临界转变的贝叶斯在线预测

设计可靠的指标以预测复杂系统中的临界转变是一项重要任务，以便检测即将发生的突发的体制转移并采取行动以预防或减轻其后果。我们提出一种数据驱动方法，基于参数化非线性随机微分方程的估计，即使在许多现实系统中存在的强噪声水平下也能稳健地预测临界转变。由于参数估计通过马尔可夫链蒙特卡洛方法完成，我们可获得可信带，从而更好地解释结果的可靠性。通过引入贝叶斯线性分段拟合，可以基于当前信息状态给出转变可能发生的时间范围的估计。该方法也能处理控制转变参数的非线性时间依赖关系。一般而言，该方法可用作在线分析工具，以检测系统恢复力的变化并提供未来发生临界转变的概率信息。