基于Koopman算子逼近的高维地球物理湍流数据驱动时空预测
流体动力学
2019-03-05 v2 动力系统
最优化与控制
混沌动力学
摘要
我们展示了一种数据驱动的低维线性模型在预测瑞利-贝纳尔对流湍流时空演化方面的能力。该模型基于带延迟嵌入的动态模态分解，提供了系统Koopman算子的数据驱动有限维逼近。模型利用直接数值模拟中的向量值可观测量构建，能够提供准确的预测。在强混沌区域的Kuramoto-Sivashinsky方程中也发现了类似的高预测能力。
引用
@article{arxiv.1812.09438,
title = {Data-driven Spatio-temporal Prediction of High-dimensional Geophysical Turbulence using Koopman Operator Approximation},
author = {M. A. Khodkar and Athanasios C. Antoulas and Pedram Hassanzadeh},
journal= {arXiv preprint arXiv:1812.09438},
year = {2019}
}
备注
Figures and texts need to be revised