ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΠΜΣ ΕΦΑΡΜΟΣΜΕΝΗ ΜΗΧΑΝΙΚΗ ΚΑΙ ΠΡΟΣΟΜΟΙΩΣΗ ΣΥΣΤΗΜΑΤΩΝ



Σχετικά έγγραφα
Χρονοσειρές - Μάθημα 9 Aνάλυση χρονοσειρών και δυναμικά συστήματα

Χρονοσειρές - Μάθημα 7. Μη-γραμμική ανάλυση χρονοσειρών

Εκτίμηση μη-γραμμικών χαρακτηριστικών

ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΕΦΑΡΜΟΣΜΕΝΗ ΜΗΧΑΝΙΚΗ ΚΑΙ ΠΡΟΣΟΜΟΙΩΣΗ ΣΥΣΤΗΜΑΤΩΝ

ΑΝΑΛΥΣΗ ΧΡΟΝΟΣΕΙΡΩΝ ΘΕΡΜΟΚΡΑΣΙΑΣ ΜΕ ΜΗ ΓΡΑΜΜΙΚΕΣ ΜΕΘΟΔΟΥΣ

Χρονοσειρές - Μάθημα 8. Μη-γραμμική ανάλυση χρονοσειρών

Πραγματικές χρονοσειρές

ΕΙΣΑΓΩΓΗ ΣΤΙΣ ΧΡΟΝΟΛΟΓΙΚΕΣ ΣΕΙΡΕΣ (Time-series Analysis)

ΤΜΗΜΑ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΠΑΝΕΠΙΣΤΗΜΙΟΥ ΘΕΣΣΑΛΙΑΣ ΠΜΣ ΕΦΑΡΜΟΣΜΕΝΗ ΜΗΧΑΝΙΚΗ ΚΑΙ ΠΡΟΣΟΜΟΙΩΣΗ ΣΤΣΤΗΜΑΤΩΝ. Μεταπτυχιακή Εργασία

Μεταπτυχιακό Πρόγραμμα Φυσικού Τμήματος «Υπολογιστική Φυσική» Θέμα εργασίας στο A Μέρος του μαθήματος «Προσομοίωση Χαοτικών Συστημάτων»

Συνήθεις Διαφορικές Εξισώσεις

Βιβλιογραφία: Turning point properties as a method for the characterization of the ergodic dynamics of one-dimensional iterative maps, F. K.

HMY 799 1: Αναγνώριση Συστημάτων

Χρονολογικές Σειρές (Time Series) Lecture notes Φ.Κουντούρη 2008

ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ

Προσοµοίωση χαοτικών χρονοσειρών Μέρος Β - Μη-γραµµική ανάλυση χρονοσειρών

Κεϕάλαιο 6. Χρονοσειρές

ΑΠΟΔΟΣΗ ΕΛΕΓΧΩΝ ΓΡΑΜΜΙΚΗΣ ΤΑΣΗΣ ΧΡΟΝΟΣΕΙΡΩΝ ΜΕ ΧΡΗΣΗ ΤΕΧΝΙΚΩΝ ΤΥΧΑΙΟΠΟΙΗΣΗΣ

ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ

= x. = x1. math60.nb

Τεχνικές Μείωσης Διαστάσεων. Ειδικά θέματα ψηφιακής επεξεργασίας σήματος και εικόνας Σ. Φωτόπουλος- Α. Μακεδόνας

Διάλεξη 6. Fourier Ανάλυση Σημάτων. (Επανάληψη Κεφ Κεφ. 10.3, ) Ανάλυση σημάτων. Τι πρέπει να προσέξουμε

ΦΑΣΜΑΤΙΚΗ ΑΝΑΛΥΣΗ ΚΑΙ ΕΠΟΧΙΚΗ ΔΙΟΡΘΩΣΗ ΧΡΟΝΟΛΟΓΙΚΩΝ ΣΕΙΡΩΝ

ΑΝΑΛΛΟΙΩΤΑ ΣΥΝΟΛΑ, ΟΡΙΑΚΑ ΣΥΝΟΛΑ

Αστάθεια (volatility)

