利用深度机器学习从数据预测极端事件：何时与何地
机器学习
2022-04-01 v1 信号处理
动力系统
数据分析、统计与概率
摘要
我们开发了一种基于深度卷积神经网络（DCNN）的框架，用于在二维空间维度的非线性物理系统中无模型预测极端事件在时间上（“何时”）和空间上（“何地”）的发生。测量或数据是一组二维快照或图像。对于期望的预测时间范围，可指定适当的标注方案以成功训练 DCNN 并随后预测极端事件的时间。给定已预测极端事件将在该时间范围内发生，可应用基于空间的标注方案，在一定分辨率内预测事件发生位置。我们使用来自二维复 Ginzburg-Landau 方程的合成数据以及北大西洋的实测风速数据来演示和验证我们基于机器学习的预测框架。文中说明了预测时间范围、空间分辨率和精度之间的权衡，并讨论了极端事件空间偏倚发生对预测精度的不利影响。该深度学习框架可用于预测现实世界中的极端事件。
引用
@article{arxiv.2203.17155,
title = {Predicting extreme events from data using deep machine learning: when and where},
author = {Junjie Jiang and Zi-Gang Huang and Celso Grebogi and Ying-Cheng Lai},
journal= {arXiv preprint arXiv:2203.17155},
year = {2022}
}
备注
15 pages, 10 figures