模型：两层斜压湍流

准确量化气候系统对一般外部扰动的强迫响应的平均值和方差的不确定性是理解地球的一个重要课题…