韦恩·艾萨克·谭（Wayne Isaac Tan）;本杰明·佩赫斯托弗 非马尔可夫项的算子推理，用于从部分观测状态轨迹学习简化模型。 （英语） 兹比尔1470.93035 科学杂志。计算。 88，第3期，第91号论文，第31页（2021年）. 摘要：这项工作介绍了一种非侵入式模型约简方法，用于从部分观测到的高维动力学系统的状态轨迹中学习约简模型。该方法通过构建非马尔科夫约化模型来补偿部分观测状态造成的信息损失，该模型基于约化状态的历史进行未来状态预测，而传统的马尔科夫简化模型仅依赖当前约化状态来预测下一个状态。这项工作的核心贡献是一种从高维动力系统中对部分观测状态进行采样的数据采样方案，以及一种将非马尔可夫约化项拟合到采样状态的回归问题的公式。在某些条件下，所提出的方法从数据中恢复与通过侵入方法获得的完全相同的非马尔可夫项，侵入方法需要高维动力系统的控制方程和离散算子。数值结果表明，该方法可以得到远超出训练范围的非马尔可夫简化模型。此外，在数值实验中，该方法从只有20%的观测状态分量的轨迹中学习非马尔科夫约化模型，其准确度与99%的观测分量的轨迹拟合的传统马尔科夫简化模型相当。 引用于5文件 MSC公司： 93B11号机组 系统结构简化 93个B07 可观察性 关键词：科学机器学习;非侵入模型简化;动力系统;非马尔可夫约化模型;运算符推断;局部观测 软件：美国astsa;HODMD公司;娄威纳 PDF格式BibTeX公司 XML格式引用 \textit{W.I.T.Uy}和\textit{B.Peherstorfer}，科学杂志。计算。88，第3期，第91号论文，第31页（2021年；Zbl 1470.93035） 全文： 内政部 arXiv公司 参考文献： [1] 安托拉斯，AC；Anderson，BDQ，关于标量有理插值问题，IMA J.Math。控制信息，3，2-3，61-88（1986）·Zbl 0637.93014号 ·doi:10.1093/imamci/3.2-3.61 [2] 安托拉斯，AC；Gosea，IV；Ionita，AC，Loewner框架中双线性系统的模型简化，SIAM J.Sci。计算。，38、5、B889-B916（2016）·Zbl 1515.35038号 ·数字对象标识代码：10.1137/15M1041432 [3] 阿舍尔，UM；Ruuth，SJ；Spiteri，RJ，含时偏微分方程的隐式显式Runge-Kutta方法，应用。数字。数学。，25, 2-3, 151-167 (1997) ·Zbl 0896.65061号 ·doi:10.1016/S0168-9274（97）00056-1 [4] 比蒂，C。；Gugercin，S.，结构保护模型简化的插值投影方法，系统。控制信函。，58, 3, 225-232 (2009) ·Zbl 1159.93317号 ·doi:10.1016/j.sysconle.2008.10.016 [5] Beattie，C.，Gugercin，S.：实现依赖（{\cal{H}}_2）-近似。在：第36届IEEE决策与控制会议论文集，第4953-4958页，美国HI毛伊岛（2012） [6] Benner，P.、Goyal，P.，Kramer，B.、Peherstorfer，B.、Willcox。K.：具有非多项式非线性项的系统的非侵入模型约简的算子推理。计算。方法应用。机械。工程（验收）（2020年）·Zbl 1506.93015号 [7] 本纳，P。；古吉丁，S。；Willcox，K.，参数动力系统基于投影的模型简化方法综述，SIAM Rev.，57，4，483-531（2015）·Zbl 1339.37089号 ·doi:10.1137/130932715 [8] Billings，SA，《非线性系统识别：时间、频率和时空域中的NARMAX方法》（2013），奇切斯特：威利，奇切斯·Zbl 1287.93101号 ·doi:10.1002/9781118535561 [9] 布鲁顿，SL；普克托，JL；Kutz，JN，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 ·doi:10.1073/pnas.1517384113 [10] 冠军，KP；布鲁顿，SL；库茨，JN，《非线性多尺度系统的发现：采样策略和嵌入》，SIAM J.Appl。动态。系统。，18, 1, 312-333 (2019) ·Zbl 1474.65476号 ·doi:10.137/18M1188227 [11] Chorin，A。；俄亥俄州哈尔德，《数学和科学中的随机工具》（2009），纽约：斯普林格出版社，纽约·Zbl 1184.60001号 ·doi:10.1007/978-1-4419-1002-8 [12] Chorin，A。