[论文解读] A Kernel Approach to Data-Driven Koopman Spectral Analysis

Matthew O. Williams, Clarence W. Rowley+1 more|arXiv (Cornell University)|Nov 9, 2014

Model Reduction and Neural Networks被引用 15

一句话总结

本文提出了一种基于核函数的、数据驱动的Koopman谱分析方法，通过核函数隐式定义标量可观测量，避免了在高维状态空间中显式选择基函数。该方法在计算成本与动态模式分解（DMD）相当的前提下，实现了比DMD更精确且对数据分布不那么敏感的Koopman特征值、特征函数和模式的近似。

ABSTRACT

A data driven, kernel-based method for approximating the leading Koopman eigenvalues, eigenfunctions, and modes in problems with high dimensional state spaces is presented. This approach approximates the Koopman operator using a set of scalar observables, which are functions defined on state space, that is determined {\em implicitly} by the choice of a kernel. This circumvents the computational issues that arise due to the number of basis functions required to span a sufficiently rich subspace of the space of scalar observables in these problems. We illustrate this method on the FitzHugh-Nagumo PDE, a prototypical example of a one-dimensional reaction diffusion system, and compare our results with related methods such as Dynamic Mode Decomposition (DMD) that have the same computational cost as our approach. In this example, the resulting approximations of the leading Koopman eigenvalues, eigenfunctions, and modes are both more accurate and less sensitive to the distribution of the data used in the computation than those produced by DMD.

研究动机与目标

• 解决在高维状态空间中为Koopman谱分析构建丰富标量可观测量子空间所带来的计算负担。
• 开发一种数据驱动方法，通过核函数隐式定义可观测量，避免显式选择基函数。
• 与现有方法（如DMD）相比，提高Koopman特征值、特征函数和模式近似的准确性与鲁棒性。
• 在典型的反应-扩散系统（FitzHugh-Nagumo PDE）上验证该方法的有效性。

提出的方法

• 该方法通过核函数隐式定义的一组标量可观测量来近似Koopman算子，避免了显式基函数的使用。
• 基于再生核希尔伯特空间（RKHS）框架构建核诱导可观测量，实现在高维空间中的高效计算。
• 通过将数据驱动的Galerkin投影方法应用于核诱导可观测量的张成空间，求解Koopman特征值问题。
• 利用核技巧避免在高维特征空间中的显式计算，从而降低计算复杂度。
• 通过贪婪选择数据点来构建Koopman算子的低秩近似，实现方法的实现。
• 通过从核Gram矩阵导出的移位特征值问题，计算得到的特征值和特征函数近似。

实验结果

研究问题

• RQ1 基于核函数的方法是否能在计算成本与DMD相当的前提下，为高维系统提供比DMD更精确的Koopman谱近似？
• RQ2 通过核函数隐式构造可观测量在Koopman分析中在多大程度上缓解了维度灾难问题？
• RQ3 与DMD相比，该方法中Koopman谱近似的准确性在多大程度上对训练数据分布敏感？
• RQ4 该基于核函数的方法是否能可靠地捕捉如FitzHugh-Nagumo PDE这样的反应-扩散系统的主导动力学？
• RQ5 与标准DMD相比，基于核诱导可观测量得到的特征函数和模式在可解释性和收敛性方面表现如何？

主要发现

• 所提出的基于核的方法在FitzHugh-Nagumo PDE上对主导Koopman特征值的近似精度优于DMD。
• 与DMD相比，该方法生成的特征函数和模式对训练数据分布的敏感性更低，增强了鲁棒性。
• 该核方法在与DMD相同的计算成本下，显著提升了谱近似的质量。
• 通过核函数隐式构造可观测量，避免了显式基函数的使用，降低了高维空间中的计算开销。
• 该方法成功利用数据驱动的、基于核诱导可观测量的框架，捕捉了FitzHugh-Nagumo PDE的主导时空动力学。
• 所得的Koopman谱分解在不同数据采样条件下表现出更优的稳定性和收敛特性。