Upload
hakien
View
219
Download
0
Embed Size (px)
Citation preview
Nichtlineare SystemeTest auf Nichtlinearität
Ausblick
Nichtlineare Zeitreihenanalyse
Raimar Sandner
Studentenseminar "Statistische Methoden in der Physik"2007
Raimar Sandner Nichtlineare Zeitreihenanalyse
Nichtlineare SystemeTest auf Nichtlinearität
Ausblick
Gliederung
1 Nichtlineare Systeme
Phasenraum
Chaos
Zeitreihen
2 Test auf Nichtlinearität
Surrogate
Kritik an Methoder der Surrogate
3 Ausblick
Raimar Sandner Nichtlineare Zeitreihenanalyse
Nichtlineare SystemeTest auf Nichtlinearität
Ausblick
PhasenraumChaosZeitreihen
Gliederung
1 Nichtlineare Systeme
Phasenraum
Chaos
Zeitreihen
2 Test auf Nichtlinearität
Surrogate
Kritik an Methoder der Surrogate
3 Ausblick
Raimar Sandner Nichtlineare Zeitreihenanalyse
Nichtlineare SystemeTest auf Nichtlinearität
Ausblick
PhasenraumChaosZeitreihen
Charakterisierung
(Deterministisches) dynamisches System gegeben durch
Zustandsgrößen x ∈ Rn, bilden Phasenraum
Beispiel
x = (x1, . . . , xn) x =(
~x , ~̇x)
x = (T , V , p)
Vorschrift für Zeitentwicklung der Vektoren im Phasenraum
Zeitkontinuierlichdxdt = f (p, t , x), t ∈ R
Zeitdiskret
x t+1 = F (p, t , x t), t ∈ Z
Anfangsbedingungen, x(t0) bzw. x0 Trajektorie
Nichtlineare Dynamik: f bzw. F nichtlinear
Raimar Sandner Nichtlineare Zeitreihenanalyse
Nichtlineare SystemeTest auf Nichtlinearität
Ausblick
PhasenraumChaosZeitreihen
Phasenraumvolumen
Betrachte gebundene Lösungen
Konservative Systeme: Phasenraumvolumen erhalten
Dissipative Systeme: Phasenraumvolumen schrumpft
div f < 0 bzw. |det JF | < 1 (im Mittel)
Physikalisch: Energie ist erhalten oder wird dem Systementzogen.
Phasenraum kann auch in eine Richtung gestreckt, in anderegestaucht werden.
Raimar Sandner Nichtlineare Zeitreihenanalyse
Nichtlineare SystemeTest auf Nichtlinearität
Ausblick
PhasenraumChaosZeitreihen
Atraktoren
Assymptotisches Verhalten der Trajektorien
Definition (Atraktor A)
A kompaktA invariant unter Dynamik∃ offene Umgebung U ⊃ A, diesich auf A zusammenzieht
Einzugsbereich (Atraktorbecken)
Maximale Menge, die sich auf A kontrahiert.
