.png){kind=icon}
返回
Detecting and forecasting tipping points from sample variance alone
.png){kind=icon}
OA
AI
DOI：10.1093/pnasnexus/pgag126.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
预测复杂系统中的临界转折点是跨领域的根本挑战。基于临界减速的传统早期预警信号（EWSs），如增加的样本方差，被广泛使用，但其可靠指示迫近的分岔并预测其时间的能力仍然有限。在此，我们引入TIPMOC（通过幂律拟合和模型比较进行临界转折点预测），一种参数化框架，旨在仅使用样本方差统计检测分岔的临近并估计其未来位置。TIPMOC利用方差在亏格一（codimension-one）分岔附近以特征幂律形式发散的数学性质。通过顺序监测系统方差随控制参数变化，TIPMOC在每一步统计判断线性与幂律发散。当证据支持幂律发散时，TIPMOC预测迫近的临界转折点并估计其位置；否则避免假阳性。通过数值模拟，我们展示了TIPMOC在检测和时序预测方面的鲁棒性与准确性，适用于不同类型的动态和分岔，尽管时序预测的准确性有限。TIPMOC显示低假阳性率，即使在非均匀采样和有色噪声下表现良好。因此，该方法增强了经典EWSs的可解释性和实用价值，作为透明附加组件和独立统计工具，用于预测各类复杂系统中的状态转变。
Keyword:
Tipping points
Early warning signals
Power-law divergence
Bifurcation detection
Regime shift forecasting
