蒙特卡罗盆地分岔分析
Maximilian Gelbrecht1,2 , Jürgen Kurths1,2 and Frank Hellmann1
1德国柏林洪堡大学物理研究所波茨坦气候影响研究所
2德国柏林洪堡大学物理研究所
电子邮件:gelbrecht@pik-potsdam.de
摘要
许多高维复杂系统表现出一种极为复杂的可能渐近状态。在这里,我们提出了一种数值方法来分析这类系统。它介于宏观有序参数的经典分析和更深入、更详细的分岔分析之间。利用我们的机器学习方法,基于随机抽样和聚类的方法,我们能够描述不同的渐近状态或类别,甚至它们的吸引域。为了做到这一点,合适的,易于计算,统计的轨迹随机生成的初始条件和参数的聚类算法,如DBSCAN。由于其模块化和灵活性,我们的方法在许多学科中有广泛的应用前景。虽然典型的应用是振荡网络,但它不仅限于常微分方程系统,每一个产生轨迹的复杂系统,如地图或基于代理的模型,都可以进行分析,正如我们通过应用Dodds–Watts模型(一种广义SIRS模型)来分析社会和生物传染。此外,还展示了用于研究电网动力学的二阶Kuramoto模型和Stuart-Landau振荡网络,每个振荡网络都表现出复杂的多稳态状态。该方法可用作Julia语言的包。
翻译前的原文
翻译后的稿件