[论文解读] Predictability and control of extreme events in complex systems

Hugo L. D. de S. Cavalcante, Marcos Oriá+2 more|arXiv (Cornell University)|Jan 2, 2013

Complex Systems and Time Series Analysis被引用 5

一句话总结

本文識別出耦合混沌振子中極端事件的獨特機制，該機制與冪律統計分佈不同，從而實現對罕見、大規模事件的即時預測。透過檢測早期預警信號，研究顯示微小的、針對性的擾動可抑制這些極端事件，為易於發生災難性動態的複雜系統提供一種控制策略。

ABSTRACT

In many complex systems, large events are believed to follow power-law, scale-free probability distributions, so that the extreme, catastrophic events are unpredictable. Here, we study coupled chaotic oscillators that display extreme events. The mechanism responsible for the rare, largest events makes them distinct and their distribution deviates from a power-law. Based on this mechanism identification, we show that it is possible to forecast in real time an impending extreme event. Once forecasted, we also show that extreme events can be suppressed by applying tiny perturbations to the system.

研究动机与目标

• 研究耦合混沌振子中極端事件的統計特性，並挑戰其遵循冪律分佈的假設。
• 識別導致罕見、大規模事件的潛在動力學機制，該機制與無尺度行為不同。
• 基於即將發生的極端事件的早期預警信號，開發即時預測方法。
• 設計並測試一種控制策略，透過最小擾動在預測後抑制極端事件。

提出的方法

• 分析耦合混沌振子以觀察極端事件的出現及其統計分佈。
• 識別一種獨特的動力學機制——與冪律縮放不同——支配最大規模事件的發生。
• 在極端事件發生前，檢測系統狀態演變中的早期預警信號，從而實現即時預測。
• 在預測時刻對系統施加微小、針對性的擾動，以抑制極端事件的發展。
• 使用數值模擬驗證所提出框架下極端事件的可預測性與可控制性。

实验结果

研究问题

• RQ1 耦合混沌振子中的極端事件由何種統計分佈支配，是否與冪律縮放不同？
• RQ2 此類系統中最大規模、最罕見事件的發生背後，其動力學機制為何？
• RQ3 能否可靠檢測早期預警信號，以實現極端事件的即時預測？
• RQ4 在預測後，微小擾動是否能有效抑制極端事件的發生？

主要发现

• 所研究的耦合混沌振子中的極端事件不遵循冪律分佈，表明存在獨特的潛在機制。
• 導致極端事件的機制具有可即時檢測的特定動力學前兆。
• 早期預警信號能夠在事件發生前可靠地預測即將到來的極端事件。
• 在預測時刻施加微小、針對性的擾動，成功抑制了極端事件的發展。