搜索

x

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

利用慢特征分析法提取层次结构系统中的外强迫

潘昕浓 王革丽 杨培才

引用本文:
Citation:

利用慢特征分析法提取层次结构系统中的外强迫

潘昕浓, 王革丽, 杨培才

Extracting the driving force signal from hierarchy system based on slow feature analysis

Pan Xin-Nong, Wang Ge-Li, Yang Pei-Cai
PDF
导出引用
  • 在大量真实的动力系统中,外部驱动力总是随时间发生变化,正是这种变化导致了非平稳行为的产生. 因此,从此类系统的观测数据中提取和分析外强迫(也称驱动力)信号引起了人们越来越多的关注. 慢特征分析法(slow feature analysis,SFA)是从非平稳时间序列中提取外强迫信息的一种有效算法. 在其基础上利用变参数的Logistic映射产生的非平稳时间序列,通过数值试验进一步讨论了该方法的应用前景,并发展了一些相应的分析技术. 试验结果表明,对于模型中包含两个时变驱动力参数的系统,经过一次SFA处理之后,可以进一步利用子波分析技术检索出外强迫信号中的两个参数;对于模型中有两个叠加驱动力层次的三层动力系统,可先通过一次SFA处理,提取出次慢层外强迫信号,对该信号进行二次SFA处理,可提取出最慢层外强迫信号.
    Extracting the signals from non-stationary time series is a difficult task in many fields such as physics, economics, and atmospheric sciences. The theory of hierarchy suggests that varying driving force leads to the non-stationary behavior, so extracting and analyzing the slowly varying features can help to study non-stationary dynamical system, which has become a compelling question recently. Slow feature analysis (SFA) is an effective technique for extracting slowly varying driving forces from quickly varying non-stationary time series. The basic idea of SFA is to nonlinearly extend the reconstructive signal into a combination form with one or higher order polynomials, and to apply the principal component analysis to this extended signal and its time derivatives. The algorithm is guaranteed to seek an optimal solution from a group of functions directly and can extract a lot of uncorrelated features that are ordered by slowness. A series of studies has shown its superiority in extracting the driving force of non-stationary time series. The extracted signal is found to be highly correlated with the real driving force. Results based on ideal models show that either the slow driving force itself or a slower subcomponent can be detected by SFA. Yet despite all that, the further investigating of SFA is still needed to reduce its uncertainty. In this study, we create two types of non-stationary models by the logistic map with time-varying parameters: one includes two varying driving forces with different time periods constraining the evolution of time series in a non-stationary way; and the other is a three-layer structure encompassing two superimposed signals in which the slower signal of driving force is modulated by the lowest one. According to the ideal model and SFA, we conduct the numerical experiments to develop corresponding analysis method and discuss its application prospect in extracting driving force signals. We find that for the system of first kind, either the slowest signal or the combination of two driving forces constructed by SFA contains some uncertain information. However, we can detect the two independent driving forces from the constructed signal by wavelet analysis. For the three-hierarchy system that includes two superimposed signals of driving force, successive applications through SFA on the original time series and the constructed SFA signal will in turn detect the slower varying driving force signal and the slowest varying driving forces signal. The successful application of SFA shows its promising prospect in analyzing the external driving forces in non-stationary system and understanding relevant dynamic mechanism.
      通信作者: 王革丽, wgl@mail.iap.ac.cn
    • 基金项目: 国家自然科学基金(批准号:41575058)资助的课题.
      Corresponding author: Wang Ge-Li, wgl@mail.iap.ac.cn
    • Funds: Project supported by the National Natural Science Foundation of China (Grant No. 41575058).
    [1]

    Packard N H, Crutchfield J P, Farmer J D, Shaw R S 1980 Phys. Rev. Lett. 45 712

    [2]

    David R, Takens F 1971 Commun. Math. Phys. 20 167

    [3]

    Bian J C, Yang P C 2003 Plateau Meteor. 22 315 (in Chinese) [卞建春, 杨培才 2003 高原气象 22 315]

    [4]

    Tsonis A A 1996 Nature 382 700

    [5]

