PREDICTING CHAOTIC TIME-SERIES
PREDICTING CHAOTIC TIME-SERIES
复制标题
DOI：
10.1103/physrevlett.59.845
复制
发表时间：
1987-08-24
影响因子：
8.6
通讯作者：
SIDOROWICH, JJ
中科院分区：
文献类型：
--
作者：
FARMER, JD;SIDOROWICH, JJ
提出了一种混沌数据的预测方法。在使用延迟坐标将时间序列嵌入状态空间后，我们使用局部近似“学习”诱导的非线性映射。这使我们能够使用仅基于过去值的信息对时间序列的未来行为进行短期预测。我们提出了这种技术的误差估计，并证明其有效性，通过将其应用到几个例子，包括数据从麦基玻璃延迟微分方程，瑞利贝纳德对流，泰勒库埃特流。
We present a forecasting technique for chaotic data. After embedding a time series in a state space using delay coordinates, we ‘‘learn’’the induced nonlinear mapping using local approximation. This allows us to make short-term predictions of the future behavior of a time series, using information based only on past values. We present an error estimate for this technique, and demonstrate its effectiveness by applying it to several examples, including data from the Mackey-Glass delay differential equation, Rayleigh-Benard convection, and Taylor-Couette flow.