論文の概要: Dynamic Mode Decomposition for data-driven analysis and reduced-order
modelling of ExB plasmas: II. dynamics forecasting
- arxiv url: http://arxiv.org/abs/2308.13727v1
- Date: Sat, 26 Aug 2023 01:48:29 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-29 19:40:47.826394
- Title: Dynamic Mode Decomposition for data-driven analysis and reduced-order
modelling of ExB plasmas: II. dynamics forecasting
- Title（参考訳）: データ駆動型解析とExBプラズマの低次モデリングのための動的モード分解:II
ダイナミクス予測
- Authors: Farbod Faraji, Maryam Reza, Aaron Knoll, J. Nathan Kutz
- Abstract要約: 最適化動的モード分解(OPT-DMD)と呼ばれる変数予測最適化に基づく動的モード分解(DMD)アルゴリズムの変種を開発する。
我々は、OPT-DMDの適用範囲を拡張し、このアルゴリズムからプラズマ力学の時間予測への線形ROMの能力について検討する。
OPT-DMDは、全てのプラズマ条件に対する一般適用性に限界があるにもかかわらず、計算コストの低いデータ駆動の低次モデルを開発するための信頼性の高い方法として証明されている。
- 参考スコア（独自算出の注目度）: 3.203036813451742
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In part I of the article, we demonstrated that a variant of the Dynamic Mode
Decomposition (DMD) algorithm based on variable projection optimization, called
Optimized DMD (OPT-DMD), enables a robust identification of the dominant
spatiotemporally coherent modes underlying the data across various test cases
representing different physical parameters in an ExB simulation configuration.
As the OPT-DMD can be constrained to produce stable reduced-order models (ROMs)
by construction, in this paper, we extend the application of the OPT-DMD and
investigate the capabilities of the linear ROM from this algorithm toward
forecasting in time of the plasma dynamics in configurations representative of
the radial-azimuthal and axial-azimuthal cross-sections of a Hall thruster and
over a range of simulation parameters in each test case. The predictive
capacity of the OPT-DMD ROM is assessed primarily in terms of short-term
dynamics forecast or, in other words, for large ratios of training-to-test
data. However, the utility of the ROM for long-term dynamics forecasting is
also presented for an example case in the radial-azimuthal configuration. The
model's predictive performance is heterogeneous across various test cases.
Nonetheless, a remarkable predictiveness is observed in the test cases that do
not exhibit highly transient behaviors. Moreover, in all investigated cases,
the error between the ground-truth and the reconstructed data from the OPT-DMD
ROM remains bounded over time within both the training and the test window. As
a result, despite its limitation in terms of generalized applicability to all
plasma conditions, the OPT-DMD is proven as a reliable method to develop low
computational cost and highly predictive data-driven reduced-order models in
systems with a quasi-periodic global evolution of the plasma state.
- Abstract（参考訳）: この記事のパート1では,変数予測最適化に基づく動的モード分解(DMD)アルゴリズムの変種であるOptimized DMD(OPT-DMD)が,ExBシミュレーション構成における様々な物理パラメータを表わすテストケースにおいて,データに基づく支配的時空間整合モードの堅牢な同定を可能にすることを実証した。
本論文では,OPT-DMDが構築により安定な低次モデル(ROM)を生成することを制約できるため,本アルゴリズムの応用を拡張し,ホールスラスタの半径-方位および軸-方位断面を表す構成におけるプラズマ力学の時間予測に向けた線形ROMの有効性を,各試験ケースにおけるシミュレーションパラメータの範囲を越えて検討する。
OPT-DMD ROMの予測能力は、主に短期的ダイナミクス予測または言い換えれば、大規模なトレーニング・テストデータの比率で評価される。
しかし, 長期力学予測におけるROMの有用性は, ラジアル・アジムタール構成の例にも見られる。
モデルの予測性能は様々なテストケースで異種である。
にもかかわらず、非常に過渡的な振る舞いを示さないテストケースでは顕著な予測性が観察される。
さらに,すべての事例において,OPT-DMD ROM から得られた地上構造と再構成データとの誤差は,トレーニングとテストウインドウの両方で時間とともに制限される。
その結果,OPT-DMDはプラズマ状態が準周期的にグローバルに進化するシステムにおいて,計算コストが低く,データ駆動の低次モデルを高精度に予測できる信頼性の高い手法として証明されている。
