elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Predicting high-dimensional heterogeneous time series employing generalized local states

Baur, Sebastian und Räth, Christoph (2021) Predicting high-dimensional heterogeneous time series employing generalized local states. Physical Review Research, 3, 023215-1. American Physical Society. doi: 10.1103/PhysRevResearch.3.023215. ISSN 2643-1564.

[img] PDF - Verlagsversion (veröffentlichte Fassung)
2MB

Offizielle URL: https://journals.aps.org/prresearch/abstract/10.1103/PhysRevResearch.3.023215

Kurzfassung

We generalize the concept of local states (LS) for the prediction of high-dimensional, potentially mixed chaotic systems. The construction of generalized local states (GLS) relies on defining distances between time series on the basis of their (non-)linear correlations. We demonstrate the prediction capabilities of our approach based on the reservoir computing (RC) paradigm using the Kuramoto-Sivashinsky (KS), the Lorenz-96 (L96), and a combination of both systems. In the mixed system a separation of the time series belonging to the two different systems is made possible with GLS. More importantly, prediction remains possible with GLS, where the LS approach must naturally fail. Applications for the prediction of very heterogeneous time series with GLSs are briefly outlined.

elib-URL des Eintrags:https://elib.dlr.de/142829/
Dokumentart:Zeitschriftenbeitrag
Titel:Predicting high-dimensional heterogeneous time series employing generalized local states
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Baur, SebastianSebastian.Baur (at) dlr.dehttps://orcid.org/0000-0003-1924-8009NICHT SPEZIFIZIERT
Räth, ChristophChristoph.Raeth (at) dlr.deNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:17 Juni 2021
Erschienen in:Physical Review Research
Referierte Publikation:Ja
Open Access:Ja
Gold Open Access:Ja
In SCOPUS:Ja
In ISI Web of Science:Ja
Band:3
DOI:10.1103/PhysRevResearch.3.023215
Seitenbereich:023215-1
Verlag:American Physical Society
ISSN:2643-1564
Status:veröffentlicht
Stichwörter:Time Series Analysis, Chaos, Complex Systems, Machine Learning, Reservoir Computing, Prediction
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Forschung unter Weltraumbedingungen
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R FR - Forschung unter Weltraumbedingungen
DLR - Teilgebiet (Projekt, Vorhaben):R - PK-4
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Materialphysik im Weltraum > Gruppe Komplexe Plasmen
Hinterlegt von: Räth, Christoph
Hinterlegt am:22 Jun 2021 09:12
Letzte Änderung:05 Dez 2023 08:18

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.