.png){kind=icon}
返回
Loop current extension as an effective delayed dynamical system
.png){kind=icon}
PRE
AI
DOI：10.1007/s11071-026-13096-1.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
环流是墨西哥湾的主要环流特征，并通过向北延伸、收缩和涡旋脱落表现出显著变化。我们研究了这种变化是否可以通过基于卫星测高观测的环流向北延伸构建的延迟坐标表示进行有效的延迟动力学描述。岭回归、多层感知器和非线性动力学稀疏识别（SINDy）被用于学习延迟演化映射。仅使用少数延迟坐标，在30-90天的预测时间尺度上，预测技巧超过了持续性。岭回归表明，预测技巧随延迟状态维度的增加迅速饱和，多层感知器仅提供适度的额外改进，而延迟SINDy识别出具有次季节记忆的稀疏演化映射，这些映射在递归迭代下保持稳定。这些结果表明，环流向北延伸的可预测变化在很大程度上可以通过少量延迟观测和紧凑的延迟演化映射来表示。
Keyword:
Loop current
Delayed-coordinate modeling
Machine learning
SINDy
Ocean predictability
期刊
IF:
6
论文数:
1.4W
被引数:
4.1W
机构
暂无机构信息
引用论文
.png){kind=icon}
Discovering governing equations from data by sparse identification of nonlinear dynamical systems通过非线性动力系统的稀疏识别从数据中发现控制方程
OAAI
OAAI分享收藏分享收藏
查看更多内容