[논문 리뷰] Evaluating the accuracy of the dynamic mode decomposition

Hao Zhang, Scott T. M. Dawson외 3명|arXiv (Cornell University)|2017. 10. 02.

Model Reduction and Neural Networks인용 수 4

한 줄 요약

이 논문은 진동 모드 분해(DMD)에 대한 모드별 정확도 기준을 제안하며, 진짜 시스템 역학에 대한 사전 지식 없이 각 DMD 고유함수가 해당 쿠퍼만 고유함수에 얼마나 가까이 근사되는지 추정한다. 이 방법은 합성 및 실험적 유체역학 데이터에서 검증되었으며, 물리적으로 의미 있는 DMD 모드를 신뢰성 있게 선택할 수 있게 하며, 특히 노이즈가 많은 환경에서 표준 진폭 기반 선택 기준보다 뛰어난 성능을 보인다.

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.

연구 동기 및 목표

• 진짜 쿠퍼만 스펙트럼 분해에 대한 사전 지식 없이도 개별 DMD 모드의 정확도를 평가할 수 있는 신뢰할 수 있는 데이터 기반 방법의 부족을 해결하기 위해.
• DMD로 근사한 쿠퍼만 고유함수의 충실도를 평가하는 기준을 개발하여, 에너지나 진폭이 아닌 정확도에 기반한 모드 선택이 가능하도록 하기 위해.
• 진짜 쿠퍼만 스펙트럼이 알려진 합성 시스템에서 정확도 기준을 검증하고, 노이즈가 있는 실험적 데이터에서 정확한 모드를 선택하는 데의 유용성을 입증하기 위해.
• 특히 노이즈 조건에서 다양한 커널 함수가 커널 DMD(KDMD)에서 어떻게 성능을 발휘하는지 평가하고 비교하기 위해.
• 실제 응용, 특히 유체역학에서 동적으로 중요한 정확한 DMD 모드를 식별할 수 있는 실용적이고 일반적인 도구를 제공하기 위해.

제안 방법

• 이 방법은 DMD 모드의 고유함수가 진짜 쿠퍼만 고유함수에 얼마나 가까이 근사되는지 측정함으로써 각 DMD 모드의 정확도를 추정한다. 이는 데이터 기반 잔차 기반 오차 측도를 사용한다.
• 이 방법은 비선형 시스템의 경우 무한차원 선형 연산자인 쿠퍼만 연산자 프레임워크를 활용하며, DMD를 이 연산자의 수치적 근사로 간주한다.
• 정확도 기준은 DMD 계산에 사용되지 않은 데이터 스냅샷의 부분집합을 사용하여 계산되며, 이는 모드 충실도 평가에 편향이 없음을 보장한다.
• 이 방법은 커널 함수를 통해 비선형 관측량에서 유도된 DMD 모드에 동일한 오차 측도를 적용함으로써 커널 DMD(KDMD)로 확장된다.
• 이 방법은 진짜 쿠퍼만 스펙트럼이 알려진 합성 시스템과 실험적 유체역학 데이터(예: 실린더 후류의 입자 이미지 속도 측정 및 분리된 경계층)에 적용된다.
• 모드 진폭과 에너지 등의 표준 지표와 비교하여, 노이즈가 있는 데이터에서 물리적으로 의미 있는 모드를 식별하는 데서 본 기준의 슈퍼리오리티를 입증한다.

실험 결과

연구 질문

• RQ1 진짜 쿠퍼만 스펙트럼 분해에 대한 사전 지식 없이도 개별 DMD 모드의 정확도를 어떻게 평가할 수 있는가?
• RQ2 제안된 정확도 기준은 유체역학의 노이즈가 있는 실험적 데이터에서 물리적으로 의미 있는 DMD 모드를 신뢰성 있게 식별할 수 있는가?
• RQ3 노이즈에 대한 저항성과 정확도 측면에서 커널 DMD에서 다양한 커널 함수의 성능은 어떻게 비교될 수 있는가?
• RQ4 정확도 기준은 에너지나 모드 진폭과 같은 전통적인 선택 기준보다 동적 특징을 식별하는 데에서 뛰어나지 않는가?
• RQ5 이 기준은 확장된 DMD나 커널 기반 DMD와 같은 다른 DMD 변종으로 일반화될 수 있는가? 이는 쿠퍼만 모드 근사 향상에 기여하는가?

주요 결과

• 제안된 정확도 기준은 실린더 후류 실험에서 시어 레이어 주파수(106 Hz)를 높은 정확도의 DMD 모드로 성공적으로 식별하였으며, 이는 이전 문헌과 일치한다.
• 실린더 후류 데이터에서 시어 레이어 주파수와 관련된 DMD 모드는 낮은 오차(작은 모드 오차)와 높은 진폭을 동시에 보이며, 이는 물리적 관련성이 높음을 확인한다.
• 동일한 데이터셋에서 다항식 커널(차수 5)을 사용한 커널 DMD가 정확도와 노이즈에 대한 저항성의 최적 균형을 달성하여 지수, 가우시안, 라플라스 커널보다 뛰어난 성능을 보였다.
• 모드 진폭이 낮은 경우에도 정확도 기준은 가장 정확한 DMD 모드를 정확히 식별하였으며, 이는 진폭 기반 선택 기준보다 뛰어난 성능을 보임을 입증한다.
• 진짜 오차와 제안된 기준 간의 강한 상관관계를 보이며, 진짜 쿠퍼만 고유쌍이 알려진 합성 시스템에서 기준의 타당성을 검증하였다.
• 이 기준은 DMD 결과의 후행 평가를 가능하게 하여, 수치적 아티팩트를 걸러내고 가장 정확하고 동적으로 의미 있는 모드만 선택할 수 있도록 한다.