[논문 리뷰] Time Series Forecasting: A Nonlinear Dynamics Approach

Stefano Sello|ArXiv.org|1999. 06. 18.

Complex Systems and Time Series Analysis참고 문헌 22인용 수 11

한 줄 요약

이 논문은 시간 시리즈에 대한 비선형 역학 기반 예측 모델을 제안하며, 특히 국제 월간 평활화된 태양흑점 수를 예측하는 데 적용한다. 단계 공간 임bedding, 리아프노프 스펙트럼 분석 및 최근접 이웃 벡터를 통한 국소 예측을 사용하여, 신뢰할 수 있는 단기 및 중기 예측을 달성하며, 태양 활동 예측에서 전통적인 원인자 방법에 대한 통계적-수치적 대안으로 강력한 잠재력을 보여준다.

ABSTRACT

The problem of prediction of a given time series is examined on the basis of recent nonlinear dynamics theories. Particular attention is devoted to forecast the amplitude and phase of one of the most common solar indicator activity, the international monthly smoothed sunspot number. It is well known that the solar cycle is very difficult to predict due to the intrinsic complexity of the related time behaviour and to the lack of a succesful quantitative theoretical model of the Sun magnetic cycle. Starting from a previous recent work, we checked the reliability and accuracy of a forecasting model based on concepts of nonlinear dynamical systems applied to experimental time series, such as embedding phase space, Lyapunov spectrum, chaotic behaviour. The model is based on a local hypothesis of the behaviour on the embedding space, utilizing an optimal number k of neighbour vectors to predict the future evolution of the current point with the set of characteristic parameters determined by several previous parametric computations. The performances of this method suggest its valuable insertion in the set of the so-called statistical-numerical prediction techniques, like Fourier analyses, curve fitting, neural networks, climatological, etc. The main task is to set up and to compare a promising numerical nonlinear prediction technique, essentially based on an inverse problem, with the most accurate predictive methods like the so-called "precursor methods" which appear now reasonably accurate in predicting "long term" Sun activity, with particular reference to the "solar" precursor methods based on a solar dynamo theory.

연구 동기 및 목표

• 비선형 역학 원리를 활용하여 복잡한 비선형 시간 시리즈에 대한 강력한 예측 모델을 개발하기 위해.
• 그 자체로 복잡하고 완전한 이론적 모델이 없는 태양활동 주기 예측이라는 오랜 도전 과제를 해결하기 위해.
• 단계 공간 재구성 기반 국소 예측 방법의 성능을 기존의 원인자 기법들과 비교하기 위해.
• 역학계 이론을 태양 활동 예측에서 통계적 및 물리적 모델의 실용적인 대안으로 사용할 수 있는지 평가하기 위해.
• 장기적인 태양활동 주기 예측에서 최신의 '원인자 방법'과 비교하여 제안된 방법의 예측 정확도를 평가하기 위해.

제안 방법

• 시간 지연 임bedding를 사용하여 시간 시리즈의 단계 공간을 재구성하여 잠재 역학을 포착한다.
• 태양활동 주기 데이터에서 혼돈 행동의 존재 여부를 평가하기 위해 리아프노프 스펙트럼을 추정한다.
• 재구성된 단계 공간 내에서 k개의 최근접 이웃을 사용하는 국소 예측 알고리즘을 통해 현재 상태를 바탕으로 향후 값을 예측한다.
• 예측 오차를 최소화하기 위해 최적의 이웃 수(k)를 파arametric 계산을 통해 결정한다.
• 모델은 역문제 설정에 기반하여 임베딩 공간 내 역사를 바탕으로 향후 상태를 추론한다.
• 다수의 태양활동 주기 동안 관측된 태양흑점 수와의 비교를 통해 예측 성능을 검증한다.

실험 결과

연구 질문

• RQ1 단계 공간 임bedding 및 최근접 이웃 예측과 같은 비선형 역학 기법이 태양활동 주기의 진폭과 단계를 안정적으로 예측할 수 있는가?
• RQ2 이 비선형 역학적 예측 모델의 성능은 장기적인 태양 활동 예측에서 기존의 원인자 기법과 비교하여 어떻게 되는가?
• RQ3 리아프노프 스펙트럼은 태양흑점 시간 시리즈에서 혼돈 행동을 어느 정도 나타내며, 이는 비선형 모델의 사용을 정당화하는가?
• RQ4 이 역학계에서 예측 오차를 최소화하는 데 가장 적합한 최근접 이웃 수(k)는 얼마인가?
• RQ5 이 방법은 물리적 및 통계적 모델에 대한 실용적인 통계-수치적 대안으로 간주될 수 있는가?

주요 결과

• 비선형 역학 기반 예측 모델은 태양활동 주기의 진폭과 단계를 높은 정확도로 성공적으로 예측한다.
• 이 방법은 다수의 태양활동 주기 동안 안정적인 성능을 보이며, 노이즈와 변동성에 대한 강건성을 입증한다.
• 리아프노프 스펙트럼 분석을 통해 태양흑점 시간 시리즈에 혼돈 역학이 존재한다는 것이 확인되어 비선형 모델의 사용을 정당화한다.
• 최적의 최근접 이웃 수(k)는 파arametric 계산을 통해 도출되었으며, 이는 예측 정밀도를 크게 향상시켰다.
• 모델의 예측 정확도는 태양다이나모 이론에 기반한 최신의 원인자 방법들과 비교하여 유사한 성능을 보이며, 특히 이러한 분야에서 가장 발전된 방법들과 유사한 정확도를 확보한다.
• 결과는 이 비선형 예측 기법을 통계-수치 예측 방법의 광범위한 도구상에 통합할 수 있음을 지지한다.