更改

下图是一张关于DMD算法在流体流动应用上（雷诺数为100）的示意图。图中左侧展示了一系列实验图像，时间t从上到下增加，表示流体流经圆柱体时的动态变化。中间部分是数据收集和处理过程，通过矩阵运算将实验数据转换为适合分析的形式。右侧展示了DMD的应用，包括诊断和时间动力学预测，以及未来状态的预测。图中使用红色虚线标注了过去和未来的时间线，并有彩色图形表示动态模式。

下图是一张关于DMD算法在流体流动应用上（雷诺数为100）的示意图。图中左侧展示了一系列实验图像，时间t从上到下增加，表示流体流经圆柱体时的动态变化。中间部分是数据收集和处理过程，通过矩阵运算将实验数据转换为适合分析的形式。右侧展示了DMD的应用，包括诊断和时间动力学预测，以及未来状态的预测。图中使用红色虚线标注了过去和未来的时间线，并有彩色图形表示动态模式。

[[文件:DMD算法图3.1.png|缩略图|替代=|左]]

[[文件:DMD算法图3.1.png|410x410px|替代=]]

 

==扩展DMD==

 

 

 

 

 

<nowiki>=扩展DMD=</nowiki>

虽然DMD（动态模态分解）已成为一种近似Koopman算子的标准数值方法，但它基于对系统的线性测量，因此无法识别那些用于近似Koopman算子的强非线性系统所需的非线性坐标变换。为了解决这一问题，Williams等人提出了扩展DMD（eDMD），使得最佳拟合线性DMD回归可以在一个包含状态非线性测量的扩展向量上进行。eDMD方法最近被证明等价于早期变分共形动力学方法，这一观点来自分子动力学文献，并可参考Klus等人的优秀综述。

虽然DMD（动态模态分解）已成为一种近似Koopman算子的标准数值方法，但它基于对系统的线性测量，因此无法识别那些用于近似Koopman算子的强非线性系统所需的非线性坐标变换。为了解决这一问题，Williams等人提出了扩展DMD（eDMD），使得最佳拟合线性DMD回归可以在一个包含状态非线性测量的扩展向量上进行。eDMD方法最近被证明等价于早期变分共形动力学方法，这一观点来自分子动力学文献，并可参考Klus等人的优秀综述。