基于深度学习无模型预测参数驱动非线性动力系统中极端事件的发生
机器学习
2021-08-18 v1 混沌动力学
数据分析、统计与概率
摘要
我们利用三种深度学习模型，即多层感知机、卷积神经网络和长短期记忆网络，预测参数驱动非线性动力系统中极端事件的发生。深度学习模型使用训练集进行训练，并用于对测试集数据进行预测。预测后将实际值与预测值的时间序列叠加绘制，以直观评估模型性能。在评估所有三种模型预测值与实际值之间的均方根误差后，我们发现长短期记忆模型可作为预测该考虑系统的混沌时间序列及极端事件发生的最佳模型。
引用
@article{arxiv.2107.08819,
title = {Model-free prediction of emergence of extreme events in a parametrically driven nonlinear dynamical system by Deep Learning},
author = {J. Meiyazhagan and S. Sudharsan and M. Senthilvelan},
journal= {arXiv preprint arXiv:2107.08819},
year = {2021}
}
备注
To appear in The European Physical Journal B