新方法可计算复杂动力系统的可能性

每天的天气模式、脑电图上的大脑活动和心电图上的心跳都会逐行产生复杂的数据。为了分析这些数据，或者预测风暴、癫痫或心脏病，研究人员必须首先将这些连续的数据分割成离散的部分。简单而准确地完成这项任务并不容易。

乌拉圭*大学和阿伯丁大学的研究人员设计了一种新方法来转换复杂系统的数据。与现有方法相比，它减少了重要信息的丢失，并且使用了更少的计算能力。该方法使得估计动力系统的可能性成为可能，并发表在最近出版的美国物理协会(AIP)的《混沌》杂志上。

历史上，研究人员使用马尔可夫分段来分割电力系统的数据。马尔可夫分割是一个描述空间和时间点之间相关性的函数，例如描述钟摆摆动的模型。但是在实际情况中通常是不实际的。在最新的方法中，研究人员使用移动马尔可夫分割来搜索观察变量的空间。这些变量形成类似于马尔可夫分割的时间序列数据。

“马尔可夫分段将存储在具有高分辨率变量的动态系统中的连续轨迹转换成离散数据，这些数据可以存储在有限分辨率的有限变量集合(如字母)中。”乌拉圭*大学的nicolás Rubio说。

一种常见的近似方法是将时间序列中的数据分成直方图中的“盒子”，但它使用相同大小的“盒子”。在最新的研究中，科学家设定了“盒子”边界，以减少每个“盒子”的不可预测性。

新流程将“盒子”转换成易于处理的符号序列，并包含系统中最相关的信息。Rubido将这一过程比作将数码照片压缩到更低的分辨率，但仍能确保人们识别图像中的所有对象。

新方法可用于分析任何类型的时间序列，如预测电力故障、可再生能源的波动输出以及通过计算发电厂的发电量来改变消费者需求。Rubido说，对于非常简单的情况，新方法并不提供任何优于现有方法的优势，但它特别适合于分析能够迅速瓦解现有计算能力的高维动力系统。(宗华)