新たなアルゴリズムが「ノイズの多い」データを切断し、ティッピングポイントをより的確に予測する(New algorithm cuts through ‘noisy’ data to better predict tipping points)

ad

2024-04-26 バッファロー大学(UB)

バッファロー大学の研究者が開発した新しいアルゴリズムは、システムが臨界点に近づいていることを示す予測データ点を特定できます。この理論的枠組みは、確率微分方程式を用いてデータポイントの変動を観察し、初期警告信号の計算に使用すべき点を決定します。この方法は、理論的な臨界点を予測する際に、ランダムな選択よりも正確であることがシミュレーションで確認されました。研究は、ネットワーク科学を取り入れた独自のアプローチを提供し、さまざまな分野の専門家との協力を進めています。

<関連情報>

異なるノードからの早期警告シグナルを混合することで、レジームシフトを予測する Anticipating regime shifts by mixing early warning signals from different nodes

Naoki Masuda,Kazuyuki Aihara & Neil G. MacLaren
Nature Communications  Published:05 February 2024
DOI:https://doi.org/10.1038/s41467-024-45476-9

新たなアルゴリズムが「ノイズの多い」データを切断し、ティッピングポイントをより的確に予測する(New algorithm cuts through ‘noisy’ data to better predict tipping points)

Abstract

Real systems showing regime shifts, such as ecosystems, are often composed of many dynamical elements interacting on a network. Various early warning signals have been proposed for anticipating regime shifts from observed data. However, it is unclear how one should combine early warning signals from different nodes for better performance. Based on theory of stochastic differential equations, we propose a method to optimize the node set from which to construct an early warning signal. The proposed method takes into account that uncertainty as well as the magnitude of the signal affects its predictive performance, that a large magnitude or small uncertainty of the signal in one situation does not imply the signal’s high performance, and that combining early warning signals from different nodes is often but not always beneficial. The method performs well particularly when different nodes are subjected to different amounts of dynamical noise and stress.

1504数理・情報
ad
ad
Follow
ad
タイトルとURLをコピーしました