基于符号回归的动力系统预测
数据分析、统计与概率
2016-08-03 v1 适应与自组织系统
计算物理
摘要
我们研究基于测量导出的常规模型对动力系统进行建模与预测。在基础动力学难以从物理原理建模或需要寻找简化模型的情形下，此类算法极受青睐。我们聚焦于作为机器学习一部分的符号回归方法。这些算法能够从数据中学得解析易处理的模型，这是极具价值的特性。符号回归方法可视为广义回归方法。我们研究两种特定算法：所谓的快速函数提取（一种广义线性回归算法）与遗传编程（一种非常通用的方法）。二者皆能以特定方式组合函数，从而可辨识出用于预测动力系统时间演化的良好模型。我们通过对基于测量的谐振子演化进行预测、在可激发系统中检测到达波前、以及作为真实世界应用基于给定站点的能源生产观测与天气预报预测太阳能发电量，来阐释这些算法。
引用
@article{arxiv.1602.04648,
title = {Prediction of Dynamical Systems by Symbolic Regression},
author = {Markus Quade and Markus Abel and Kamran Shafi and Robert K. Niven and Bernd R. Noack},
journal= {arXiv preprint arXiv:1602.04648},
year = {2016}
}
备注
submitted to Phys. Rev. E