235
个编辑
更改
跳到导航
跳到搜索
第284行：
第284行： − + 第292行：
第292行： − + − + − ·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。+
→动力学模式分解（DMD）
[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。
·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：<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