打开主菜单
首页
随机
登录
设置
关于集智百科 - 复杂系统|人工智能|复杂科学|复杂网络|自组织
免责声明
集智百科 - 复杂系统|人工智能|复杂科学|复杂网络|自组织
搜索
更改
←上一编辑
下一编辑→
Koopman理论
(查看源代码)
2025年11月8日 (六) 14:54的版本
添加69字节
、
2025年11月8日 (六) 14:54
→动力学模式分解(DMD)
第284行:
第284行:
[82, 225]。
[82, 225]。
−
DMD算法的详细步骤
+
===
DMD算法的详细步骤
===
假设我们有一个系统,我们每隔一段时间 Δt就测量一次系统的状态。比如,一个网格上有 100x100 个点,每个点的温度、压力等数据组成一个很长的向量。我们测量了 m+1个时间点。
假设我们有一个系统,我们每隔一段时间 Δt就测量一次系统的状态。比如,一个网格上有 100x100 个点,每个点的温度、压力等数据组成一个很长的向量。我们测量了 m+1个时间点。
第292行:
第292行:
·将每个时间点的测量数据(一个很长的向量)排成一列。
·将每个时间点的测量数据(一个很长的向量)排成一列。
−
·把前
m个时间点的数据组成矩阵
X: X = [
x₁
,
x₂
, ...,
xₘ
]
+
·把前
<math>m</math>个时间点的数据组成矩阵<math>
X: X = [
x_1
,
x_2
, ...,
x_m
]
</math>
−
·把后
m个时间点的数据组成矩阵 X‘:
X' = [
x₂
,
x₃
, ...,
xₘ₊₁
]
+
·把后
<math>m</math>个时间点的数据组成矩阵<math> X':
X' = [
x_2
,
x_3
, ...,
x_m+1
]
</math>
−
·直观理解:X‘中的每一列都是 X中对应列在下一个时间点的状态。
+
·直观理解:<math>X'</math>中的每一列都是<math>X</math>中对应列在下一个时间点的状态。
2.寻找一个近似线性算子A
2.寻找一个近似线性算子A
黄芸
235
个编辑