陈楠;安德鲁·马吉达（Andrew J.Majda）。 利用部分观测和短训练时间序列预测复杂非线性动力系统中的观测和隐藏极端事件。 （英文） Zbl 1435.37100号 混乱 30，第3期，033101，第38页（2020）. 摘要：极端事件出现在许多复杂的非线性动力系统中。预测极端事件具有重要的科学意义和巨大的社会影响。本文提出了一种新的数学框架，用于建立合适的非线性近似模型，旨在仅使用短的和部分观察到的训练时间序列来预测复杂非线性动力系统中的观测到的和隐藏的极端事件，用于短期、中期和长期预测。与许多不同特别的数据驱动回归模型，这些新的非线性模型考虑了物理驱动过程和物理约束。它们还为参数估计、数据同化和预测提供了高效准确的算法。廉价的随机参数化、明智的线性反馈控制和合适的噪声膨胀策略被纳入新的非线性建模框架，它对各种高度间歇性非线性二元和三元模型（包括Lorenz 63模型）中观察到的和隐藏的极端事件以及强非高斯统计进行了准确预测。然后，将随机模式简化策略应用于地形平均流相互作用的21维非线性范式模型。由此得到的五维物理约束非线性近似模型能够准确预测极端事件以及纬向阻塞和非阻塞流型之间的流型转换。最后，将明智的线性随机过程纳入一个简单的非线性近似模型，成功地学习了具有强混沌和状态切换行为的六维低阶Charney-DeVore模型的某些复杂非线性效应。然后，简单的非线性近似模型允许准确的在线状态估计和极端事件的中短期预测。©2020美国物理研究所 引用于1文件 MSC公司： 37M10个 动力系统的时间序列分析 86A10美元 气象学和大气物理学 软件：合卡尔曼滤波;PMTK公司;ramcmc公司 PDF格式BibTeX公司 XML格式引用 \textit{N.Chen}和\textit{A.J.Majda}，混沌30，第3期，033101，38页（2020；Zbl 1435.37100） 全文： 内政部 参考文献： [1] Majda，A.J.，《复杂系统中的湍流动力系统简介》（2016），斯普林格出版社·Zbl 1377.37003号 [2] Majda，A。；王欣，《基本地球物理流的非线性动力学和统计理论》（2006），剑桥大学出版社·Zbl 1141.86001号 [3] Strogatz，S.H.，《非线性动力学和混沌：在物理、生物、化学和工程中的应用》（2018），CRC出版社 [4] 巴利亚努，D。；马查多，J.A.T。；Luo，A.C.，分数动力学与控制（2011），施普林格科学与商业媒体 [5] Deisboeck，T。；Kresh，J.Y.，《生物医学中的复杂系统科学》（2007），Springer Science&Business Media [6] 斯特林，J。；克里姆林宫。；Ginkel，M。；Bettenbrock，K。；Gilles，E.，《系统生物学基础》（2001），麻省理工学院出版社 [7] Sheard，S.A。；Mostashari，A.，《系统工程的复杂系统原理》。工程，12295-311（2009）·doi:10.1002/sys.20124 [8] Wilcox，D.C.，湍流多尺度模型，AIAA J.，26，1311-1320（1988）·数字对象标识代码：10.2514/3.10042 [9] 佩利诺夫斯基，E。；卡里夫，C.，《极端海浪》（2008），斯普林格出版社 [10] Majda，A.J。；摩尔，M。；齐，D.，预测深度突变的浅水波极端事件和异常特征的统计动力学模型，Proc。国家。阿卡德。科学。，1163982-3987（2019）·兹伯利1416.76024 ·doi:10.1073/pnas.1820467116 [11] 刘伟强。；Waliser，D.E.，《大气-海洋气候系统的季节内变化》（2011年），Springer Science&Business Media [12] Clarke，A.J.，《厄尔尼诺和南方涛动动力学导论》（2008年），Elsevier [13] 尼林，J.D。；林特纳，B.R。；田，B。；李，Q。；张，L。；Patra，P.K。；Chahine，M.T。；Stechmann，S.N.，天然和人为对流层示踪剂深柱中的长尾，地球物理。Res.Lett.公司。，37，L05804（2010）·doi:10.1029/2009GL041726 [14] Majda，A.J。；Gershgorin，B.，《具有复杂物理特征的湍流扩散基本模型：涡流扩散率、光谱和间歇性》，Philos。变速器。R.Soc.A：数学。物理学。工程科学。