💥💥💞💞欢迎来到本博客❤️❤️💥💥
🏆博主优势:🌞🌞🌞博客内容尽量做到思维缜密,逻辑清晰,为了方便读者。
⛳️座右铭:行百里者,半于九十。
📋📋📋本文目录如下:🎁🎁🎁
目录
💥1 概述
文献来源:
我们建立了一类名为动态模态分解(DMD)的数值算法的收敛性,用于计算无限维库普曼算子的特征值和特征函数。这些算法作用于来自状态空间上可观测量的数据,这些数据排列在汉克尔类型的矩阵中。证明利用了底层动力系统是遍历的假设。这包括经典的保度系统,以及其吸引子支持物理度量的系统。我们的方法依赖于观察结论,即DMD中的向量投影可以通过柏霍夫遍历定理的优点用于逼近函数投影。利用这一事实,我们展示了将DMD应用于汉克尔数据矩阵,在无限时间观察的极限情况下产生真实的库普曼特征函数和特征值。我们还展示了奇异值分解(SVD),这是大多数DMD算法的核心部分,收敛于可观测量的正交分解。我们利用这一结果,基于将坐标提升到可观测量空间,获得了具有连续频谱系统动态的表示。这些方法的数值应用是通过使用众所周知的动力系统和计算流体动力学示例来展示的。
📚2 运行结果
部分代码:
%% SVD on Hankel --> POD basis on the attractor
m = 15000; % # of points on which functions are smapled - should be large enough to sample the whole limit cycle
n = 101; % # of operator iterations - should be larger so that transients die
nd = m+n; % number of total observations fo Hankel
ntr = 1000; % discard 10 sec transient
x = X(ntr+(1:nd),1)'; % taking x as observable
% make the Hankel matrix
c = x(1:n).';
r = x(n:n+m-1);
H = hankel(c,r).';
[U,S,V]=svd(H/sqrt(m),0);
disp('first six singular values')
diag(S(1:6,1:6)) % check out how they vary with changing m
%% POD basis as colorfield on the attractor
set(0,'defaultTextInterpreter','latex', ...
'defaultLegendInterpreter','latex', ...
'defaultAxesTickLabelInterpreter','latex');
tdata = tspan(ntr+(1:m));
xc = x(1:m);
yc = X(ntr + (1:m),2)';
zc = X(ntr + (1:m),3)';
🎉3 参考文献
文章中一些内容引自网络,会注明出处或引用为参考文献,难免有未尽之处,如有不妥,请随时联系删除。