数据变换分解 | Python实现时间序列动态模态分解
基本介绍
动态模态分解 (dynamic mode decomposition) 最早是被用来分析流体(例如水流)的动态过程,它可以把复杂的流动过程分解为低秩的时空特征 (low-rank spatiotemporal features),这种方法的强大之处在于它不依赖于动态系统中的任何主方程。作为衍生,动态模态分解可以被用来分析多元时间序列 (multivariate time series),进行短期未来状态预测。
模型描述
动态模态分解是一种数据驱动的方法,其在描述一些动态过程时具有很多优势,包括:
动态模态分解不依赖于任何给定的动态系统表达式;
不同于奇异值分解,动态模态分解可以做短期状态预测,即模型本身具备预测能力。