，371, 20120184 (2013) ·Zbl 1353.76034号 ·doi:10.1098/rsta.2012.0184 [15] Majda，A.J。；Tong，X.T.，具有平均梯度的湍流扩散模型中的间歇性，非线性，28，4171（2015）·Zbl 1357.37089号 ·doi:10.1088/0951-7715/28/11/4171 [16] Altmann，E.G。；Kantz，H.，《重现时间分析、长期相关性和极端事件》，《物理学》。E版，71，056106（2005）·doi:10.1103/PhysRevE.71.056106 [17] Oberkampf，W.L。；DeLand，S.M。；卢瑟福，B.M。；Diegert，K.V。；Alvin，K.F.，建模与仿真中的误差和不确定性，Reliab。工程系统。安全。，75, 333-357 (2002) ·doi:10.1016/S0951-8320（01）00120-X [18] 柯林斯，M。；布斯，B.B。；Bhaskaran，B。；哈里斯·G·R。；J.M.墨菲。；塞克斯顿，D.M。；Webb，M.J.，《气候模型误差、反馈和强迫：扰动物理和多模型集合的比较》，Clim。动态。，36, 1737-1766 (2011) ·doi:10.1007/s00382-010-0808-0 [19] 帕尔默，T。；Räisänen，J.，《量化气候变化中极端季节性降水事件的风险》，《自然》，415512（2002）·数字对象标识代码：10.1038/415512a [20] Majda，A.J.，《气候科学和当代应用数学的挑战》，Commun。纯应用程序。数学。，65, 920-948 (2012) ·兹比尔1242.86009 ·doi:10.1002/cpa.21401 [21] Kalnay，E.，《大气建模、数据同化和可预测性》（2003），剑桥大学出版社 [22] Majda，A。；Chen，N.，复杂多尺度系统中的模型误差、信息屏障、状态估计和预测，熵，20644（2018）·doi:10.3390/e20090644 [23] Navon，I.M.，“数值天气预报的数据同化：综述”，收录于《大气、海洋和水文应用的数据同质化》（Springer，2009），第21-65页。 [24] 邹，X。；纳文，I。；Le Dimet，F.，变分数据同化中重力波的不完全观测和控制，Tellus A:Dyn。美托洛尔。海洋学。，44, 273-296 (1992) ·doi:10.3402/tellusa.v44i4.14961 [25] Lahoz，W.、Khattatov，B.和Ménard，R.，“数据同化和信息”，摘自《数据同化》（Springer，2010），第3-12页·Zbl 1194.86002号 [26] Majda，A.J。；Harlim，J.，《过滤复杂湍流系统》（2012），剑桥大学出版社·Zbl 1250.93002号 [27] Evensen，G.，《数据同化：集成卡尔曼滤波器》（2009），Springer Science&Business Media·Zbl 1395.93534号 [28] 法律，K。；Stuart，A。；Zygalakis，K.，《数据同化：数学导论》，62（2015），施普林格出版社·Zbl 1353.60002号 [29] Haykin，S.，《神经网络：综合基金会》（1994），普伦蒂斯·霍尔PTR·Zbl 0828.68103号 [30] 肖尔科夫，B。；Smola，A.J.，《使用内核学习：支持向量机、正则化、优化和超越》（2001），麻省理工学院出版社 [31] 瓦拉查斯，P.R。；再见，W。；Wan，Z.Y。；Sapsis，T.P。；Koumoutsakos，P.，《长短期记忆网络高维混沌系统的数据驱动预测》，Proc。R.Soc.A：数学。物理学。工程科学。，474, 20170844 (2018) ·Zbl 1402.92030 ·doi:10.1098/rspa.2017.0844 [32] Wan，Z.Y。；Sapsis，T.P.，用于混沌动力系统数据驱动概率预测的降维空间高斯过程回归，Physica D，345，40-55（2017）·Zbl 1380.37111号 ·doi:10.1016/j.physd.2016.12.005 [33] Hochreiter，S。；Schmidhuber，J.，长短期记忆，神经计算。，9, 1735-1780 (1997) ·doi:10.1162/neco.1997.9.8.1735 [34] Murphy，K.P.