Raimar Sandner Nichtlineare Zeitreihenanalyse
Nichtlineare SystemeTest auf Nichtlinearität
Ausblick
PhasenraumChaosZeitreihen
Beispiele für Atraktoren
−0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8−2
−1.5
−1
−0.5
0
0.5
1
1.5
Fixpunkt (ged. harm. Oszillator)
−4 −3 −2 −1 0 1 2 3 4−3
−2
−1
0
1
2
3
Grenzzyklus (van der Pol Oszillator)
−20
0
20 −30 −20 −10 0 10 20 30
5
10
15
20
25
30
35
40
45
50
Fraktaler Atraktor (Lorenz-Atraktor)
Raimar Sandner Nichtlineare Zeitreihenanalyse
Nichtlineare SystemeTest auf Nichtlinearität
Ausblick
PhasenraumChaosZeitreihen
Gliederung
1 Nichtlineare Systeme
Phasenraum
Chaos
Zeitreihen
2 Test auf Nichtlinearität
Surrogate
Kritik an Methoder der Surrogate
3 Ausblick
Raimar Sandner Nichtlineare Zeitreihenanalyse
Stretch and Fold
Beispiel (Hénon-Map)
−1 −0.5 0 0.5 1
−1
−0.5
0
0.5
1
−2 −1.5 −1 −0.5 0 0.5 1 1.5 2 2.5−0.5
−0.4
−0.3
−0.2
−0.1
0
0.1
0.2
0.3
0.4
0.5
−8 −6 −4 −2 0 2−0.6
−0.4
−0.2
0
0.2
0.4
0.6
0.8
−1.5 −1 −0.5 0 0.5 1 1.5−0.4
−0.3
−0.2
−0.1
0
0.1
0.2
0.3
0.4
Beispiel (Rössler-System)
−20
−10
0
10
20
30
−25−20−15−10−505101520
0
10
20
30
40
Nichtlineare SystemeTest auf Nichtlinearität
Ausblick
PhasenraumChaosZeitreihen
Fraktale Dimension eines Atraktors
chaotisches Verhalten: kleine Änderung großeAbweichung
topologische Dimension nicht-ganzzahlig
jede Bahn im Einzugsbereich kommt jedem Punkt desAtraktors beliebig nahe
Überdeckungsdimension (Boxcounting-Dimension)
überdecke A mit ε-Würfelnfür kleine ε: benötigte Anzahl N(ε) ∝ 1
εDB
DB = limε→0ln N(ε)
ln( 1ε)
Raimar Sandner Nichtlineare Zeitreihenanalyse
Nichtlineare SystemeTest auf Nichtlinearität
Ausblick
PhasenraumChaosZeitreihen
Lyapunov-Exponent
Chaos: exponentielles Auseinanderlaufen naher Trajektorien
linearisiere System lokald(x+δx)
dt = f (x + δx) ≈ f (x) + δxDf (x), mit Jakobimatrix Df (x)
dδxdt
= δxDf (x) δx(t) = δx(0)eλt , Lyapunov-Exp. λ
Betrag größter Eigenwert λmax > 0 ⇒ Chaos
dissipatives System:∑
i λi < 0
Raimar Sandner Nichtlineare Zeitreihenanalyse
Nichtlineare SystemeTest auf Nichtlinearität
Ausblick
PhasenraumChaosZeitreihen
Gliederung
1 Nichtlineare Systeme
Phasenraum
Chaos
Zeitreihen
2 Test auf Nichtlinearität
Surrogate
Kritik an Methoder der Surrogate
3 Ausblick
Raimar Sandner Nichtlineare Zeitreihenanalyse
Nichtlineare SystemeTest auf Nichtlinearität
Ausblick
PhasenraumChaosZeitreihen
Einbettung
Problem
Gegeben eindimensionale diskrete Zeitreihe {xi}Ni=1.
Wie ist Atraktor zu rekonstruieren?
wähle Einbettungsdimension m, delay τ
~xi =(
xi , xi−τ , xi−2τ , . . . , xi−(m−1)τ
)
Ergebnis sollte topologisch äquivalent zum Atraktor desSystems sein
mathematische Behandlung in embedding theorems,Bedingungen an m und τ
Raimar Sandner Nichtlineare Zeitreihenanalyse
Nichtlineare SystemeTest auf Nichtlinearität
Ausblick
PhasenraumChaosZeitreihen
Beispiel Einbettung
Einbettung der x-Koordinate eines Lorenz-Atraktors. m = 3,τ = 1, 7, 20.