；Stinis，P.，《问题简化、重整化和记忆》，Commun。申请。数学。计算。科学。，1, 1, 1-27 (2006) ·Zbl 1108.82023号 ·doi:10.2140/camcos.2006.1.1 [13] Chorin，AJ；俄亥俄州哈尔德；Kupferman，R.，《记忆的最佳预测》，《物理D》，166，3-4，239-257（2002）·Zbl 1017.60046号 ·doi:10.1016/S0167-2789（02）00446-3 [14] Clainche，SL；Vega，JM，高阶动态模式分解，SIAM J.Appl。动态。系统。，16, 2, 882-925 (2017) ·Zbl 1373.37169号 ·数字对象标识代码：10.1137/15M1054924 [15] 德鲁特，J。；维伦德尔斯，J。；Willcox，K.，为设计、优化和概率分析获得参数化模型而在降阶矩阵之间进行插值，国际期刊Numer。方法。流体，63207-230（2009）·Zbl 1188.65110号 [16] 德马奇，Z。；古吉丁，S。；Beattie，C.，矩阵值有理逼近的向量拟合，SIAM J.Sci。计算。，37，5，A2346-A2379（2015）·Zbl 1323.93050号 ·doi:10.1137/15M1010774 [17] 吉冯博士。；Kupferman，R。；Stuart，A.，《提取宏观动力学：模型问题和算法》，非线性，17，6，R55-R127（2004）·Zbl 1073.82038号 ·doi:10.1088/0951-7715/17/6/R01 [18] Gosea，IV；Antoulas，AC，二次双线性系统的数据驱动模型降阶，Numer。线性代数应用。，25,6,e2200（2018）·Zbl 1513.93013号 ·doi:10.1002/nla.2200 [19] 古吉丁，S。；Antoulas，AC，《通过平衡截断进行模型简化的调查和一些新结果》，国际期刊控制，77，8，748-766（2004）·Zbl 1061.93022号 ·doi:10.1080/0207170410001713448 [20] 古斯塔夫森，B。；Semlyen，A.，通过矢量拟合对频域响应进行有理逼近，IEEE Trans。电力输送，14，3，1052-1061（1999）·doi:10.1109/61.772353 [21] 赫塞文，JS；Rozza，G。；Stamm，B.，《参数化偏微分方程的认证简化基方法》（2016），柏林：施普林格国际出版社，柏林·Zbl 1329.65203号 ·doi:10.1007/978-3-319-22470-1 [22] Hochreiter，S。；Schmidhuber，J.，长短期记忆，神经计算。，9, 8, 1735-1780 (1997) ·doi:10.1162/neco.1997.9.8.1735 [23] 爱奥尼亚，AC；Antoulas，AC，Loewner框架中的数据驱动参数化模型简化，SIAM J.Sci。计算。，36、3、A984-A1007（2014）·Zbl 1297.65072号 ·doi:10.1137/130914619 [24] Juang，J-N；Pappa，RS，模态参数识别和模型简化的特征系统实现算法，J.Guid。控制。动态。，8, 5, 620-627 (1985) ·Zbl 0589.93008号 ·数字对象标识代码：10.2514/3.20031 [25] Kramer，B.，Gugercin，S.：切向插值数据的特征系统实现算法。《动力系统的数学和计算机建模》（2016）即将出版·Zbl 1348.93132号 [26] JN库茨；布鲁顿，SL；布伦顿，BW；Proctor，JL，《动态模式分解：复杂系统的数据驱动建模》（2016），新德里：SIAM，新德里·Zbl 1365.65009号 ·数字对象标识代码：10.1137/1.9781611974508 [27] Lefteriu，S。；Antoulas，A.，《从频域数据建模多端口系统的新方法》，计算机辅助设计。集成。电路系统。IEEE传输。，29, 1, 14-27 (2010) ·doi:10.10109/TCAD.2009.2034500 [28] 林，KK；Lu，F.，数据驱动的模型约简，Wiener投影和Koopman-Mori-Zwanzig形式主义，J.Comput。物理。，424, 109864 (2021) ·Zbl 07508469号 ·doi:10.1016/j.jcp.2020.109864 [29] Maulik，R。；莫汉，A。；Lusch，B。