×
陈楠;安德鲁·马吉达（Andrew J.Majda）。

具有部分观测值的复杂湍流非线性动力系统的高效非线性最优平滑和采样算法。 （英语） Zbl 1436.37091号

J.计算。物理学。 410，文章ID 109381，26 p.（2020）.
摘要：针对一类具有部分观测值和噪声观测值的复杂非线性湍流动力系统，提出了一种非线性最优平滑器和相关的隐模型轨迹采样优化策略。尽管底层系统具有强非线性和显著的非高斯特性，但最优平滑估计和采样轨迹都可以通过闭合的解析公式求解。因此，它们具有计算效率，并且这些方法适用于高维系统。非线性最优平滑器能够估计与各种非高斯现象相关的隐藏模型状态，并且特别擅长捕捉观察到的和隐藏的极端事件的发生、消亡和振幅。另一方面，采样的隐藏轨迹成功地恢复了潜在非线性系统的动态和统计特征，包括最终的非高斯概率密度函数和时间自相关函数。在只有短时间的部分观测训练时间序列的情况下，可以使用最佳采样策略以无偏的方式有效地创建足够数量的样本，这有助于准确预测观测变量和隐藏变量中的重要非高斯特征。此外，基于不完美模型的采样轨迹所提供的信息可以有效地量化模型误差。它还提供了一种系统方法来改进高度非高斯系统中的近似模型和随机参数化，从而提高实时预测。