3 Μη-γραμμική ανάλυση χρονοσειρών

ΑΠΟ ΤΟ ΔΕΙΓΜΑ ΣΤΟΝ ΠΛΗΘΥΣΜΟ

Χρονικές σειρές 3 Ο μάθημα: Βασικές στοχαστικές διαδικασίες Μη στάσιμες χρονοσειρές Εαρινό εξάμηνο Τμήμα Μαθηματικών ΑΠΘ

Χρονικές σειρές 2 Ο μάθημα: Εισαγωγή στις χρονοσειρές

Γεωµετρικη Θεωρια Ελεγχου

ΠΡΟΗΓΜΕΝΑ ΣΥΣΤΗΜΑΤΑ ΜΕΤΑΦΟΡΩΝ

Ντετερμινιστικά Συστήματα. Στοιχεία Χαοτικής Ανάλυσης Χρονοσειρών

ΜΑΘΗΜΑ 3ο. Βασικές έννοιες

ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική

Ψωφογεώργου Πολυξένη

Χρονοσειρές, Μέρος Β 1 Πρόβλεψη Χρονικών Σειρών

ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Μονάδα Συστημάτων Προβλέψεων & Προοπτικής Forecasting System Unit

Προγραμματισμός Ζήτησης και Προμηθειών της ΕΑ. Δημοκρίτειο Πανεπιστήμιο, Τμήμα Μηχανικών Παραγωγής & Διοίκησης 1

ΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 3, Νέα Κτίρια ΣΗΜΜΥ Θεωρία Πιθανοτήτων & Στοχαστικές Ανελίξεις - 1

Γεωµετρικη Θεωρια Ελεγχου

Χρήστος Ξενάκης. Πανεπιστήμιο Πειραιώς, Τμήμα Ψηφιακών Συστημάτων

Εφαρμοσμένη Στατιστική: Συντελεστής συσχέτισης. Παλινδρόμηση απλή γραμμική, πολλαπλή γραμμική

ΜΕΤΑΠΤΥΧΙΑΚΗ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΑΝΑΛΥΣΗ ΣΗΜΑΤΩΝ ΓΙΑ ΤΟΝ ΥΠΟΛΟΓΙΣΜΟ ΤΗΣ ΦΡΑΚΤΑΛ ΔΙΑΣΤΑΣΗΣ ΣΕ ΣΥΝΔΥΑΣΜΟ ΜΕ NARMAX ΜΟΝΤΕΛΑ

Επιχειρηματικές Προβλέψεις: Μέθοδοι & Τεχνικές Αποσύνθεση Χρονοσειράς Διάλεξη 2

ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τραπεζικής & Χρηματοοικονομικής

Χρονοσειρές Μάθημα 1

ΠΕΡΙΕΧΟΜΕΝΑ. ΠΡΟΛΟΓΟΣ... vii ΠΕΡΙΕΧΟΜΕΝΑ... ix ΓΕΝΙΚΗ ΒΙΒΛΙΟΓΡΑΦΙΑ... xv. Κεφάλαιο 1 ΓΕΝΙΚΕΣ ΕΝΝΟΙΕΣ ΑΠΟ ΤΗ ΣΤΑΤΙΣΤΙΚΗ

HMY 429: Εισαγωγή στην Επεξεργασία Ψηφιακών. Χρόνου (Ι)

ΒΑΣΙΚΑ ΧΑΡΑΚΤΗΡΙΣΤΙΚΑ ΣΕΙΡΩΝ ΚΑΝΟΝΙΚΟΤΗΤΑ

Ανάπτυξη και δηµιουργία µοντέλων προσοµοίωσης ροής και µεταφοράς µάζας υπογείων υδάτων σε καρστικούς υδροφορείς µε χρήση θεωρίας νευρωνικών δικτύων

x (t) u (t) = x 0 u 0 e 2t,

Μάθημα 2: Mη-στάσιμη χρονοσειρά, έλεγχος μοναδιαίας ρίζας και έλεγχος ανεξαρτησίας

