[논문 리뷰] Unidimensional and Multidimensional Methods for Recurrence Quantification Analysis with crqa

Moreno I. Coco, Dan Mønster외 3명|arXiv (Cornell University)|2020. 05. 28.

Complex Systems and Time Series Analysis참고 문헌 49인용 수 10

한 줄 요약

이 논문은 단일 및 다중 차원 시계열, 포함하여 이산형 및 연속형 자료를 지원하는 향상된 R 패키지인 crqa 2.0을 제시한다. 이는 파rameter 최적화를 위한 향상된 방법, 장시간 시계열에 대한 효율적인 계산, 복잡한 시스템 내 비선형 역학 및 결합성 분석을 위한 고도화된 기법을 제공한다.

ABSTRACT

Recurrence quantification analysis is a widely used method for characterizing patterns in time series. This article presents a comprehensive survey for conducting a wide range of recurrence-based analyses to quantify the dynamical structure of single and multivariate time series, and to capture coupling properties underlying leader-follower relationships. The basics of recurrence quantification analysis (RQA) and all its variants are formally introduced step-by-step from the simplest auto-recurrence to the most advanced multivariate case. Importantly, we show how such RQA methods can be deployed under a single computational framework in R using a substantially renewed version our crqa 2.0 package. This package includes implementations of several recent advances in recurrence-based analysis, among them applications to multivariate data, and improved entropy calculations for categorical data. We show concrete applications of our package to example data, together with a detailed description of its functions and some guidelines on their usage.

연구 동기 및 목표

• 단일 및 다변량 시계열에 대한 복귀 기반 분석을 위한 종합적이고 통합된 프레임워크를 제공하기 위해.
• RQA를 다중 차원 및 이산형 자료로 확장하여 비정상적 복잡 시스템의 분석을 가능하게 하기 위해.
• 조각별 복귀도 계산 및 최적화된 파rameter 추정을 통해 장시간 시계열에 대한 계산 효율성을 향상시키기 위해.
• 최근 복귀 분석의 발전, 즉 향상된 엔트로피 계산 및 임베딩 파ram터 선택을 통합하기 위해.
• 연구자들이 다양한 분야에서 비선형 역학 및 시계열의 결합성 분석을 수행할 수 있도록 사용자 友好的이고 잘 문서화된 R 패키지(crqa 2.0)를 제공하기 위해.

제안 방법

• 연속형 자료의 경우 거리 노름에 기반한 임계값 설정 복귀 행렬(Rij = 1 if |xi - xj| ≤ ε)을 정의하고, 이산형 자료의 경우 정확한 매칭을 적용한다.
• 평균 상호정보량(AMI)과 위조 근처 이웃(FNN)을 사용하여 최적의 지연 및 임베딩 차원을 선택하는 시간 지연 임베딩을 통한 위상공간 재구성 방법을 적용한다.
• 최소 AMI 또는 최소 FNN 비율 기준으로 연속형 자료의 최적 반경, 임베딩 차원 및 지연을 추정하기 위해 optimizeParam 함수를 사용한다.
• 각 차원에 대해 별도의 파rameter 추정과 함께 연관된 결합성 분석을 수행할 수 있는 다차원 교차 복귀 정량 분석(mdcRQA)을 지원한다.
• 장시간 시계열에 대한 메모리 사용량 감소와 확장성 향상을 위해 복귀도의 조각별 계산을 도입한다.
• 이산형 자료에 대한 향상된 엔트로피 계산을 통합하고, R의 통계 환경과 연동하여 영리한 분석 워크플로우를 제공한다.

실험 결과

연구 질문

• RQ1 복귀 정량 분석을 단일 및 다중 차원 시계열에 체계적으로 적용하여 비선형 역학을 어떻게 파악할 수 있는가?
• RQ2 연속형 시계열에서 복귀 분석에 최적의 파rameter 설정(반경, 임베딩 차원, 지연)은 무엇이며, 이를 자동으로 추정할 수 있는가?
• RQ3 복귀 분석을 어떻게 이산형 및 이벤트 간격 자료에 확장할 수 있으며, 이는 역학적 시스템 특성화에 어떤 영향을 미치는가?
• RQ4 복귀 기반 방법을 사용하여 장시간 시계열을 효율적으로 분석하기 위한 계산 전략은 무엇인가?
• RQ5 crqa 2.0 패키지는 다변량 및 다중 시계열에서의 결합성 및 상호의존성 분석을 어떻게 지원하는가?

주요 결과

• crqa 2.0 패키지는 단일 차원 자가 복귀에서 다중 차원 교차 복귀에 이르기까지 다양한 RQA 변종을 하나의 계산 프레임워크로 통합하였다.
• optimizeParam를 통한 파rameter 최적화는 특정 최적 설정을 도출한다. 예를 들어, 한 테스트 케이스에서 최적 반경은 0.17, 임베딩 차원은 2, 지연은 18였다.
• 다중 차원 자료의 경우, AMI 및 FNN 기준으로 최적 파rameter를 추정하여 반경 = 0.032, 임베딩 차원 = 11, 지연 = 2를 산출하였다.
• 조각별 복귀도 계산을 통해 장시간 시계열의 효율적 분석이 가능해졌으며, 이는 메모리 부담을 크게 감소시켰다.
• 향상된 엔트로피 계산을 통해 이산형 자료의 강력한 분석이 가능해졌고, RQA의 적용 범위가 연속형 시계열을 넘어서 확장되었다.
• 프레임워크는 연속형 및 명목형 자료를 모두 지원하며, 사인파, 혼돈, 노이즈가 섞인 시계열을 포함한 실증 자료에 대한 검증된 응용 사례를 제공한다.