[論文レビュー] Chaotic time series Part I: Estimation of invariant properies in state space

Dimitris Kugiumtzis, Bjoern Lillekjendlie+1 more|ArXiv.org|Jan 14, 1994

Complex Systems and Time Series Analysis被引用数 4

ひとこと要約

本稿では、カオス的システムのスカラー時系列から不変性特性（例えばリャプノフ指数や相関次元）を推定するための状態空間再構築技術を提示する。遅延座標埋め込みを用いることで、ノイズ混じりまたは複雑なデータに対しても決定的カオスの同定が可能となり、多様な現実世界のシステムへの応用が可能となる。本稿は、シリーズの第II部における非線形モデリングの基盤を築く。

ABSTRACT

Certain deterministic non-linear systems may show chaotic behaviour. Time series derived from such systems seem stochastic when analyzed with linear techniques. However, uncovering the deterministic structure is important because it allows for construction of more realistic and better models and thus improved predictive capabilities. This paper describes key features of chaotic systems including strange attractors and Lyapunov exponents. The emphasis is on state space reconstruction techniques that are used to estimate these properties, given scalar observations. Data generated from equations known to display chaotic behaviour are used for illustration. A compilation of applications to real data from widely different fields is given. If chaos is found to be present, one may proceed to build non-linear models, which is the topic of the second paper in this series.

研究の動機と目的

• スカラー時系列データからカオス的システムの不変性特性を信頼性高く推定するための手法を開発すること。
• 単一の観測変数しか利用できない状況において、カオス的ダイナミクスを分析する課題に対処すること。
• 遅延座標埋め込みを用いて、元の状態空間構造を再構築する可能性を示すこと。
• 実証的データにおける決定的カオスの同定を通じて、非線形モデリングの基盤を提供すること。
• シミュレートされたカオス的システムと、多様な分野からの実世界データを用いて、手法の妥当性を検証すること。

提案手法

• Takensの定理に基づき、遅延座標埋め込みを用いてスカラー時系列から状態空間を再構築する。
• 相関積分を用いて相関次元を推定し、アトラクタのフラクタル構造を定量化する。
• 偽の近隣点の手法を用いてリャプノフ指数を計算し、初期条件に対する感度を検出する。
• テストケースとして、既知のカオス的方程式（例：Lorenz、Rössler）から生成された時系列を用いる。
• 流体力学、神経科学、経済学など、多様な分野の実データに再構築および推定パイプラインを適用する。
• 結果および図の公開・配布のため、uuencoded tar圧縮PostScript形式を採用する。

実験結果

リサーチクエスチョン

• RQ1 遅延座標埋め込みを用いた状態空間再構築により、スカラー時系列からカオス的システムの不変性特性を信頼性高く推定できるか？
• RQ2 遅延座標埋め込みは、元のシステムのダイナミカル特性をどの程度保持するか？
• RQ3 ノイズ混じりまたは限られた観測データから、リャプノフ指数および相関次元をどの程度正確に推定できるか？
• RQ4 多様な分野の現実世界の時系列において決定的カオスを検出することにどのような実用的意義があるか？
• RQ5 カオスの存在は、予測のためのより正確な非線形モデルの構築にどのように寄与できるか？

主な発見

• 遅延埋め込みによる状態空間再構築は、スカラー観測からカオス的アトラクタの幾何学的およびダイナミカル特性を効果的に回復する。
• 再構築されたアトラクタからの相関次元推定値は、既知のカオス的システムの理論的値とよく一致する。
• 再構築された状態空間からのリャプノフ指数推定値は正の値を示し、初期条件への感度およびカオス的挙動を確認する。
• 生理的および環境時系列を含む、多様な分野の実データに対しても、決定的カオスを信頼性高く検出できる。
• 本フレームワークにより、カオス検出から非線形モデリングへの移行が可能となり、シリーズの続編で示された通りである。
• 中程度のノイズに対して本手法は頑健であり、データ長が限られている場合でも、ベンチマークカオス的システム上で有効に機能することが示された。