Γραμμικά και μη γραμμικά συστήματα Αριθμητική προσέγγιση

Στοχαστικές Μέθοδοι στους Υδατικούς Πόρους Τυχαίες μεταβλητές, στοχαστικές ανελίξεις και χρονοσειρές

Χρονικές σειρές 5 Ο μάθημα: Γραμμικά στοχαστικά μοντέλα (1) Αυτοπαλίνδρομα μοντέλα Εαρινό εξάμηνο Τμήμα Μαθηματικών ΑΠΘ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

Παράρτηµα 3 Εξισώσεις Διαφορών και Στοχαστικές Διαδικασίες

ΧΡΗΜΑΤΙΣΤΗΡΙΑΚΈΣ ΔΙΑΚΥΜΑΝΣΕΙΣ ΚΑΙ ΠΡΟΣΔΙΟΡΙΣΤΙΚΟ ΧΑΟΣ

ΑΝΙΧΝΕΥΣΗ ΣΗΜΕΙΟΥ ΑΛΛΑΓΗΣ ΤΑΣΗΣ ΣΕ ΧΡΟΝΟΣΕΙΡΕΣ

HMY 795: Αναγνώριση Προτύπων

Υπόθεση της Αποτελεσματικής Αγοράς

Πιθανότητες & Τυχαία Σήματα. Διγαλάκης Βασίλης

ΟΙΚΟΝΟΜΕΤΡΙΑ. Βιολέττα Δάλλα. Εθνικό και Καποδιστριακό Πανεπιστήµιο Αθηνών

Μάθημα 1: Εισαγωγή στην ανα λυση χρονοσειρω ν, στασιμο τητα και αυτοσυσχε τιση

Λ. Ζαχείλας. Επίκουρος Καθηγητής Εφαρμοσμένων Μαθηματικών Τμήμα Οικονομικών Επιστημών Πανεπιστήμιο Θεσσαλίας. Οικονομική Δυναμική 29/6/14

ΑΘΡΟΙΣΤΙΚΗ ΑΜΟΙΒΑΙΑ ΠΛΗΡΟΦΟΡΙΑ ΩΣ ΣΤΑΤΙΣΤΙΚΟ ΕΛΕΓΧΟΥ ΜΗ-ΓΡΑΜΜΙΚΟΤΗΤΑΣ ΧΡΟΝΟΣΕΙΡΩΝ

Ειδικά Θέµατα Υπολογιστικής Όρασης & Γραφικής. Εµµανουήλ Ζ. Ψαράκης & Αθανάσιος Τσακαλίδης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής

Στοχαστικές Μέθοδοι στους Υδατικούς Πόρους Φασματική ανάλυση χρονοσειρών

Kalman Filter Γιατί ο όρος φίλτρο;

ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥΣΧΕΔΙΑΣΜΟΥ & ΠΛΗΡΟΦΟΡΙΑΚΩΝΣΥΣΤΗΜΑΤΩΝ. ΕΡΓΑΣΤΗΡΙΟ ΤΕΧΝΙΚΩΝ ΠΡΟΒΛΕΨΕΩΝ& ΕΛΕΓΧΟΥ ΜΑΘΗΜΑ ΠΕΜΠΤΟ-ΑΥTOΠΑΛΙΝΔΡΟΜΑ ΥΠΟΔΕΙΓΜΑΤΑ(AR(p))

ΣΥΝΙΣΤΩΣΕΣ ΜΙΑΣ ΧΡΟΝΟΣΕΙΡΑΣ

Ακαδηµαϊκό Έτος , Εαρινό Εξάµηνο ιδάσκων Καθ.: Νίκος Τσαπατσούλης

Ευρυζωνικά δίκτυα (2) Αγγελική Αλεξίου

Χρονοσειρές Μάθημα 2. Μη-στασιμότητα. Τάση? Εποχικότητα / περιοδικότητα? Ασταθή διασπορά? Αυτοσυσχέτιση?