；Madiredy，S。；巴拉普拉卡什，P。；Livescu，D.，《用于降阶模型闭合的潜在空间动力学的时序学习》，Physica D，405132368（2020）·Zbl 07477434号 ·doi:10.1016/j.physd.2020.132368 [30] A.梅奥。；Antoulas，A.，解决广义实现问题的框架，线性代数应用。，425, 2-3, 634-662 (2007) ·Zbl 1118.93029号 ·doi:10.1016/j.laa.2007.03008 [31] McQuarrie，S.A.、Huang，C.、Willcox，K.：针对单喷射器燃烧过程，通过正则化算子推断建立数据驱动的降阶模型。arXiv电子打印，第arXiv页：2008.02862（2020） [32] 牟，C。；刘，H。；威尔斯，DR；伊利埃斯库，T.，《准营养方程的数据驱动校正降阶模型：数值研究》，国际期刊计算。流体动力。，34, 2, 147-159 (2020) ·Zbl 1483.76047号 ·doi:10.1080/10618562.2020.1723556 [33] 潘，S。；Duraisamy，K.，《封闭模型的数据驱动发现》，SIAM J.Appl。动态。系统。，17, 4, 2381-2413 (2018) ·Zbl 1411.70023号 ·doi:10.1137/18M1177263 [34] Peherstorfer，B.，《利用算子推断从数据中采样低维马尔可夫动力学以预渐近恢复简化模型》，SIAM J.Sci。计算。，42、5、A3489-A3515（2020）·Zbl 1456.65120号 ·doi:10.1137/19M1292448 [35] 佩赫斯托弗，B。；Willcox，K.，动态数据驱动的降阶模型，计算。方法应用。机械。工程，291，21-41（2015）·Zbl 1425.65205号 ·doi:10.1016/j.cma.2015.03.018 [36] 佩赫斯托弗，B。；Willcox，K.，基于非侵入投影的模型简化的数据驱动算子推断，计算。方法应用。机械。工程，306196-215（2016）·兹比尔1436.93062 ·doi:10.1016/j.cma.2016.03.025 [37] 钱，E。；Kramer，B。；佩赫斯托弗，B。；Willcox，K.，Lift&learn:面向大规模非线性动力学系统的物理机器学习，Physica D，406132401（2020）·Zbl 1493.62512号 ·doi:10.1016/j.physd.200.132401 [38] Quarteroni，A。；Rozza，G。；Manzoni，A.，《参数化偏微分方程和应用的认证约化基近似》，J.Math。Ind.，1，1，3（2011年）·Zbl 1273.65148号 ·doi:10.1186/2190-5983-1-3 [39] 罗利，C。；Mezić，I。；Bagheri，S。；施拉特，P。；Henningson，D.，非线性流动的谱分析，J.流体力学。，641, 115-127 (2009) ·Zbl 1183.76833号 ·doi:10.1017/S0022112009992059 [40] Rozza，G。；Huynh，D。；Patera，AT，仿射参数化椭圆强制偏微分方程的约化基近似和后验误差估计，Arch。计算。《工程方法》，15，3，1-47（2008）·兹比尔1304.65251 ·doi:10.1007/BF03024948 [41] Sagaut，P.，《不可压缩流动的大涡模拟：简介》（2006年），柏林-纽约：Springer-Verlag，柏林-美国纽约·兹比尔1091.76001 [42] 谢弗，H。；Caflisch，R。；哈克，CD；Osher，S.，偏微分方程的稀疏动力学，Proc。国家。阿卡德。科学。，110, 17, 6634-6639 (2013) ·兹比尔1292.35012 ·doi:10.1073/pnas.1302752110 [43] 谢弗，H。；Tran，G。；Ward，R.，《从有限数据中提取稀疏高维动力学》，SIAM J.Appl。数学。，78, 6, 3279-3295 (2018) ·Zbl 1405.62127号 ·doi:10.1137/18M116798X [44] Schmid，P.，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 ·doi:10.1017/S0022112010001217 [45] Schmid，P.，Sesterhenn，J.：数值和实验数据的动态模式分解。