کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10481138 933057 2013 12 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Forecasting the underlying potential governing the time series of a dynamical system
ترجمه فارسی عنوان
پیش بینی پتانسیل زیربنایی حاکم بر سری زمانی یک سیستم دینامیکی
کلمات کلیدی
پیش بینی احتمالی، تجزیه و تحلیل بالقوه، تجزیه و تحلیل سریال،
ترجمه چکیده
ما یک تکنیک تجزیه و تحلیل سری زمانی، پیش بینی احتمالی را معرفی می کنیم، که بر اساس انتشار دینامیکی چگالی احتمال سری زمانی است. ما از ضرایب چند جملهای تقریب متعامد توزیع احتمال تجربی استفاده میکنیم و آنها را به منظور پیشبینی توزیع احتمالی اطلاعات در آینده مورد بررسی قرار میدهیم. این روش بر روی داده های مصنوعی مورد آزمایش قرار می گیرد، که برای ارزیابی داده های آب و هوایی مورد بررسی قرار می گیرد و سپس برای پیش بینی شرایط سریال دریایی یخبندان مورد استفاده قرار می گیرد. روش پیشنهادی چارچوبی برای «تجزیه و تحلیل بالقوه» نقاط نویز را فراهم می کند که به طور کلی پیش بینی، تشخیص و پیش بینی تغییرات غیرخطی شامل بیبورکاسیون را با استفاده از چندین روش مستقل از تحلیل سری انجام می دهد. اگر چه در این مقاله به مجموعه اقلیمشناسی اعمال شده است، روش بسیار عمومی است و می تواند برای پیش بینی دینامیکی در سری های زمانی هر مبدأ باشد.
موضوعات مرتبط
مهندسی و علوم پایه ریاضیات فیزیک ریاضی
چکیده انگلیسی
We introduce a technique of time series analysis, potential forecasting, which is based on dynamical propagation of the probability density of time series. We employ polynomial coefficients of the orthogonal approximation of the empirical probability distribution and extrapolate them in order to forecast the future probability distribution of data. The method is tested on artificial data, used for hindcasting observed climate data, and then applied to forecast Arctic sea-ice time series. The proposed methodology completes a framework for 'potential analysis' of tipping points which altogether serves anticipating, detecting and forecasting nonlinear changes including bifurcations using several independent techniques of time series analysis. Although being applied to climatological series in the present paper, the method is very general and can be used to forecast dynamics in time series of any origin.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Physica A: Statistical Mechanics and its Applications - Volume 392, Issue 18, 15 September 2013, Pages 3891-3902
نویسندگان
, , , ,