，《机器学习：概率观点》（2012），麻省理工学院出版社·Zbl 1295.68003号 [35] Giannakis，D。；Majda，A.J.，《量化长期预测中的预测技能》。第二部分：粗粒度马尔可夫模型中的模型误差及其在海洋环流机制中的应用，气候杂志。，1814-1826年（2012年）·doi:10.1175/JCLI-D-11-00110.1 [36] Armstrong，J.S.，《长期预测》（1985年），威利：威利，纽约 [37] Hendon，H.H。；利伯曼，B。；纽曼，M。；格利克，J.D。；Schemm，J.，《与马登-朱利安振荡活跃期相关的中期预测误差》，周一。《天气评论》，128，69-86（2000）·doi:10.1175/1520-0493（2000）128<0069:MRFEAW>2.0.CO；2 [38] 齐，D。；Majda，A.J.，通过降阶随机模型预测双层斜压流中被动标量湍流的极端事件，Commun。数学。科学。，16, 17-51 (2018) ·Zbl 1395.76029号 ·doi:10.4310/CMS.2018.v16.n1.a2 [39] 齐，D。；Majda，A.J.，通过经验信息理论预测非理想模型下被动标量湍流中的最终间歇性概率分布，Commun。数学。科学。，14, 1687-1722 (2016) ·Zbl 1349.76101号 ·doi:10.4310/CMS.2016.v14.n6.a11 [40] Majda，A.J。；Qi，D.，预测复杂湍流动力系统统计响应和不确定性量化的降阶模型策略，SIAM Rev.，60，491-549（2018）·Zbl 1393.76041号 ·doi:10.137/16M1104664 [41] Farazmand，M。；Sapsis，T.，《极端事件：机制和预测》，应用。机械。版次：71，050801（2018）·doi:10.1115/1.4042065 [42] Sapsis，T.P.，《预测和统计量化高维动力系统中极端事件的新视角》，Philos。变速器。R.Soc.A：数学。物理学。工程科学。，376, 20170133 (2018) ·doi:10.1098/rsta.2017.0133 [43] 陈，N。；Majda，A.，《多尺度非线性随机系统的条件高斯系统：预测、状态估计和不确定性量化》，《熵》，20，509（2018）·doi:10.3390/e20070509 [44] Majda，A.J。；Harlim，J.，时间序列的物理约束非线性回归模型，非线性，26，201（2012）·Zbl 1262.93024号 ·doi:10.1088/0951-7715/26/1/201 [45] 哈里姆·J。；Mahdi，A。；Majda，A.J.，物理约束非线性回归模型统计估计的集合卡尔曼滤波器，J.Compute。物理。，257, 782-812 (2014) ·Zbl 1349.62593号 ·doi:10.1016/j.jcp.2013.10.025 [46] Liptser，R.S.和Shiryaev，A.N.，《随机过程统计II：应用》（Springer Science&Business Media，2013），第6卷。 [47] 陈，N。；Majda，A.J.，通过条件高斯统计过滤非线性湍流动力系统，周一。《天气评论》，1444885-4917（2016）·doi:10.1175/MWR-D-15-0437.1 [48] Majda，A.J。；蒂莫菲耶夫，I。；Eijnden，E.V.，《随机气候预测模型》，Proc。国家。阿卡德。科学。，9614687-14691（1999年）·Zbl 0966.86003号 ·doi:10.1073/pnas.96.26.14687 [49] Majda，A.J。；蒂莫菲耶夫，I。；Vanden Eijnden，E.，随机气候模型的数学框架，Commun。纯应用程序。数学。，54, 891-974 (2001) ·Zbl 1017.86001号 ·doi:10.1002/cpa.1014 [50] Majda，A。；蒂莫菲耶夫，I。；Vanden-Eijnden，E.，随机模式简化策略的先验测试，Physica D，170，206-252（2002）·Zbl 1007.60064号 ·doi:10.1016/S0167-2789（02）00578-X [51] Majda，A.J。；蒂莫菲耶夫，I。；Vanden-Eijnden，E.，气候随机模式减少的系统策略，J.Atmos。科学。