摘自：美国物理学会公报，第61届APS会议，第208页。美国物理学会（2008） [46] 舒尔茨，P。；Unger，B.，时滞动力系统的数据驱动插值，系统。控制信函。，97, 125-131 (2016) ·Zbl 1350.93027号 ·doi:10.1016/j.sysconle.2016.09.007 [47] 舒尔茨，P。；Unger，B。；比蒂，C。；Gugercin，S.，数据驱动结构化实现，线性代数应用。，537, 250-286 (2018) ·Zbl 1373.93087号 ·doi:10.1016/j.laa.20127.09.030 [48] Shumway，R。；Stoffer，DS，《时间序列分析及其应用：以R为例》（2011年），纽约：Springer，纽约·Zbl 1276.62054号 ·doi:10.1007/978-14419-7865-3 [49] Stinis，P.，无尺度分离系统的重整化Mori-Zwanzig简化模型，Proc。皇家社会科学院：数学。物理学。工程科学。，471, 2176, 20140446 (2015) ·Zbl 1371.82084号 ·文件编号：10.1098/rspa.2014.0446 [50] 苏亚雷斯，E。；阿德尔曼，JL；扎克曼，DM，《蛋白质折叠和展开时间的准确估计：超越马尔可夫状态模型》，J.Chem。理论计算。，12, 8, 3473-3481 (2016) ·doi:10.1021/acs.jctc.6b00339 [51] 瑞士R。；Kramer，B。；黄，C。；Willcox，K.，《学习单喷射器燃烧过程的基于物理的降阶模型》，AIAA J.，58，6，2658-2672（2020）·doi:10.2514/1.J058943 [52] 涂，JH；罗利，CW；Luchtenburg，DM；布鲁顿，SL；JN Kutz，《关于动态模式分解：理论和应用》，J.Compute。动态。，1391-421（2014年）·Zbl 1346.37064号 ·doi:10.3934/jcd.2014.1.391 [53] Uy，W.I.T.，Peherstorfer，B.：从线性抛物型偏微分方程控制的系统数据中学习的非侵入简化模型的概率误差估计。arXiv电子打印，第arXiv:2005.05890页，（2020） [54] 万，ZY；弗拉查斯，P。；库穆塔科斯，P。；Sapsis，T.，复杂动力系统中极端事件的数据辅助降阶建模，PLoS ONE，13，5，e0197704（2018）·doi:10.1371/journal.pone.019704 [55] Wang，J.，Ferguson，A.L.：单分子自由能表面的单变量时间序列非线性重建。物理学。版本E 93（3），1-28（2016） [56] Wang，J。；Ferguson，AL，通过延迟嵌入和流形学习从单分子时间序列中恢复蛋白质折叠漏斗，J.Phys。化学。B、 122、50、11931-11952（2018）·doi:10.1021/acs.jpcb.8b08800 [57] 王，Q。；Ripamonti，N。；Hesthaven，JS，基于Mori-Zwanzig形式的参数POD-galerkin降阶模型的递归神经网络闭包，J.Compute。物理。，410, 109402 (2020) ·Zbl 1436.65093号 ·doi:10.1016/j.jcp.2020.109402 [58] 王，Z。；阿赫塔，I。；Borggaard，J。；伊利埃斯库，T.，湍流的恰当正交分解闭合模型：数值比较，计算。方法应用。机械。工程，237-240，10-26（2012）·Zbl 1253.76050号 ·doi:10.1016/j.cma.2012.04.015 [59] 密苏里州威廉姆斯；Kevrekidis，IG；罗利，CW，《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) ·兹比尔1329.65310 ·doi:10.1007/s00332-015-9258-5 [60] 谢，X。；Mohebujjaman，M。；LG Rebholz；Iliescu，T.，流体流动的数据驱动过滤降阶建模，SIAM J.Sci。计算。，40、3、B834-B857（2018）·Zbl 1412.65158号 ·doi:10.1137/17M1145136 [61] Zucchini，W.，《时间序列的隐马尔可夫模型：使用R的简介》（2016），佛罗里达州博卡拉顿：CRC出版社，佛罗里达州波卡拉顿·Zbl 1362.62005年 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。