    Wang S W, Zhu J H 2000 Quart. J. Appl. Meteor. 11 1 (in Chinese) [王绍武, 朱锦红 2000 应用气象学报 11 1]

    [6]

    Wang H J, Zhou G Q, Lin Z H 2002 Climatic Environ. Res. 7 220 (in Chinese) [王会军, 周广庆, 林朝晖 2002 气候与环境研究 7 220]

    [7]

    Ding Y H, Ren G Y, Zhao Z C, Xu Y, Luo Y, Li Q P, Zhang J 2007 Desert Oasis Meteor. 1 1 (in Chinese) [丁一汇, 任国玉, 赵宗慈, 徐影, 罗勇, 李巧萍, 张锦 2007 沙漠与绿洲气象 1 1]

    [8]

    Wang S W 1998 Adv. Earth Sci. 13 8 (in Chinese) [王绍武 1998 地球科学进展 13 8]

    [9]

    Chen B M, Ji L R, Yang P C, Zhang D M, Wang G L 2003 Chin. Sci. Bull. 48 513 (in Chinese) [陈伯民, 纪立人, 杨培才, 张道民, 王革丽 2003 科学通报 48 513]

    [10]

    Wan S Q, Feng G L, Dong W J, Li J P 2005 Acta. Phys. Sin. 54 5487 (in Chinese) [万仕全, 封国林, 董文杰, 李建平 2005 物理学报 54 5487]

    [11]

    Wang G L, Yang P C, Zhou X J 2016 Theor. Appl. Climatol. 124 985

    [12]

    Chen X X, Wang G L, Jin L J 2015 China Environ. Sci. 35 694 (in Chinese) [陈潇潇, 王革丽, 金莲姬 2015 中国环境科学 35 694]

    [13]

    Krner O 2002 J. Geophs. Res. 107 ACL1-1

    [14]

    Davis A, Marshak A, Wiscombe W, Cahalan R 1996 J. Atmos. Sci. 53 1538

    [15]

    Yang P C, Bian J C, Wang G L, Zhou X J 2003 Chin. Sci. Bull. 48 1470 (in Chinese) [杨培才, 卞建春, 王革丽, 周秀骥 2003 科学通报 48 1470]

    [16]

    Yang P C, Zhou X J 2005 Acta. Meteor. Sinica 63 556 (in Chinese) [杨培才, 周秀骥 2005 气象学报 63 556]

    [17]

    Verdes P F, Granitto P M, Navone H D, Ceccatto H A 2001 Phys. Rev. Lett. 87 124101

    [18]

    Wiskott L 2003 Neural Comput. 15 2147

    [19]

    Wiskott L, Sejnowski T J 2002 Neural Comput. 14 715

    [20]

    Pan X N, Wang G L, Wang P F, Zhu K Y 2016 Meteor. Environ. Sci. 39 96 (in Chinese) [潘昕浓, 王革丽, 王鹏飞, 朱克云 2016 气象与环境科学 39 96]

    [21]

    Robert M 1976 Nature 261 459

  • [1]

    Packard N H, Crutchfield J P, Farmer J D, Shaw R S 1980 Phys. Rev. Lett. 45 712

    [2]

    David R, Takens F 1971 Commun. Math. Phys. 20 167

    [3]

    Bian J C, Yang P C 2003 Plateau Meteor. 22 315 (in Chinese) [卞建春, 杨培才 2003 高原气象 22 315]

    [4]

    Tsonis A A 1996 Nature 382 700

    [5]

    Wang S W, Zhu J H 2000 Quart. J. Appl. Meteor. 11 1 (in Chinese) [王绍武, 朱锦红 2000 应用气象学报 11 1]

    [6]

    Wang H J, Zhou G Q, Lin Z H 2002 Climatic Environ. Res. 7 220 (in Chinese) [王会军, 周广庆, 林朝晖 2002 气候与环境研究 7 220]

    [7]

    Ding Y H, Ren G Y, Zhao Z C, Xu Y, Luo Y, Li Q P, Zhang J 2007 Desert Oasis Meteor. 1 1 (in Chinese) [丁一汇, 任国玉, 赵宗慈, 徐影, 罗勇, 李巧萍, 张锦 2007 沙漠与绿洲气象 1 1]