4. ΚΕΦΑΛΑΙΟ ΕΦΑΡΜΟΓΕΣ ΤΟΥ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΥ FOURIER

Στατιστική ΙΙΙ-Εφαρμογές Χρονολογικές Σειρές(Μέθοδοι Εξομάλυνσης ΙΙΙ-Εφαρμογές)

Διαχείριση Υδατικών Πόρων

Τεχνολογικό Εκπαιδευτικό Ίδρυμα Δυτικής Μακεδονίας Western Macedonia University of Applied Sciences Κοίλα Κοζάνης Kozani GR 50100

ΜΑΘΗΜΑ 3ο. Υποδείγματα μιας εξίσωσης

ΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 3, Νέα Κτίρια ΣΗΜΜΥ Θεωρία Πιθανοτήτων & Στοχαστικές Ανελίξεις - 5

Ανάκτηση Πληροφορίας

Συνοπτικά περιεχόμενα

3. Κατανομές πιθανότητας

ΣΤΟΧΑΣΤΙΚΑ ΣΥΣΤΗΜΑΤΑ & ΕΠΙΚΟΙΝΩΝΙΕΣ 1o Τμήμα (Α - Κ): Αμφιθέατρο 3, Νέα Κτίρια ΣΗΜΜΥ Θεωρία Πιθανοτήτων & Στοχαστικές Ανελίξεις - 3

Διπλωματική Εργασία: «Συγκριτική Μελέτη Μηχανισμών Εκτίμησης Ελλιπούς Πληροφορίας σε Ασύρματα Δίκτυα Αισθητήρων»

Βασικές Έννοιες Στατιστικής & Μέθοδοι Πρόβλεψης

Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπισ τήμιο Κρήτης 2 Μαΐου /23

Χρονικές σειρές 6 Ο μάθημα: Αυτοπαλίνδρομα μοντέλα (2)

Μελέτη Συστηµάτων Lotcka - Volterra

ΓΡΑΜΜΙΚΗ ΠΑΛΙΝ ΡΟΜΗΣΗ

Αντικείμενο του κεφαλαίου είναι: Ανάλυση συσχέτισης μεταξύ δύο μεταβλητών. Εξίσωση παλινδρόμησης. Πρόβλεψη εξέλιξης

Στοχαστικότητα: μελέτη, μοντελοποίηση και πρόβλεψη φυσικών φαινομένων

Πανεπιστήμιο Πατρών Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών. Διάλεξη 4

Λ. Ζαχείλας. Επίκουρος Καθηγητής Εφαρμοσμένων Μαθηματικών Τμήμα Οικονομικών Επιστημών Πανεπιστήμιο Θεσσαλίας. Οικονομική Δυναμική 29/6/14

Γνωστές κατανομές συνεχών μεταβλητών (συν.) (Δ). Γάμμα κατανομή

ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ

Θεωρία Στοχαστικών Σηµάτων: Στοχαστικές διεργασίες, Περιγραφή εργοδικών στοχαστικών διεργασιών

Ανάλυση υναµικής ιεργασιών

1. Ποιες είναι οι διαφορές μεταξύ αυτοπαλίνδρομων υποδειγμάτων (AR) και υποδειγμάτων κινητού μέσου (MA);

Συνεχείς Τυχαίες Μεταβλητές

Transcript:

ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΠΟΛΙΤΙΚΩΝ ΜΗΧΑΝΙΚΩΝ ΠΜΣ ΕΦΑΡΜΟΣΜΕΝΗ ΜΗΧΑΝΙΚΗ ΚΑΙ ΠΡΟΣΟΜΟΙΩΣΗ ΣΥΣΤΗΜΑΤΩΝ ΙΕΡΕΥΝΗΣΗ ΑΙΤΙΟΚΡΑΤΙΚΟΥ ΧΑΟΥΣ ΣΕ ΧΡΟΝΟΣΕΙΡΑ ΤΑΧΥΤΗΤΑΣ ΑΝΕΜΟΥ ΜΕ ΧΡΗΣΗ ΜΗ ΓΡΑΜΜΙΚΩΝ ΜΕΘΟ ΩΝ ΑΝΑΛΥΣΗΣ ΑΒΡΑΑΜ ΧΑΡΑΚΟΠΟΥΛΟΣ ΕΠΙΒΛΕΠΩΝ: ρ. Θ. ΚΑΡΑΚΑΣΙ ΗΣ ίκτυο Υ ΡΟΜΕ ΩΝ «2η Συνάντηση Υποψηφίων ιδακτόρων και Μεταπτυχιακών Φοιτητών»

ΕΙΣΑΓΩΓΗ ΦΥΣΙΚΑ ΦΑΙΝΟΜΕΝΑ ΤΩΝ ΟΠΟΙΩΝ ΤΑ ΥΝΑΜΙΚΑ ΣΥΣΤΗΜΑΤΑ ΕΙΝΑΙ ΑΓΝΩΣΤΑ Καταγραφή µιας παρατηρούµενης ποσότητας ΧΡΟΝΟΣΕΙΡΑ Μέθοδοι ανάλυσης Εκτίµηση παραµέτρων συστήµατος

ΚΙΝΗΤΡΑ - ΣΚΟΠΟΣ Σκοπός της εργασίας είναι η µελέτη και η διερεύνηση της ύπαρξης ή µη αιτιοκρατικού χάους στην ταχύτητα του αέρα. Χάος είναι η απεριοδική συµπεριφορά ενός οριοθετηµένου (bounded) ντετερµινιστικού συστήµατος το οποίο παρουσιάζει ευαισθησία στις αρχικές συνθήκες. Αιτιοκρατικά Χαοτικά Συστήµατα είναι συστήµατα µε µερικές µη-γραµµικές αλληλοεξαρτώµενες µεταβλητές µε ευαισθησία σε αρχικές συνθήκες και η θεωρία που τα περιγράφει είναι γνωστή ως θεωρία του χάους. Στην βιβλιογραφία υπάρχουν αντικρουόµενα αποτελέσµατα Kantz H. and Schreiber T. Non linear time series analysis. Cambridge University Press, Cambridge (1997) Tsonis AA, Elsner JB. The weather attractor over very short timescales. Nature 1988;333:545 7. Zeng X, Pielke RA. What does a low-dimensional weather attractor mean? Physica Lett A 1993;175:299 304 Islam S, Bras RL, Rodriguez-Iturbe I. A possible explanation for low correlation dimension estimates for the atmosphere, Journal of Climate and Applied Meteorology, Vol. 48, pp. 203-8, 1993.

ΤΙ ΕΙΝΑΙ ΟΙ ΧΡΟΝΟΣΕΙΡΕΣ? Χρονική σειρά ή χρονοσειρά (time series) είναι ένα σύνολο παρατηρήσεων από µια διαδικασία µε χρονική διάταξη. Ορίζεται ως το σύνολο τιµών που έχουν προσδιοριστεί είτε υπολογιστικά είτε µε άµεση µέτρηση και έχουν διαταχθεί µε χρονική σειρά. Περιγραφικό Μοντέλο Χρονοσειράς χt= µt + st + yt µt είναιτοστοιχείοτηςτάσης(trend component) st είναι το στοιχείο περιοδικότητας ή εποχικότητας (cyclical or seasonal component) yt είναι η µη οµαλή συνιστώσα (irregular component) που αποµένει όταν αφαιρεθούν από τη χρονοσειρά τα µt και st. Η χρονοσειρά των yt µπορεί να αποτελείται από πλήρως τυχαίες διακυµάνσεις και τότε λέγεται λευκός θόρυβος (white noise), ή να παρουσιάζει κάποια δοµή.

