扩散预测模型对AL指数的概率预测
摘要：非参数方法预测AL指数是在AL和太阳风（$vB\_z$）数据的基础上进行的。我们的框架依赖于扩散预测技术，它将AL和$vB\_z$数据视为在流形上运行的自治、遗传、随机动态系统的可观测量。扩散预测建立了一个数据驱动的表示，该表示描述了驱动概率测度演化的马尔可夫半群。特别地，马尔可夫半群算子在由扩散映射算法和Takens延迟嵌入获取的数据的标正交基上表示。这种演化半群的表示与贝叶斯滤波算法结合使用，用于初始化预测，并预测AL指数小于用户选择的阈值的概率，而不需要外部输入，并且能够在任意提前时间进行预测。我们发现，尽管训练数据存在间隙，该模型至少能够产生有效的两小时提前期的预测。
作者：Dimitrios Giannakis, Matina Gkioulidou, and John Harlim
论文ID：1612.07272
分类：Data Analysis, Statistics and Probability
分类简称：physics.data-an
提交时间：2017-12-12