    [8]

    Wang S W 1998 Adv. Earth Sci. 13 8 (in Chinese) [王绍武 1998 地球科学进展 13 8]

    [9]

    Chen B M, Ji L R, Yang P C, Zhang D M, Wang G L 2003 Chin. Sci. Bull. 48 513 (in Chinese) [陈伯民, 纪立人, 杨培才, 张道民, 王革丽 2003 科学通报 48 513]

    [10]

    Wan S Q, Feng G L, Dong W J, Li J P 2005 Acta. Phys. Sin. 54 5487 (in Chinese) [万仕全, 封国林, 董文杰, 李建平 2005 物理学报 54 5487]

    [11]

    Wang G L, Yang P C, Zhou X J 2016 Theor. Appl. Climatol. 124 985

    [12]

    Chen X X, Wang G L, Jin L J 2015 China Environ. Sci. 35 694 (in Chinese) [陈潇潇, 王革丽, 金莲姬 2015 中国环境科学 35 694]

    [13]

    Krner O 2002 J. Geophs. Res. 107 ACL1-1

    [14]

    Davis A, Marshak A, Wiscombe W, Cahalan R 1996 J. Atmos. Sci. 53 1538

    [15]

    Yang P C, Bian J C, Wang G L, Zhou X J 2003 Chin. Sci. Bull. 48 1470 (in Chinese) [杨培才, 卞建春, 王革丽, 周秀骥 2003 科学通报 48 1470]

    [16]

    Yang P C, Zhou X J 2005 Acta. Meteor. Sinica 63 556 (in Chinese) [杨培才, 周秀骥 2005 气象学报 63 556]

    [17]

    Verdes P F, Granitto P M, Navone H D, Ceccatto H A 2001 Phys. Rev. Lett. 87 124101

    [18]

    Wiskott L 2003 Neural Comput. 15 2147

    [19]

    Wiskott L, Sejnowski T J 2002 Neural Comput. 14 715

    [20]

    Pan X N, Wang G L, Wang P F, Zhu K Y 2016 Meteor. Environ. Sci. 39 96 (in Chinese) [潘昕浓, 王革丽, 王鹏飞, 朱克云 2016 气象与环境科学 39 96]

    [21]