ΑΝΑΛΥΣΗ ΧΡΟΝΟΣΕΙΡΩΝ Γραµµική Ανάλυση Μελετά γραµµικά χαρακτηριστικά όπως η αυτοσυσχέτιση και το φάσµα ισχύος Περιγράφει κανονικές διαδικασίες όπως η µέση τιµή, ηδιασπορά Ένα µέρος της πληροφορίας δεν περιγράφεται εν µπορεί να διακρίνει χάος από θόρυβο Μη-Γραµµική Ανάλυση Μπορούν να περιγράψουν πιο σύνθετες διαδικασίες Μπορούν να περιγράψουν χαµηλοδιάστατα µη-γραµµικά συστήµατα

ΤΙ ΕΙΝΑΙ Ο ΕΛΚΥΣΤΗΣ? Ελκυστής: ένα αναλλοίωτο σύνολο σηµείων όπου έλκει κάθε τροχιά που περιορίζεται στο χώρο R d ένα ευσταθές σηµείο ισορροπίας του συστήµατος (point attractor) {µπορεί να σχηµατιστεί από γραµµικό σύστηµα} ένας οριακός κύκλος (limit cycle attractor) για περιοδικές τροχιές συνεχών συστηµάτων {µπορεί να σχηµατιστεί από γραµµικό σύστηµα} χρονοσειρά χρονοσειρά χώρος φάσεων χώρος φάσεων ένας τόρος (torus ή toroidal attractor) για ψευδό-περιοδικές τροχιές συνεχών συστηµάτων {δεν µπορεί να σχηµατιστεί από γραµµικό σύστηµα} χρονοσειρά χώρος φάσεων κάποιο άλλο µη-πεπερασµένο σύνολο σηµείων που λέγεται παράξενος ελκυστής (strange/chaotic attractor) {δεν µπορεί να σχηµατιστεί από γραµµικό σύστηµα} variable 1.5 1 0.5 0-0.5-1 χρονοσειρά -1.5 0 20 40 60 80 100 120 140 160 180 200 time χώρος φάσεων

ΑΝΑΚΑΤΑΣΚΕΥΗ ΧΩΡΟΥ ΦΑΣΕΩΝ m>2d+1 Takens, F. Detecting strange attractors in turbulence. Dynamical systems and tyrbulence.warwick.lecture notes math, pp.366-381.

ΑΝΑΚΑΤΑΣΚΕΥΗ ΧΩΡΟΥ ΦΑΣΕΩΝ x [ x, x,..., x ] i i i- t i- ( m- 1) t ΜΗ-ΓΡΑΜΜΙΚΗ ΑΝΑΛΥΣΗ = { c i} r[ i = 1,..., N] ιάσταση Εµβύθισης m: ορίζει τον αριθµό των παρατηρήσεων που γίνονται συνιστώσες του ανακατασκευασµένου διανύσµατος Υστέρηση τ : ορίζει µε ποια χρονική διαφορά επιλέγονται οι m παρατηρήσεις

Επιλογή ιάστασης Εµβύθισης m (embedding dimension) m>2d+1 θεώρηµα Τakens όπου D η διάστασητουαρχικούελκυστή (ΑΓΝΩΣΤΗ) Μέθοδος των Ψευδών Κοντινότερων Γειτόνων (method of false nearest neighbors FFN) Κοντινά σηµεία του ελκυστή είναι: -είτε πραγµατικά γειτονικά σηµεία (λόγω της δυναµικής του συστήµατος) -ή ψευδή γειτονικά σηµεία (λόγω των αυτο-τοµών και µικρού m) Σε µεγαλύτερο m όπου δεν υπάρχουν αυτο-τοµές έχουν φανερωθεί όλα τα ψευδή γειτονικά σηµείααφούδεθαείναιπιαγειτονικά. Το βέλτιστο m είναι αυτό για το οποίο το ποσοστό το 1% των ψευδών γειτόνων είναι κάτω από Kennel M, Brown R and H.D.I Abarbanel. Determining embedding dimension for phase-space reconstruction using a geometrical construction, Psysica Review A 45, 1992;3403