−20−10
010
20 −20−10
010
20−20
−15
−10
−5
0
5
10
15
20
−20
−10
0
10
20
−20
−10
0
10
20−20
−10
0
10
20
−20 −15 −10 −5 0 5 10 15 20 −20
0
20
−20
−15
−10
−5
0
5
10
15
20
Raimar Sandner Nichtlineare Zeitreihenanalyse
Nichtlineare SystemeTest auf Nichtlinearität
Ausblick
PhasenraumChaosZeitreihen
Korrellationsdimension
Korrelationssumme
C(ε) = 2N(N−1)
∑Ni=1
∑Nj=i+1 Θ
(
ε − ‖~xi − ~xj‖)
Anteil aller möglichen Punktpaare, die näher als ε beieinanderliegen (hängt implizit von Einbettung ab)
Für ε → 0, N → ∞ sollte C(ε) ∝ εD
Korrelationsdimension D
d(N, ε) = ∂ ln C(ε,N)∂ ln ε
, D = limε→0 limN→∞d(N, ε)
Raimar Sandner Nichtlineare Zeitreihenanalyse
Nichtlineare SystemeTest auf Nichtlinearität
Ausblick
SurrogateKritik an Methoder der Surrogate
Gliederung
1 Nichtlineare Systeme
Phasenraum
Chaos
Zeitreihen
2 Test auf Nichtlinearität
Surrogate
Kritik an Methoder der Surrogate
3 Ausblick
Raimar Sandner Nichtlineare Zeitreihenanalyse
Nichtlineare SystemeTest auf Nichtlinearität
Ausblick
SurrogateKritik an Methoder der Surrogate
Methode
Surrogate Daten
Lat: surrogatum, der Ersatz.„Ersatzdaten“ für eine gegebene Zeitreihe
stelle Nullhypothese
generiere Surrogaten unter Nullhypothese
berechne Teststatistik auf allen Surrogaten (QHi) und auf
echten Daten (QD)
verschiedene Teststatistiken denkbar
Raimar Sandner Nichtlineare Zeitreihenanalyse
Nichtlineare SystemeTest auf Nichtlinearität
Ausblick
SurrogateKritik an Methoder der Surrogate
Zurückweisen der Nullhypothese
Test auf Gleichheit der Verteilungen
z.B. Kolmogorov-Smirnov-Testnur praktikabel wenn mehrereechte Zeitreihen existieren (oderStückeln der Daten)
Nehme QHigaußverteilt an
oft sinnvolle Näherungberechne Signifikanz:Abweichung QD vom Mittelwertder QHi
in Einheiten derStandardabweichung
8 9 10 11 12 13 14 15 16discriminating statistic
Häu
figke
it
Raimar Sandner Nichtlineare Zeitreihenanalyse
Nichtlineare SystemeTest auf Nichtlinearität
Ausblick
SurrogateKritik an Methoder der Surrogate
Erzeugen der Surrogate
Surrogate als parametrischer Bootstrap
behalte „typisch lineare“ Parameter des Prozesses:Mittelwert, Powerspektrumzerstöre Phasenkorrelationen
Technisch
Periodogramm IX (ω) = 12πN
∣
∣
∣
∑Nt=1 Xt exp(−iωt)
∣
∣
∣
2
ziehe θj , unabhängig und gleichverteilt auf [0, 2π]Rücktransformation:X ∗
t = X +√
2πN
∑mj=1 2
√
IX (ωj) cos(ωj + θj)
Raimar Sandner Nichtlineare Zeitreihenanalyse
Nichtlineare SystemeTest auf Nichtlinearität
Ausblick
SurrogateKritik an Methoder der Surrogate
Erzeugen der Surrogate
generierte Surrogate automatisch linear, Gaussch, stationär,stochastisch
verschiedene Spielarten
falls Zeitreihe nicht periodisch, falsche hochfrequenteAnteile „Windowed Fourier transform algorithm“falls Zeitreihe monotone nichtlineare Transformation eineslinearen gausschen Prozesses „Amplitude adjustedFourier transfom algorithm“
Raimar Sandner Nichtlineare Zeitreihenanalyse
Nichtlineare SystemeTest auf Nichtlinearität
Ausblick
SurrogateKritik an Methoder der Surrogate
Teststatistiken
Zum Beispiel
Vorhersagefehler
Lyapunov-Exponenten
Korrelations-Dimension
Momente höherer Ordnung
Raimar Sandner Nichtlineare Zeitreihenanalyse
Nichtlineare SystemeTest auf Nichtlinearität
Ausblick
SurrogateKritik an Methoder der Surrogate
Gliederung
1 Nichtlineare Systeme
Phasenraum
Chaos
Zeitreihen
2 Test auf Nichtlinearität
Surrogate
Kritik an Methoder der Surrogate
3 Ausblick
Raimar Sandner Nichtlineare Zeitreihenanalyse
Nichtlineare SystemeTest auf Nichtlinearität
Ausblick
SurrogateKritik an Methoder der Surrogate
Nullhypothese zu restriktiv
Nullhypothese
Daten liegt linearer, Gausscher, stationärer, stochastischerProzess zugrunde.