，60, 1705-1722 (2003) ·doi:10.1175/1520-0469（2003）060<1705:SSFSMR>2.0.CO；2 [52] 陈，N。；Majda，A.J。；Giannakis，D.，通过低阶非线性随机模型预测Madden-Julian振荡的云模式，Geophys。Res.Lett.公司。，41, 5612-5619 (2014) ·doi:10.1002/2014GL060876 [53] 陈，N。；Majda，A.J.，通过低阶非线性随机模型预测实时多元Madden-Julian振荡指数，Mon。《天气评论》，143，2148-2169（2015）·doi:10.1175/MWR-D-14-00378.1 [54] 陈，N。；Majda，A.J.，通过低阶随机模型预测北半球夏季季内振荡的云型，数学。攀登。天气预报。，1, 1-20 (2015) ·Zbl 1364.86015号 [55] 陈，N。；Majda，A.J.，为Madden-Julian振荡过滤随机骨架模型，周一。《天气评论》，144501-527（2016）·doi:10.1175/MWR-D-15-0261.1 [56] 陈，N。；Majda，A.J。；Tong，X.T.，滤波随机不可压缩流中噪声拉格朗日示踪的信息屏障，非线性，27，2133（2014）·Zbl 1320.60102号 ·doi:10.1088/0951-7715/27/9/2133 [57] 陈，N。；Majda，A.J。；Tong，X.T.，用于过滤随机旋转可压缩流的噪声拉格朗日示踪剂，非线性科学杂志。，25, 451-488 (2015) ·Zbl 1329.76128号 ·doi:10.1007/s00332-014-9226-5 [58] 陈，N。；Majda，A.J.，利用噪声拉格朗日示踪剂过滤随机可压缩流时的模型误差，孟买。天气修订版，1444037-4061（2016）·doi:10.1175/MWR-D-15-0438.1 [59] Branicki，M。；Majda，A.J.，《稀疏观测湍流系统的动态随机超分辨率》，J.Compute。物理。，241, 333-363 (2013) ·兹比尔1349.76761 ·doi:10.1016/j.jcp.2012.11.037 [60] 基廷，S.R。；Majda，A.J。；Smith，K.S.，《使用卫星测高法估算海洋涡流热传输的新方法》，孟买。《天气评论》，140，1703-1722（2012）·doi:10.1175/MWR-D11-00145.1 [61] Majda，A.J。；Grooms，I.，《地球物理湍流超参数化的新观点》，J.Compute。物理。，271, 60-77 (2014) ·Zbl 1349.86035号 ·doi:10.1016/j.jcp.2013.09.014 [62] Majda，A.J。；齐，D。；Sapsis，T.P.，《大维混沌动力系统的混合粒子滤波器》，Proc。国家。阿卡德。科学。，111, 7511-7516 (2014) ·Zbl 1359.62392号 ·doi:10.1073/pnas.1405675111 [63] 陈，N。；Majda，A.J.，《大尺寸Fokker-Planck方程的高效统计精确算法》，J.Compute。物理。，354, 242-268 (2018) ·Zbl 1380.60055号 ·doi:10.1016/j.jcp.2017.10.022 [64] 陈，N。；Majda，A.J。；Tong，X.T.，《大尺寸Fokker-Planck方程高效统计精确算法的严格分析》，SIAM/ASA J.Uncertain。数量。，6, 1198-1223 (2018) ·Zbl 1410.35244号 ·doi:10.1137/17M1142004 [65] 陈，N。；Majda，A.J.，《利用复杂湍流系统中福克-普朗克方程的精确统计战胜维数诅咒》，Proc。国家。阿卡德。科学。，114, 12864-12869 (2017) ·Zbl 1404.35444号 ·doi:10.1073/pnas.1717017114 [66] Kalman，R.E.，《线性滤波和预测问题的新方法》，《基础工程杂志》，第82期，第35-45页（1960年）·数字对象标识代码：10.1115/1.3662552 [67] Kalman，R.E。；Bucy，R.S.，《线性滤波和预测理论的新结果》，《基础工程杂志》，第83期，第95-108页（1961年）·doi:10.115/1.3658902 [68] 布拉默，K。；Siffling，G.