Επιλογή Χρόνου Υστέρησης τ (time delay) Συνάρτηση αυτοσυσχέτισης όπου µετράει γραµµικές συσχετίσεις c 2 είναι η µέση τιµή, και Ν ο αριθµός των σηµείων s είναι η διασπορά, τ ηυστέρηση. r x 1 Ν τ Ν i 1 ( τ) = =+ τ ( χ χ)( χ χ) i s 2 i τ Συνάρτηση αµοιβαίας πληροφορίας όπου µετράει γραµµικές και µη-γραµµικές συσχετίσεις τ=1 τ=2

ΜΗ-ΓΡΑΜΜΙΚΗ ΑΝΑΛΥΣΗ Σύστηµα Lorenz: Σύστηµα τριώνµη-γραµµικών Συνήθεις ιαφορικών Εξισώσεων Σ..Ε. Χαοτικό δυναµικό σύστηµα γιατιµές παραµέτρων α=10, b=28, c=8/3 dx = α ( y x) dt dy = bx y xz dt dz = xy cz dt

ΜΗ - ΓΡΑΜΜΙΚΗ ΑΝΑΛΥΣΗ Αναλλοίωτα µέτρα του συστήµατος (invariant measures) ιάσταση Συσχέτισης (correlation dimension) εκφράζει την µορφοκλασµατική δοµή του ελκυστή (αυτό-οµοιότητα) Βασική Ιδέα είναι η πιθανότητα δύο σηµείων να βρίσκονται σε απόσταση µικρότερη του r µεταβάλεται ως προς r ανάλογα µε κάποιαδύναµη τουr P( x - x < r) i j µi : αριθµός των σηµείων που βρίσκονται µέσα σε σφαίρα µε ακτίναr και κέντρο xi m i» P( xi - xj < r) x Άθροισµα συσχέτισης m i» r n x ( i j ) N N 2 Cr () = Θ r x x N( N 1) = = + i 1 j i 1 Μετράει όλα τα δυνατά ζευγάρια που απέχουν απόσταση <r Grassberger P, Procaccia I. Measuring the strangeness attractors. Physica, D9, 189-208

Εκτίµηση της ιάστασης Συσχέτισης Εκτίµηση d log C( r) n = d logr ν ακέραιος : ελκυστής είναι συνήθης γεωµετρικό αντικείµενο ν µη-ακέραιος : ελκυστής είναι µορφοκλασµατικό αντικέιµενο Σύγκλιση ν(m) για m ικανοποιητικά µεγάλο 25 local slope, τ=2 m=1,...,13 2.2 correlation dimension 20 2 1.8 slope 15 10 5 2,07 ν(m) 1.6 1.4 1.2 1 Εκτίµηση διάστασης συσχέτισης για το σύστηµα Lorenz στην χαοτική περιοχή ~ 2,07 0-1.5-1 -0.5 0 0.5 1 1.5 2 log r 0.8 0 2 4 6 8 10 12 14 m

ΜΗ - ΓΡΑΜΜΙΚΗ ΑΝΑΛΥΣΗ (συνέχεια) Αναλλοίωτα µέτρα του συστήµατος (invariant measures) Εκθέτη Lyapunov µετράει το µέσο βαθµό απόκλισης και σύγκλισης των τροχιών στον ελκυστή Αρχική απόσταση δύο κοντινών τροχιών θα πρέπει να µεταβάλεται εκθετικά µε τοχρόνο. d = c - c Ά o i i Μετά από χρόνο t: d = c - c Ά t i + t i + t λ>0 δηλώνει τον βαθµό απόκλισης ένδειξη χαοτικού συστήµατος λ<0 δηλώνει τον βαθµό σύγκλισης Schreiber T, Kantz H, Hegger R. Practical implementation of nonlinear time series methods: The TISEAN package,1998