Nie erfüllt! ⇒ wird mit genug Daten immer zurückgewiesen
Aber:
sagt noch nichts über die Alternativenicht die durch Teststatistik suggerierte Alternative trifftautomatisch zu
Raimar Sandner Nichtlineare Zeitreihenanalyse
Power der Surrogaten-Tests
Wann ist Aussage über bestimmte Alternative möglich?
Nur wenn. . .
Power für diese Alternative hochPower für alle anderen Alternativen niedrig
Beispiel
Modelliert: AR[2], leichte Verletzungen der StationaritätTestfeature: „getrimmte“ Korrelationsdimension
Nichtlineare SystemeTest auf Nichtlinearität
Ausblick
SurrogateKritik an Methoder der Surrogate
Außerdem. . .
erzeuge 1000 Prozesse unter Nullhypothese
schätze daraus Verteilung der Teststatistik, kritischen Wert
erzeuge für jeden 1000 Surrogate, jeweils 95%-Quantil 1000 „ersatz“-kritische Werte
Hoffnung
Test, der zurückweist, falls Teststatistik > kritischer Wertäquivalent zu
auf Surrogaten basierendem Test
Raimar Sandner Nichtlineare Zeitreihenanalyse
Nichtlineare SystemeTest auf Nichtlinearität
Ausblick
SurrogateKritik an Methoder der Surrogate
Ergebnis
Surrogatentest hält zwar korrektes Level ein
Aber:
0.25 0.3 0.35 0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.750
20
40
60
80
100
120
0.25 0.3 0.35 0.4 0.45 0.5 0.55 0.6 0.65 0.7 0.750
20
40
60
80
100
120
Raimar Sandner Nichtlineare Zeitreihenanalyse
Nichtlineare SystemeTest auf Nichtlinearität
Ausblick
Weiterführende Themen
Spektralanalyse auf nichtlinearenZeitreihenStochastische Einflüsse,Beobachtungsrauschen,Rauschen in der DynamikNichtlineareRauschunterdrückungModellbildung −2.5 −2 −1.5 −1 −0.5 0 0.5 1 1.5 2 2.5
−8
−6
−4
−2
0
2
4
6
8
Raimar Sandner Nichtlineare Zeitreihenanalyse
Literatur
J Theiler, S Eubank, A Longtin, B Galdrikian,
and JD Farmer.Testing for nonlinearity in time-series - themethod of surrogate data.Physica D, 58:77–94, Sep 1992.
E Mammen and S Nandi.
Change of the nature of a test when surrogatedata are applied.Physical Review E, 70:016121, Jul 2004.
J Timmer.
Power of surrogate data testing with respect tononstationarity.Physical Review E, 58:5153–5156, Oct 1998.
J Timmer.
What can be inferred from surrogate datatesting?Physical Review Letters, 85:2647–2647, Sep2000.
H. Kantz and T. Schreiber.Nonlinear time series analysis.Cambridge University Press, 1997.
J. Kurths.Lineare und nichtlineare Methoden derZeitreihenanalyse.Vorlesungsskript, Okt 2000
Raimar Sandner Nichtlineare Zeitreihenanalyse