    Robert M 1976 Nature 261 459

  • [1] 张绿夷, 王革丽, 谭桂容, 吴越. 基于因果检验的非线性系统的预测试验. 物理学报, 2022, 71(8): 080502. doi: 10.7498/aps.71.20211871
    [2] 张识, 王攀, 张瑞浩, 陈红. 选取任意庞加莱截面的新方法. 物理学报, 2020, 69(4): 040503. doi: 10.7498/aps.69.20191585
    [3] 吴昊, 陈树新, 杨宾峰, 陈坤. 基于广义M估计的鲁棒容积卡尔曼滤波目标跟踪算法. 物理学报, 2015, 64(21): 218401. doi: 10.7498/aps.64.218401
    [4] 李丽香, 彭海朋, 罗群, 杨义先, 刘喆. 一种分数阶非线性系统稳定性判定定理的问题及分析. 物理学报, 2013, 62(2): 020502. doi: 10.7498/aps.62.020502
    [5] 肖建新, 陈菊芳, 彭建华. 一个简单延迟非线性系统的动力学行为及混沌同步. 物理学报, 2013, 62(17): 170507. doi: 10.7498/aps.62.170507
    [6] 杨志安. 非线性系统的非对角Berry相. 物理学报, 2013, 62(11): 110302. doi: 10.7498/aps.62.110302
    [7] 杨芳艳, 胡明, 姚尚平. 连续时间系统同宿轨的搜索算法及其应用. 物理学报, 2013, 62(10): 100501. doi: 10.7498/aps.62.100501
    [8] 贾蒙, 樊养余, 李慧敏. 基于自适应因子轨道延拓法的不变流形计算. 物理学报, 2010, 59(11): 7686-7692. doi: 10.7498/aps.59.7686
    [9] 周颖, 臧强. 多输入多输出不确定非线性系统的输出反馈自适应机动控制. 物理学报, 2009, 58(11): 7565-7572. doi: 10.7498/aps.58.7565
    [10] 李文林, 宋运忠. 不确定非线性系统混沌反控制. 物理学报, 2008, 57(1): 51-55. doi: 10.7498/aps.57.51
    [11] 徐 云, 张建峡, 徐 霞, 周 红. Canard轨迹原理. 物理学报, 2008, 57(7): 4029-4033. doi: 10.7498/aps.57.4029
    [12] 秦卫阳, 苏 浩, 杨永峰. 利用Duffing系统的同步识别信号中的微小差别. 物理学报, 2008, 57(5): 2704-2707. doi: 10.7498/aps.57.2704
    [13] 王林泽, 赵文礼. 外加正弦驱动力抑制一类分段光滑系统的混沌运动. 物理学报, 2005, 54(9): 4038-4043. doi: 10.7498/aps.54.4038
    [14] 唐 晨, 闫海青, 张 皞, 刘 铭, 张桂敏. 任意阶隐式指数时程差分多步法及其在非线性系统中的应用. 物理学报, 2004, 53(6): 1699-1703. doi: 10.7498/aps.53.1699
    [15] 冷永刚, 王太勇. 二次采样用于随机共振从强噪声中提取弱信号的数值研究. 物理学报, 2003, 52(10): 2432-2437. doi: 10.7498/aps.52.2432
    [16] 张必达, 王卫东, 宋枭禹, 俎栋林, 吕红宇, 包尚联. 磁共振现代射频脉冲理论在非均匀场成像中的应用. 物理学报, 2003, 52(5): 1143-1150. doi: 10.7498/aps.52.1143
    [17] 唐 晨, 张 皞, 闫海青, 张桂敏. 非线性系统的任意项精细积分外插多步法及其在混沌数值分析中的应用. 物理学报, 2003, 52(5): 1091-1095. doi: 10.7498/aps.52.1091
    [18] 谭文, 王耀南, 刘祖润, 周少武. 非线性系统混沌运动的神经网络控制. 物理学报, 2002, 51(11): 2463-2466. doi: 10.7498/aps.51.2463
    [19] 罗晓琴. 非线性系统中的关联色噪声. 物理学报, 2002, 51(5): 977-981. doi: 10.7498/aps.51.977
    [20] 吴锡九. 非线性系统的一种图解分析方法及其在隧道二极管线路分析中的应用. 物理学报, 1964, 20(8): 731-752. doi: 10.7498/aps.20.731
计量
  • 文章访问数:  3086
  • PDF下载量:  282
  • 被引次数: 0
出版历程
  • 收稿日期:  2016-10-08
  • 修回日期:  2017-01-16
  • 刊出日期:  2017-04-05

利用慢特征分析法提取层次结构系统中的外强迫

  • 1. 中国科学院大气物理研究所, 中层大气和全球环境探测重点实验室, 北京 100029;
  • 2. 中国科学院大学, 北京 100049
  • 通信作者: 王革丽, wgl@mail.iap.ac.cn
    基金项目: 国家自然科学基金(批准号:41575058)资助的课题.

摘要: 在大量真实的动力系统中,外部驱动力总是随时间发生变化,正是这种变化导致了非平稳行为的产生. 因此,从此类系统的观测数据中提取和分析外强迫(也称驱动力)信号引起了人们越来越多的关注. 慢特征分析法(slow feature analysis,SFA)是从非平稳时间序列中提取外强迫信息的一种有效算法. 在其基础上利用变参数的Logistic映射产生的非平稳时间序列,通过数值试验进一步讨论了该方法的应用前景,并发展了一些相应的分析技术. 试验结果表明,对于模型中包含两个时变驱动力参数的系统,经过一次SFA处理之后,可以进一步利用子波分析技术检索出外强迫信号中的两个参数;对于模型中有两个叠加驱动力层次的三层动力系统,可先通过一次SFA处理,提取出次慢层外强迫信号,对该信号进行二次SFA处理,可提取出最慢层外强迫信号.

English Abstract

参考文献 (21)

目录

    /

    返回文章
    返回