引用于5文件

MSC公司：

37M10个 动力系统的时间序列分析
62G32型 极值统计；尾部推断

关键词：

非线性最优平滑;最佳反向采样;复杂非线性湍流系统;隐藏变量;极端事件;模型误差

软件：

合卡尔曼滤波
PDF格式BibTeX公司 XML格式引用
\textit{N.Chen}和\textit{A.J.Majda}，J.Compute。物理学。410，文章ID 109381，26 p.（2020；Zbl 1436.37091）
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导论》（2016），施普林格·兹比尔1377.37003
[2] 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
[3] 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
[4] Deisboeck，T。；Kresh，J.Y.，《生物医学中的复杂系统科学》（2007），Springer Science&Business Media
[5] Farazmand，M。；Sapsis，T.P.，《极端事件：机制和预测》，应用。机械。第71、5版（2019年）
[6] M.W.丹尼。；亨特·L·J。；Miller，L.P。；Harley，C.D.，《关于极端生态事件的预测》，《生态专著》，79，3，397-421（2009）
[7] Mohamad，医学硕士。；Sapsis，T.P.，由相关随机过程激发的间歇不稳定动力系统中极端事件的概率描述，SIAM/ASA J.不确定性。量化。，3, 1, 709-736 (2015) ·Zbl 1327.62324号
[8] Kalnay，E.，《大气建模、数据同化和可预测性》（2003），剑桥大学出版社
[9] 拉霍兹，W。；卡塔托夫，B。；Ménard，R.，《数据同化与信息》，（数据同化（2010），施普林格出版社），第3-12页·Zbl 1194.86002号
[10] 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
[11] Evensen，G.，《数据同化：集成卡尔曼滤波器》（2009），Springer Science&Business Media·Zbl 1395.93534号
[12] 法律，K。；Stuart，A。；Zygalakis，K.，《数据同化：数学导论》，第62卷（2015），施普林格出版社·Zbl 1353.60002号
[13] 劳赫，H.E。；斯特里贝尔，C。；Tung，F.，线性动力系统的最大似然估计，AIAA J.，3，8，1445-1450（1965）
[14] Simonoff，J.S.，《统计学中的平滑方法》（2012），施普林格科学与商业媒体
[15] Kalman，R.E.，《线性滤波和预测问题的新方法》，J.Basic Eng.，82，1，35-45（1960）
[16] Bierman，G.J.，离散序列估计的因子分解方法（2006），Courier Corporation
[17] 贝尔曼，R。；Kalaba，R.E.，《动态规划与现代控制理论》，第81卷（1965年），Citeser
[18] 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，20，7，509（2018）
[19] 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。天气修订版，144，12，4885-4917（2016）
[20] Majda，A.J。；Harlim，J.，时间序列的物理约束非线性回归模型，非线性，26，1，201（2012）·兹比尔1262.93024
[21] 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
[22] 林德纳，B。；Garcña-Ojalvo，J。；奈曼，A。；Schimansky-Geier，L.，可激发系统中噪声的影响，物理学。众议员，392，6，321-424（2004）
[23] 梅德文斯基，A.B。；彼得罗夫斯基公司。；蒂霍诺娃，I.A。；Malchow，H。；Li，B.-L.，浮游生物和鱼类动态的时空复杂性，SIAM Rev.，44，3，311-370（2002）·Zbl 1001.92050
[24] Salmon，R.，《地球物理流体动力学讲座》（1998），牛津大学出版社
[25] Vallis，G.K.，《大气和海洋流体动力学》（2017），剑桥大学出版社·Zbl 1374.86002号
[26] Liptser，R.S。；Shiryaev，A.N.，《随机过程统计II：应用》，第6卷（2013），Springer Science&Business Media
[27] 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, 15, 5612-5619 (2014)
[28] 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、6、2148-2169（2015）
[29] 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。预测。，1, 1, 1-20 (2015) ·Zbl 1364.86015号
[30] 陈，N。；Majda，A.J。；Sabeerali，C。；Ajayamohan，R.，使用低阶非线性随机模型预测季风季内降水，J.Climate，31，11，4403-4427（2018）
[31] 陈，N。；Majda，A.J.，过滤Madden-Jlian振荡的随机骨架模型，周一。天气修订版，144，2501-527（2016）
[32] 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剂的信息屏障，非线性，27，9，2133（2014）·兹比尔1320.60102
[33] 陈，N。；Majda，A.J。；Tong，X.T.，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, 3, 451-488 (2015) ·Zbl 1329.76128号
[34] 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。天气评论，144，11，4037-4061（2016）
[35] 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) ·Zbl 1349.76761号
[36] 基廷，S.R。；Majda，A.J。；Smith，K.S.，《利用卫星测高估算海洋涡流热传输的新方法》，孟买。《天气评论》，140，5，1703-1722（2012）
[37] 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
[38] 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。，第201405675条pp.（2014）
[39] 克劳登，体育。；Platen，E.，随机微分方程的高阶隐式强数值格式，J.Stat.Phys。，66, 1-2, 283-314 (1992) ·Zbl 0925.65261号
[40] 阿德里安·R。；Christensen，K。；刘振中，瞬时湍流速度场的分析与解释，实验流体，29，3，275-290（2000）
[41] 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
[42] 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。定量猫。，1198-1223年6月3日（2018年）·Zbl 1410.35244号
[43] 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。，1144912864-12869（2017）·Zbl 1404.35444号
[44] Gardiner，C.W.，《物理、化学和自然科学随机方法手册》，《Springer协同学丛书》，第13卷（2004年）·Zbl 1143.60001号
[45] 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.，60，3，491-549（2018）·Zbl 1393.76041号
[46] Majda，A.J。；Qi，D.，《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》，Chaos，29，10，第103131页，（2019）·Zbl 1433.62337号
[47] 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, 6, 1687-1722 (2016) ·Zbl 1349.76101号
[48] 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, 12, 4609-4639 (2016)
[49] 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》，83，1，95-108（1961）
[50] Bucy，R.S。；Joseph，P.D.，《随机过程的过滤及其在指导中的应用》，第326卷（2005），美国数学学会。
[51] 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，25，9，2543（2012）·Zbl 1259.86004号
[52] 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, 2, 581-586 (2010) ·Zbl 1205.86025号
[53] 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, 10, 3649-3653 (2009) ·Zbl 1202.86011号
[54] Gershgorin，B。；哈莱姆，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.Comput。物理。，229, 1, 1-31 (2010) ·Zbl 1178.93133号
[55] 格什戈林，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, 1, 32-57 (2010) ·Zbl 1178.93134号
[56] 陈，N。；Majda，A.J.，具有部分观测值的高维复杂非线性湍流动力系统的一种新的有效参数估计算法，J.Compute。物理。，397，第108836条pp.（2019）·Zbl 1453.65008号
[57] Majda，A.J。；Franzke，C。；Khouider，B.，《气候随机建模的应用数学观点》，Philos。事务处理。R.Soc.伦敦。A、 数学。物理学。工程科学。，366, 1875, 2427-2453 (2008) ·Zbl 1153.86315号
[58] 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》，第25卷（2005年），美国数学学会·Zbl 1082.60002
[59] 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。，96, 26, 14687-14691 (1999) ·Zbl 0966.86003号
[60] 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, 8, 891-974 (2001) ·Zbl 1017.86001号
[61] Majda，A。；蒂莫菲耶夫，I。；Vanden-Eijnden，E.，大型确定性系统中选定慢变量的随机模型，非线性，19，4，769（2006）·Zbl 1101.60048号
[62] Philander，S.G.H.，《厄尔尼诺南方振荡现象》，《自然》，302，5906，295（1983）
[63] Särkkä，S.，贝叶斯滤波与平滑，第3卷（2013），剑桥大学出版社·Zbl 1274.62021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。