[論文レビュー] Evaluating the accuracy of the dynamic mode decomposition

Hao Zhang, Scott T. M. Dawson+3 more|arXiv (Cornell University)|Oct 2, 2017

Model Reduction and Neural Networks被引用数 4

ひとこと要約

本稿では、真のシステムの動的ダイナミクスを事前に知らない状態で、各DMD固有関数が対応するKoopman固有関数にどの程度近いかを推定する、モードごとの精度基準を提案する。この手法は、合成的および実験的流体力学データで検証され、物理的に意味のあるDMDモードの信頼性の高い選別を可能にし、特にノイズの多い状況下で、標準的な振幅に基づく選別法を上回る性能を示す。

ABSTRACT

Dynamic mode decomposition (DMD) gives a practical means of extracting dynamic information from data, in the form of spatial modes and their associated frequencies and growth/decay rates. DMD can be considered as a numerical approximation to the Koopman operator, an infinite-dimensional linear operator defined for (nonlinear) dynamical systems. This work proposes a new criterion to estimate the accuracy of DMD on a mode-by-mode basis, by estimating how closely each individual DMD eigenfunction approximates the corresponding Koopman eigenfunction. This approach does not require any prior knowledge of the system dynamics or the true Koopman spectral decomposition. The method may be applied to extensions of DMD (i.e., extended/kernel DMD), which are applicable to a wider range of problems. The accuracy criterion is first validated against the true error with a synthetic system for which the true Koopman spectral decomposition is known. We next demonstrate how this proposed accuracy criterion can be used to assess the performance of various choices of kernel when using the kernel method for extended DMD. Finally, we show that our proposed method successfully identifies modes of high accuracy when applying DMD to data from experiments in fluids, in particular particle image velocimetry of a cylinder wake and a canonical separated boundary layer.

研究の動機と目的

• 真のKoopmanスペクトル分解を事前に知らない状態で、個々のDMDモードの精度を信頼性高く評価するためのデータ駆動型手法の欠如に対処すること。
• DMDで近似されたKoopman固有関数の真の対応物との類似度を評価する基準を開発し、エネルギーまたは振幅ではなく精度に基づいたモード選別を可能にすること。
• 真のKoopmanスペクトルが分かっている合成系で精度基準を検証し、ノイズの多い実験的データから正確なモードを同定する有効性を示すこと。
• 特にノイズの多い状況下で、カーネルDMD（KDMD）における異なるカーネル関数の性能を、提案された精度指標を用いて評価・比較すること。
• 実世界の応用、特に流体力学において、動的にとって重要な正確なDMDモードを特定するための実用的で汎用的なツールを提供すること。

提案手法

• この手法は、各DMDモードの固有関数が真のKoopman固有関数にどの程度近いかを、データ駆動型の残差に基づく誤差指標を用いて評価することで、その精度を推定する。
• 非線形系における無限次元線形作用素であるKoopman作用素の枠組みを活用し、DMDを非線形系におけるこの作用素の数値的近似とみなす。
• 精度基準は、DMD計算に使用されていないデータスナップショットのサブセットを用いて計算され、モード忠実度のバイアスのない評価を保証する。
• 非線形観測量にカーネル関数を適用して得られるDMDモードに同じ誤差指標を適用することで、カーネルDMD（KDMD）への応用が可能になる。
• この手法は、真のKoopmanスペクトルが分かっている合成系と、実験的流体力学データ（シリンダーウェークの粒子画像速度計測および剥離境界層を含む）に適用される。
• モード振幅やエネルギーといった標準的指標と比較して、ノイズの多いデータにおいて物理的に関連のあるモードを識別する能力の優位性を示している。

実験結果

リサーチクエスチョン

• RQ1 真のKoopmanスペクトル分解を事前に知らない状態で、個々のDMDモードの精度をどのように評価できるか？
• RQ2 提案された精度基準は、流体力学のノイズの多い実験的データから、物理的に意味のあるDMDモードを信頼性高く同定できるか？
• RQ3 ノイズへのロバストネスを考慮すると、カーネルDMDにおける異なるカーネル関数の性能は、精度の観点からどのように比較できるか？
• RQ4 エネルギー含量やモード振幅といった従来の選別法よりも、精度基準は関連する動的特徴を識別する上で優れているか？
• RQ5 この基準は、拡張DMDやカーネルベースDMDを含む他のDMD変種にも一般化可能か、Koopmanモード近似の向上に寄与できるか？

主な発見

• 提案された精度基準は、シリンダーウェーク実験において、106 Hzのシアー層周波数を高精度DMDモードとして正しく同定した。これは先行研究と整合的である。
• 同じデータセットにおいて、シアー層周波数に対応するDMDモードは、低誤差（小さなモード誤差）と高い振幅の両方を示しており、物理的関連性を裏付けた。
• 同一データセットにおいて、多項式カーネル（次数5）を用いたカーネルDMDが、指数関数的、ガウス、ラプラスカーネルと比較して、精度とノイズ耐性の両面で最良のバランスを示した。
• モード振幅が低くても、精度基準は正確なDMDモードを正しく同定できた。これは、振幅に基づく選別基準を上回る優位性を示している。
• 真のKoopman固有ペアが分かっている合成系でもこの手法を検証したところ、提案基準と真のDMD近似誤差との間に強い相関が観察された。
• この基準により、DMD結果の後処理評価が可能となり、数値的アーチファクトを除外し、最も正確で動的意味のあるモードのみを選別できるようになった。