时序代理模型精度与滚动稳定性的比较研究

Rajarshi Biswas

时序代理模型精度与滚动稳定性的比较研究

机器学习 2026-05-26 v1 混沌动力学计算物理

作者: Rajarshi Biswas

摘要

时序代理模型在预测混沌动力学系统时效果显著, 但计算成本往往 prohibitive. 多种深度神经网络架构可用于此目的. 本文采用统一的训练协议比较几种常用架构, 旨在公正评估模型架构对 long-horizon 预测稳定性的影响. 实验针对三个问题进行: double pendulum、Kuramoto-Sivashinsky 方程以及 Kolmogorov flow. 实验采用匹配的模型容量进行. 还对每个模型 individually 优化的情景进行分析. 观察到在两种情景下, 模型在 long-horizon 滚动中表现出类别差异. 为具体量化, 分析 stepwise error 注入和扰动放大, 使用 local jacobian、relative one-step bias 和 finite-time Lyapunov growth 等指标. 此外, 还进行了吸引子分析, 以评估所学模型如何复制 underlying 系统几何. 对连续更新架构的每个组件进行 ablation 研究, 以隔离其影响. 结论表明, 具有 integrator-like 更新的模型显示更低的偏差和扰动放大, 从而实现 stable long-horizon 滚动和更准确的预测.

关键词

时序代理模型混沌动力学系统长程预测误差注入吸引子分析

引用

@article{arxiv.2605.24868,
  title  = {A comparative study of accuracy and rollout stability of temporal surrogate models},
  author = {Rajarshi Biswas},
  journal= {arXiv preprint arXiv:2605.24868},
  year   = {2026}
}

备注

24 pages, 18 figures, submitted to journal

时序代理模型精度与滚动稳定性的比较研究

摘要

关键词

引用

备注

相关论文