関連論文リスト
- Analysis and Forecasting of the Dynamics of a Floating Wind Turbine Using Dynamic Mode Decomposition [0.0]
本稿では, 動的モード分解(DMD)に基づくヘキサフロート浮揚風力タービンの動特性の, データ駆動式フリーモデリングについて述べる。
フローティングシステムに作用する動き,加速度,力の予測アルゴリズムを開発した。
その結果,システム状態の短期的将来予測に対するアプローチの能力が示され,リアルタイムな予測と制御が可能となった。
論文 参考訳（メタデータ） (2024-11-08T18:38:29Z) - Parsimonious Dynamic Mode Decomposition: A Robust and Automated Approach for Optimally Sparse Mode Selection in Complex Systems [0.40964539027092917]
本稿では,Parsimonious Dynamic Mode Decomposition (parsDMD)を紹介する。
ParsDMDは、時間的および純粋に時間的データの両方に対して最適にスパースされた動的モードのサブセットを自動選択するように設計された新しいアルゴリズムである。
定在波信号、隠れ力学の同定、流体力学シミュレーション、大気表面温度(SST)データなど、さまざまなデータセットで検証されている。
論文 参考訳（メタデータ） (2024-10-22T03:00:11Z) - Diffusion posterior sampling for simulation-based inference in tall data settings [53.17563688225137]
シミュレーションベース推論(SBI)は、入力パラメータを所定の観測に関連付ける後部分布を近似することができる。
本研究では、モデルのパラメータをより正確に推測するために、複数の観測値が利用できる、背の高いデータ拡張について考察する。
提案手法を,最近提案した各種数値実験の競合手法と比較し,数値安定性と計算コストの観点から,その優位性を実証した。
論文 参考訳（メタデータ） (2024-04-11T09:23:36Z) - Synthetic location trajectory generation using categorical diffusion
models [50.809683239937584]
拡散モデル(DPM)は急速に進化し、合成データのシミュレーションにおける主要な生成モデルの一つとなっている。
本稿では,個人が訪れた物理的位置を表す変数列である合成個別位置軌跡(ILT)の生成にDPMを用いることを提案する。
論文 参考訳（メタデータ） (2024-02-19T15:57:39Z) - Online Variational Sequential Monte Carlo [49.97673761305336]
我々は,計算効率が高く正確なモデルパラメータ推定とベイジアン潜在状態推定を提供する変分連続モンテカルロ法(VSMC)を構築した。
オンラインVSMCは、パラメータ推定と粒子提案適応の両方を効率よく、完全にオンザフライで実行することができる。
論文 参考訳（メタデータ） (2023-12-19T21:45:38Z) - Generative Modeling with Phase Stochastic Bridges [49.4474628881673]
拡散モデル(DM)は、連続入力のための最先端の生成モデルを表す。
我々はtextbfphase space dynamics に基づく新しい生成モデリングフレームワークを提案する。
我々のフレームワークは、動的伝播の初期段階において、現実的なデータポイントを生成する能力を示す。
論文 参考訳（メタデータ） (2023-10-11T18:38:28Z) - Dynamic Mode Decomposition for data-driven analysis and reduced-order
modelling of ExB plasmas: I. Extraction of spatiotemporally coherent patterns [3.203036813451742]
データ駆動解析とプラズマ力学の低次モデリングのための動的モード分解(DMD)アルゴリズムの一般性を評価する。
論文 参考訳（メタデータ） (2023-08-26T01:37:52Z) - Mixed Effects Neural ODE: A Variational Approximation for Analyzing the
Dynamics of Panel Data [50.23363975709122]
パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。
我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。
次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
論文 参考訳（メタデータ） (2022-02-18T22:41:51Z) - Bagging, optimized dynamic mode decomposition (BOP-DMD) for robust,
stable forecasting with spatial and temporal uncertainty-quantification [2.741266294612776]
動的モード分解(DMD)は、時間的または時間的データのスナップショット上で、最適な線形力学モデルを学習するためのフレームワークを提供する。
DMDアルゴリズムの大多数は、力学のノイズ測定によるバイアスエラーを起こしやすいため、モデル適合性の低下と不安定な予測能力に繋がる。
最適化されたMDDアルゴリズムは、変数予測最適化によりモデルバイアスを最小限に抑え、安定化された予測能力をもたらす。
論文 参考訳（メタデータ） (2021-07-22T18:14:20Z) - Deep neural network enabled corrective source term approach to hybrid
analysis and modeling [0.0]
ハイブリッド分析モデリング(Hybrid Analysis and Modeling, HAM)は、物理に基づくモデリングとデータ駆動モデリングを組み合わせることを目的とした、新しいモデリングパラダイムである。
補正元項アプローチ(CoSTA)のHAMに対する新しいアプローチを導入し、正当化し、実証する。
論文 参考訳（メタデータ） (2021-05-24T20:17:13Z) - Dynamic Mode Decomposition in Adaptive Mesh Refinement and Coarsening
Simulations [58.720142291102135]
動的モード分解(DMD)はコヒーレントなスキームを抽出する強力なデータ駆動方式である。
本稿では,異なるメッシュトポロジと次元の観測からDMDを抽出する戦略を提案する。
論文 参考訳（メタデータ） (2021-04-28T22:14:25Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。