，Kalman-Bucy过滤器（1989），Artech House on Demand [69] Lorenz，E.N.，《确定性非周期流》，J.Atmos。科学。，20, 130-141 (1963) ·Zbl 1417.37129号 ·doi:10.1175/1520-0469（1963）020<0130:DNF>2.0.CO；2 [70] Lorenz，E.N.，“可预测性：部分解决的问题”，载于《可预测性研讨会论文集》（剑桥大学出版社，1996年），第1卷。 [71] Majda，A.J。；Branicki，M.，湍流动力系统的不确定性量化课程，离散连续动态。系统。A、 32，3133-3221（2012年）·Zbl 1264.94076号 ·doi:10.3934/dcds.2012.32.3133 [72] Majda，A.J。；Gershgorin，B.，《通过经验信息理论提高复杂系统的模型保真度和灵敏度》，Proc。国家。阿卡德。科学。，108, 10044-10049 (2011) ·兹比尔1256.94026 ·doi:10.1073/pnas.1105174108 [73] von Neumann，J.，“关于预测气候波动问题的一些评论”，载于《气候动力学》（Elsevier，1960），第9-11页。 [74] 蒙克里夫，M.W。；夏皮罗，医学硕士。；斯林戈，J.M。；Molteni，F.，《天气与气候交叉点的合作研究》，公牛出版社。世界气象报。器官。，56, 204-211 (2007) [75] 马登，R.A。；Julian，P.R.，《热带太平洋纬向风中40-50天振荡的探测》，J.Atmos。科学。，28, 702-708 (1971) ·doi:10.1175/1520-0469（1971）028<0702:DOADOI>2.0.CO；2 [76] 马登，R.A。；Julian，P.R.，《热带地区40-50天周期的全球尺度环流细胞描述》，J.Atmos。科学。，29, 1109-1123 (1972) ·doi:10.1175/1520-0469（1972）029<1109:DOGSCC>2.0.CO；2 [77] Majda，A.J。；Stechmann，S.N。；陈，S。；Ogrosky，R.H。；Thual，S.，《热带季内变化和随机骨架方法》（2019年），斯普林格·Zbl 1448.86003号 [78] 陈，N。；Majda，A.J.，J.计算。物理。，397, 108836 (2019) ·Zbl 1453.65008号 ·doi:10.1016/j.jcp.2019.07.035 [79] Tanner，医学硕士。；Wong，W.H.，《通过数据增强计算后验分布》，美国统计协会，82，528-540（1987）·Zbl 0619.62029号 ·doi:10.1080/01621459.1987.10478458 [80] 戈莱特利，A。；Wilkinson，D.J.，有误差观测的非线性多元扩散模型的贝叶斯推断，Comput。统计数据分析。，52, 1674-1693 (2008) ·Zbl 1452.62603号 ·doi:10.1016/j.csda.2007.05.019 [81] 魏国忠。；Tanner，M.A.，EM算法和穷人数据扩充算法的蒙特卡洛实现，J.Am.Stat.Assoc.，85699-704（1990）·网址：10.1080/01621459.1990.10474930 [82] Papaspiliopoulos，O。；Roberts，G.O。；Stramer，O.，《扩散数据增强》，J.Compute。图表。统计，22，665-688（2013）·doi:10.1080/10618600.2013.783484 [83] Vihola，M.，具有强制接受率的鲁棒自适应Metropolis算法，统计计算。，997-1008年（2012年）·Zbl 1252.65024号 ·doi:10.1007/s11222-011-9269-5 [84] Taylor，K.E.，《在单个图表中总结模型性能的多个方面》，J.Geophys。Res.大气。，106, 7183-7192 (2001) ·doi:10.1029/2000JD900719 [85] Houtekamer，P.L。；Mitchell，H.L.，《使用集合卡尔曼滤波技术进行数据同化》，蒙大拿州。《天气评论》，126796-811（1998）·doi:10.1175/1520-0493（1998）126<0796:DAUAEK>2.0.CO；2 [86] Lermusiaux，P.F.