更改

添加267字节 、 2024年7月1日 (星期一)
第308行: 第308行:  
一般来说,动态系统的解析解难以得到,希望通过一种不需要知道方程就能够近似这个动态系统,并对这个系统做出一定的预测,动力学模式分解(DMD)便是其中一种解决方案。通过构造局部线性化的动态系统,对于一个连续系统,
 
一般来说,动态系统的解析解难以得到,希望通过一种不需要知道方程就能够近似这个动态系统,并对这个系统做出一定的预测,动力学模式分解(DMD)便是其中一种解决方案。通过构造局部线性化的动态系统,对于一个连续系统,
   −
<math>\frac{dx}{dt}=\mathcal{A}(x) </math>
+
<math>\frac{dx}{dt}=Ax </math>
    
该关系的解可以通过如下表达式来构建
 
该关系的解可以通过如下表达式来构建
第323行: 第323行:     
<math>x_t=\sum_{k=1}^n\phi_k\lambda_k^tb_k=\Phi \Lambda^tb </math>
 
<math>x_t=\sum_{k=1}^n\phi_k\lambda_k^tb_k=\Phi \Lambda^tb </math>
 +
 +
其中,<math>b </math>是初始状态<math>x </math>在特征向量基下的坐标,即<math>x=\Phi b </math>。
 +
 +
DMD算法就是寻找矩阵A的低阶(秩)近似,并且该近似解可以最近与原始的动态系统的轨迹,即
 +
 +
<math>\min||x_{t+1}-Ax_t|| </math>
    
===马尔可夫链的简化===
 
===马尔可夫链的简化===
225

个编辑