[논문 리뷰] Chaotic time series Part I: Estimation of invariant properies in state space

Dimitris Kugiumtzis, Bjoern Lillekjendlie외 1명|ArXiv.org|1994. 01. 14.

Complex Systems and Time Series Analysis인용 수 4

한 줄 요약

이 논문은 혼돈 시스템의 스칼라 시간 시리즈에서 불변 성질—예를 들어 리아푸노프 지수와 상관 차원—를 추정하기 위해 상태공간 재구성 기법을 제시한다. 지연좌표 임bedding을 통해 노이즈가 있거나 복잡한 데이터에서 결정론적 혼돈을 식별할 수 있으며, 다양한 실제 시스템에 적용 가능하여 이 시리즈의 제2부에서 비선형 모델링의 기초를 마련한다.

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.

연구 동기 및 목표

• 스칼라 시간 시리즈 데이터로부터 혼돈 시스템의 불변 성질을 신뢰할 만하게 추정하는 방법을 개발하기 위해.
• 단일 관측 변수만 이용 가능한 상황에서 혼돈 역학을 분석하는 데 도전하는 데 위해.
• 지연좌표 임베딩을 사용하여 기저 상태공간의 구조를 재구성하는 것이 가능한지를 보여주기 위해.
• 실제 데이터에서 결정론적 혼돈을 식별하여 비선형 모델링의 기초를 마련하기 위해.
• 모의 혼돈 시스템과 다양한 분야의 실제 데이터를 사용하여 접근 방식을 검증하기 위해.

제안 방법

• 타카엔스의 정리에 기반하여 지연좌표 임베딩을 활용해 스칼라 시간 시리즈로부터 상태공간을 재구성한다.
• 상관 적분을 사용하여 상관 차원을 추정하여 애트랙터의 프랙탈 구조를 정량화한다.
• 거짓 근접 이웃의 방법을 통해 리아푸노프 지수를 계산하여 초기 조건에 대한 민감도를 탐지한다.
• 검증을 위해 알려진 혼돈 방정식(예: 로렌츠, 루스러)에서 생성된 시간 시리즈를 시험 케이스로 사용한다.
• 유체역학, 신경과학, 경제학 등 다양한 분야의 실제 데이터에 재구성 및 추정 파이프라인을 적용한다.
• 결과 및 그림의 배포를 위해 uuencoded tar-compressed PostScript 형식을 사용한다.

실험 결과

연구 질문

• RQ1 지연좌표 임베딩을 통한 상태공간 재구성 기법을 사용하여 스칼라 시간 시리즈로부터 혼돈 시스템의 불변 성질을 신뢰성 있게 추정할 수 있는가?
• RQ2 지연좌표 임베딩이 원래 시스템의 역학적 성질을 어느 정도 유지하는가?
• RQ3 노이즈가 있거나 관측 데이터가 제한된 경우 리아푸노프 지수와 상관 차원을 얼마나 정확하게 추정할 수 있는가?
• RQ4 다양한 분야의 실제 시간 시리즈에서 결정론적 혼돈을 탐지하는 데 실질적인 의미는 무엇인가?
• RQ5 혼돈의 존재는 예측을 위한 더 정확한 비선형 모델 구축에 어떻게 기여할 수 있는가?

주요 결과

• 지연 임베딩을 통한 상태공간 재구성은 스칼라 관측치로부터 혼돈 애트랙터의 기하학적 및 역학적 성질을 성공적으로 회복한다.
• 재구성된 애트랙터에서 추정한 상관 차원은 알려진 혼돈 시스템의 이론적 값과 밀접하게 일치한다.
• 재구성된 상태공간에서 추정한 리아푸노프 지수는 양수 값을 보이며, 초기 조건에 대한 민감도와 혼돈 행동을 확인한다.
• 생리학적 및 환경적 시간 시리즈를 포함한 다양한 분야의 실제 데이터에서 결정론적 혼돈을 신뢰성 있게 탐지할 수 있다.
• 이 시리즈의 후속 논문에서 언급한 바와 같이, 혼돈 탐지에서 비선형 모델링으로의 전환을 가능하게 한다.
• 모델은 중간 수준의 노이즈에 대해 강건하며, 벤치마크 혼돈 시스템에서와 같이 데이터 길이가 짧은 경우에도 효과적으로 작동한다.