，通过误差子空间统计估计进行数据同化。第二部分：中大西洋湾破架前沿模拟和ESSE验证，周一。《天气评论》，1271408-1432（1999）·doi:10.1175/1520-0493（1999）127<1408:DAVESS>2.0.CO；2 [87] Hendon，H.H。；林，E。；王，G。；阿尔维斯，O。；Hudson，D.，预测两种厄尔尼诺现象的前景，地球物理学。Res.Lett.公司。，36，L19713（2009）·doi:10.1029/2009GL040100 [88] 金·H·M。；韦伯斯特，P.J。；Curry，J.A.，ECMWF系统4的季节预报技巧和NCEP CFSv2北半球冬季回顾预报，Clim。动态。，39, 2957-2973 (2012) ·doi:10.1007/s00382-012-1364-6 [89] 齐，D。；Majda，A.J.，统计响应和不确定性量化的低维降阶模型：双层斜压湍流，J.Atmos。科学。，73, 4609-4639 (2016) ·doi:10.1175/JAS-D-16-0192.1 [90] Majda，A.J。；Gershgorin，B.，通过经验信息理论量化气候变化科学中的不确定性，Proc。国家。阿卡德。科学。，10714958-14963（2010年）·doi:10.1073/编号.1007009107 [91] Kleeman，R.，《使用相对熵测量动态预测效用》，J.Atmos。科学。，59, 2057-2072 (2002) ·doi:10.1175/1520-0469（2002）059<2057:MDPUUR>2.0.CO；2 [92] Kleeman，R.，《信息理论与动力系统可预测性》，《熵》，第13期，第612-649页（2011年）·兹比尔1229.94026 ·doi:10.3390/e13030612 [93] Branicki，M。；Majda，A.，《通过信息理论量化湍流动力系统的贝叶斯滤波器性能》，Commun。数学。科学。，12, 901-978 (2014) ·Zbl 1302.93212号 ·doi:10.4310/CMS.2014.v12.n5.a6 [94] Majda，A。；阿布拉莫夫，R.V。；Grote，M.J.，《多尺度非线性系统的信息理论和随机性》，25（2005），美国数学学会·Zbl 1082.60002 [95] Kullback，S。；Leibler，R.A.，《信息与充分性》，《数学年鉴》。《统计》，22，79-86（1951）·Zbl 0042.38403号 ·doi:10.1214/aoms/1177729694 [96] Kullback，S.，致编辑的信：《Kullback-Leibler距离》，美国统计局，41，340-341（1987） [97] Kullback，S.，《统计与信息理论》（1959），John Wiley&Sons：John Willey&Sons，纽约·Zbl 0149.37901号 [98] 查尼·J·G。；DeVore，J.G.，《大气和阻塞中的多重流动平衡》，J.Atmos。科学。，36, 1205-1216 (1979) ·doi:10.1175/1520-0469（1979）036<1205:MFEITA>2.0.CO；2 [99] Wiin-Nielsen，A.，具有强迫和耗散的低阶正压系统的稳态和稳定性，Tellus，31375-386（1979）·doi:10.3402/tellusa.v31i5.10452 [100] Franzke，C。；克罗梅林，D。；Fischer，A。；Majda，A.J.，《大气流动状态和亚稳态的隐马尔可夫模型透视》，J.Clim。，21, 1740-1757 (2008) ·doi:10.1175/2007JCLI1751.1 [101] Baur，F.，“扩展范围天气预报”，收录于《气象学纲要》（Springer，1951），第814-833页。 [102] Rex，D.F.，对流层中层的阻塞作用及其对区域气候的影响：I.阻塞作用的气象学研究，Tellus，2196-211（1950） [103] 多尔·R·M。；戈登，N.D.，《北半球温带冬季环流的持续异常：地理分布和区域持续性特征》，周一。《天气评论》，111，1567-1586（1983）·doi:10.1175/1520-0493（1983）111＜1567：PAOTEN＞2.0.CO；2 [104] Cheng，X。；Wallace，J.M.，《北半球冬季500百帕高度场的聚类分析：空间模式》，大气杂志。