[論文レビュー] Predictive Accuracy of Dynamic Mode Decomposition

Hannah Lu, Daniel M. Tartakovsky|arXiv (Cornell University)|May 5, 2019

Model Reduction and Neural Networks参考文献 25被引用数 10

ひとこと要約

本稿は、線形および非線形放物型偏微分方程式に対する動的モード分解（DMD）予測の理論的誤差推定器を導入し、DMDに基づく時系列外挿の正確な監視と制御を可能にする。この手法は、反復処理を必要としないためDMDが計算効率でプロパー直交分解（POD）を上回ることを示しているが、PODは高い精度を維持している。誤差推定器は4つのテスト問題で検証され、コープマン作用素理論と整合的であり、予測モデリングにおける実用的有用性が確認された。

ABSTRACT

Dynamic mode decomposition (DMD), which the family of singular-value decompositions (SVD), is a popular tool of data-driven regression. While multiple numerical tests demonstrated the power and efficiency of DMD in representing data (i.e., in the interpolation mode), applications of DMD as a predictive tool (i.e., in the extrapolation mode) are scarce. This is due, in part, to the lack of rigorous error estimators for DMD-based predictions. We provide a theoretical error estimator for DMD extrapolation of numerical solutions to linear and nonlinear parabolic equations. This error analysis allows one to monitor and controls the errors associated with DMD-based temporal extrapolation of numerical solutions to parabolic differential equations. We use several computational experiments to verify the robustness of our error estimators and to compare the predictive ability of DMD with that of proper orthogonal decomposition (POD), another member of the SVD family. Our analysis demonstrates the importance of a proper selection of observables, as predicted by the Koopman operator theory. In all the tests considered, DMD outperformed POD in terms of efficiency due to its iteration-free feature. In some of these experiments, POD proved to be more accurate than DMD. This suggests that DMD is preferable for obtaining a fast prediction with slightly lower accuracy, while POD should be used if the accuracy is paramount.

研究の動機と目的

• DMDの予測（外挿）モードにおける厳密な誤差推定器の欠如、特に放物型PDEに対して解決すべき課題を提示すること。
• 時間発展系におけるDMD予測誤差の定量的監視と制御を可能にすること。
• 非線形力学系におけるDMDとPODの予測性能を、精度と効率の観点から比較すること。
• 線形および非線形PDEにおける数値実験を通じて、理論的誤差推定器の妥当性を検証すること。
• コープマン作用素理論に従い、物理的洞察に基づく観測量の重要性を実証すること。

提案手法

• コープマン作用素フレームワークに基づき、DMD予測の理論的誤差推定器を導出し、コープマン作用素のスペクトル近似と関連付ける。
• 反応拡散方程式や非線形シュレーディンガー方程式を含む、線形および非線形放物型PDEの数値解に誤差推定器を適用する。
• キルヒホフ変換などの変換に基づく物理的洞察に基づく観測量（例：(u, u², u³) または u²/2）を用いてDMDの精度を向上させる。
• 適切な観測量を用いたスナップショットベースのDMDアルゴリズムを採用し、フルオーダー解およびPOD-DEIM近似と比較する。
• 複数のテストケースにおける予測誤差境界と実際の全領域および局所的切り捨て誤差を比較することで、誤差推定器の妥当性を検証する。
• 参照解の算出に高速フーリエ変換およびルンゲ＝クッタ時間積分法を用い、DMDおよびPOD予測のベンチマークを実施する。

実験結果

リサーチクエスチョン

• RQ1 放物型PDEに対するDMDに基づく時系列外挿の精度を定量化する理論的誤差推定器を導出可能か？
• RQ2 特に物理的ダイナミクスに基づく観測量の選択が、DMD予測精度および誤差推定に与える影響は何か？
• RQ3 非線形PDEにおいて、DMDとPODの相対的な予測性能（精度と計算効率）はいかほどか？
• RQ4 提案された誤差推定器は、非線形性および問題の複雑さの異なるレベルで、実際の予測誤差をどれほど的確に追跡できるか？
• RQ5 誤差推定器は、複雑なマルチスケールシミュレーションにおけるハイブリッドDMD-完全解法の設計を支援できるか？

主な発見

• 提案された誤差推定器は、すべてのテスト問題（高非線形系を含む）において、DMD予測の全領域および局所的切り捨て誤差を正確に追跡した。
• 非線形反応拡散方程式のテストでは、物理的観測量（u, u², u³）を用いたDMDは安定した誤差境界を達成したが、誤った観測量（uのみ）を用いた場合は誤差推定が発散した。
• 非線形シュレーディンガー方程式のテストでは、適切な観測量を用いたDMDは、精度と効率の両面でPODを上回り、予測誤差が低く、反復的時間積分を必要としなかった。
• PODは一貫してDMDよりも高い予測精度を達成したが、反復的時間積分を必要とするため、計算効率に劣った。
• 真の解が急速に減衰する場合でさえ、誤差推定器は安定しており、正確な予測と不正確な予測を信頼性高く区別できた。
• 結果は、DMDがコープマン作用素の近似として理論的基盤を持つことを確認し、観測量の選択に強く依存することを示した。