科学。，50, 2674-2696 (1993) ·doi:10.1175/1520-0469（1993）050<2674:CAOTNH>2.0.CO；2 [105] Kimoto，M。；Ghil，M.，《北半球冬季的多重流态》。第二部分：部门制度和首选过渡，大气杂志。科学。，50, 2645-2673 (1993) ·doi:10.1175/1520-0469（1993）050<2645:MFRITN>2.0.CO；2 [106] Franzke，C。；Majda，A.J.，原型大气GCM的低阶随机模式简化，J.Atmos。科学。，63, 457-479 (2006) ·doi:10.1175/JAS3633.1 [107] 伯纳，J。；Branstator，G.，AGCM行星波动力学中的线性和非线性特征：概率密度函数，J.Atmos。科学。，64, 117-136 (2007) ·doi:10.1175/JAS3822.1 [108] Majda，A.J。；Franzke，C。；Khouider，B.，《气候随机建模的应用数学观点》，Philos。变速器。R.Soc.A：数学。物理学。工程科学。，366, 2427-2453 (2008) ·Zbl 1153.86315号 ·doi:10.1098/rsta.2008.012 [109] 齐，D。；Majda，A.J.，用于统计响应和不确定性量化的低维降阶模型：地形正压湍流，Physica D，343，7-27（2017）·Zbl 1378.86007号 ·doi:10.1016/j.physd.2016.11.006 [110] 齐，D。；Majda，A.J.，单层湍流地球物理流不确定性量化的严格统计界限，J.非线性科学。，28, 1709-1761 (2018) ·Zbl 1403.76021号 ·doi:10.1007/s00332-018-9462-1 [111] Palmer，T.N.，《关于模型误差的非线性动力学观点：天气和气候预测模型中非局部随机动力学参数化的建议》，Q.J.R.Meteorol。《社会学杂志》，127279-304（2001） [112] 伯纳，J。；阿查兹，美国。；巴蒂，L。；Bengtsson，L。；Cámara，A.d.l。；Christensen，H.M。；科朗基利，M。；科尔曼·D·R。；克罗梅林，D。；DolaptchievS.I.，《随机参数化：天气和气候模型的新观点》，Bull。Am.Meteorol公司。Soc.，98565-588（2017）·doi:10.1175/BAMS-D-15-00268.1 [113] 林，J.W.-B。；Neelin，J.D.，《普通环流模型中的随机深对流参数化》，地球物理学。Res.Lett.公司。，30, 1162 (2003) ·doi:10.1029/2002GL016203 [114] Branicki，M。；Majda，A.J.，《用模型误差量化间歇非高斯系统预测的不确定性》，非线性，25，2543（2012）·Zbl 1259.86004号 ·doi:10.1088/0951-7715/25/9/2543 [115] Majda，A.J。；阿布拉莫夫，R。；Gershgorin，B.，《尽管结构不稳定，通过波动耗散定理进行低频气候响应的高技能》，Proc。国家。阿卡德。科学。，107, 581-586 (2010) ·Zbl 1205.86025号 ·doi:10.1073/pnas.0912997107 [116] Majda，A.J。；Franzke，C。；Crommelin，D.，简化随机气候模型的标准形，Proc。国家。阿卡德。科学。，106, 3649-3653 (2009) ·Zbl 1202.86011号 ·doi:10.1073/pnas.0900173106 [117] Gershgorin，B。；哈里姆·J。；Majda，A.J.，《通过随机参数估计改进模型误差滤波的测试模型》，J.Compute。物理。，229, 1-31 (2010) ·Zbl 1178.93133号 ·doi:10.1016/j.jcp.2009.08.019 [118] Gershgorin，B。；哈里姆·J。；Majda，A.J.，《通过随机参数估计改进具有模型误差的空间扩展湍流系统的滤波和预测》，J.Compute。物理。，229, 32-57 (2010) ·Zbl 1178.93134号 ·doi:10.1016/j.jcp.2009.09.022 [119] Majda，A.J。；Yuan，Y.，物理系统特别线性和二次多级回归模型的基本限制，离散连续动态。系统。B、 17、1333-1363（2012）·Zbl 1263.62100号 ·doi:10.3934/dcdsb.2012.1333 [120] Anderson，J.L.，用于数据同化的集合调整卡尔曼滤波器，Mon。Weather修订版，1292884-2903（2001）·doi:10.1175/1520-0493（2001）129<2884:AEAKFF>2.0.CO；2 [121] 斯派罗，C.，《洛伦兹方程：分岔、混沌和奇怪吸引子》，41（2012），斯普林格科学与商业媒体 [122] Haken，H.，《流体和激光中较高不稳定性的类比》，《物理学》。莱特。A、 53、77-78（1975）·doi:10.1016/0375-9601（75）90353-9 [123] Knobloch，E.，《分段圆盘发电机中的混沌》，Phys。莱特。A、 82、439-440（1981）·doi:10.1016/0375-9601（81）90274-7 [124] 戈曼，M。；魏德曼，P。；Robbins，K.，《对流回路的非线性动力学：实验与理论的定量比较》，Physica D，19255-267（1986）·Zbl 0588.76094号 ·doi:10.1016/0167-2789（86）90022-9 [125] Hemati，N.，《无刷直流电机中的奇怪吸引子》，IEEE Trans。电路系统。一： 芬丹。理论应用。，41, 40-45 (1994) ·数字对象标识代码：10.1109/81.260218 [126] 库莫，K.M。；奥本海姆，A.V.，《同步混沌的电路实现及其在通信中的应用》，物理学。修订稿。，71, 65 (1993) ·doi:10.1103/PhysRevLett.71.65 [127] Poland，D.，《协同催化与化学混沌：洛伦兹方程的化学模型》，Physica D，65，86-99（1993）·Zbl 0772.34039号 ·doi:10.1016/0167-2789（93）90006-M [128] 塞诺夫，S.I。 [129] 克罗梅林，D.T。；Opsteegh，J。；Verhulst，F.，大气状态行为的机制，J.Atmos。科学。，61, 1406-1419 (2004) ·doi:10.1175/1520-0469（2004）061<1406:AMFARB>2.0.CO；2 [130] 克罗梅林，D。；Majda，A.，《模型简化策略：比较不同的最优基础》，J.Atmos。科学。，61, 2206-2217 (2004) ·doi:10.1175/1520-0469（2004）061<2206:SFMRCD>2.0.CO；2 [131] A.卢比。；Kashinath，K。；库马尔，N。；李，V。；克拉奇菲尔德，J.P。 [132] Mudigonda，M.、Kim，S.、Mahesh，A.、Kahou，S.，Kashinath，K.、Williams，D.、Michalski，V.、O'Brien，T.和Prabhat，M.，“使用神经网络分割和跟踪极端气候事件”，《物理科学深度学习（DLPS）研讨会》，与NIPS会议一起举行（2017年）。 [133] 拉贡，F。；沃特斯，J。；Bouchet，F.，使用大偏差算法计算气候模型中的极端热浪，Proc。国家。阿卡德。科学。，115, 24-29 (2018) ·Zbl 1416.86013号 ·doi:10.1073/pnas.1712645115 [134] Majda，A.J。；Qi，D.，混沌，29103131（2019）·Zbl 1433.62337号 ·数字对象标识代码：10.1063/1.5118690 [135] 陈，N。；Giannakis，D。；赫贝，R。；Majda，A.J.，用于具有隐藏间歇性不稳定性的信号中的参数估计的MCMC算法，SIAM/ASA J.不确定。数量。，2, 647-669 (2014) ·Zbl 1350.60071号 ·数字对象标识代码：10.1137/130944977 [136] Giannakis，D。；Majda，A.J。；Horenko，I.，《复杂非线性系统随机模型的信息理论、模型误差和预测技巧》，Physica D，2411735-1752（2012）·Zbl 1260.62067号 ·doi:10.1016/j.physd.2012.07.005 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。