ΕΙ Η ΘΟΡΥΒΟΥ cn+ 1 = F( cn, l, n, wn) ΘΟΡΥΒΟΣ ΚΑΙ ΧΡΟΝΟΣΕΙΡΕΣ Θόρυβο µέτρησης ή παρατήρησης (measurement noise) θεωρείται λευκός (white noise) προσθετικά (additive noise) C = c + w n n n πολλαπλασιαστικά (multiplicative) C = Hw (, c ) n n n υναµικό θόρυβο (dynamical noise) προσθετικά (additive noise) πολλαπλασιαστικά (multiplicative) c + 1 = F( c, l, n) + w n n n cn+ 1 = F( cn, g( l, wn), n) ΕΠΙ ΡΑΣΗ ΘΟΡΥΒΟΥ Ηεκτίµηση των ανεξάρτητων µεταβλητών (correlation dimension, lyapounov exponent), επηρεάζεται από το επίπεδο θορύβου που περιέχουν οι τιµές

Επίδραση Λευκού Θορύβου ΕΠΙ ΡΑΣΗ ΘΟΡΥΒΟΥ 3 Correlation dimension 2.5 2 ν(m) 1.5 1 Lorenz with 2% noise with 5% noise with 10% noise 0.5 0 0 2 4 6 8 10 12 14 16 m

ΕΦΑΡΜΟΓΗ ΜΕΘΟ ΩΝ ΜΗ ΓΡΑΜΜΙΚΗΣ ΑΝΑΛΥΣΗΣ ΣΤΗΝ ΧΡΟΝΟΣΕΙΡΑ ΤΑΧΥΤΗΤΑΣ ΑΝΕΜΟΥ Περιγραφή Εβδοµαδιαίες τιµές ταχύτητας ανέµου όλων των διευθύνσεων από τον σταθµό της Νέας Αγχιάλου Περίοδο µέτρησης από 1/1/1956 έως 31/12/1986, συνολικά 1488 τιµές Χρονοσειρά

power 10 0 10-2 ΑΝΑΛΥΣΗ ΧΡΟΝΟΣΕΙΡΑΣ Φάσµα ισχύος power spectrum as funtion of frequency 10 2 X: 0.02083 Y: 25.14 X: 0.04167 Y: 3.342 X: 0.0625 Y: 6.429 1η f = 0.02083 η οποία αντιστοιχεί σε περίοδο ενός έτος 2η f = 0.04167 η οποία αντιστοιχεί σε περίοδο περίπου µισού έτος 3η f = 0.0625 η οποία αντιστοιχεί σε περίοδο περίπου τριών µηνών 10-4 10-6 y=0.00011*x (-1.67) R=0.999 P( f) = f a 10 5 10-3 10-2 10-1 frequency (Hz) Periodogram (in db), N=2000 Αποτελεί ένδειξη µορφοκλασµατικής συµπεριφορά 0-5 10*log 10 (P per (f)) -10-15 -20-25 -30-35 Φάσµα ισχύος χρονοσειράς λευκού θορύβου -40 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 frequency f

ΑΝΑΛΥΣΗ ΧΡΟΝΟΣΕΙΡΑΣ αφαίρεση τάσης και εποχικότητας χωρίς αφαίρεση θορύβου Εκτίµηση διάστασης συσχέτισης χρονοσειρά Επιλογή χρόνου υστέρησης τ 0.6 2 Mutual Information 0.4 1.8 variable 0.2 0-0.2-0.4 I(τ) 1.6 1.4 1.2 1 0.8 0.6 Τ=2 τ =2-0.6 0.4-0.8 0 500 1000 1500 time 0.2 0 0 1 2 3 4 5 6 7 8 9 10 lag τ Παρατηρείται σύγκλιση µε εύρος 2.0-4.0 (to appear in Chaos, Solitons and Fractals 2008)

ΑΝΑΛΥΣΗ ΧΡΟΝΟΣΕΙΡΑΣ αφαίρεση τάσης, εποχικότητας και αφαίρεση θορύβου Εκτίµηση διάστασης συσχέτισης Παρατηρείται σύγκλιση µε εύρος 2.5-3.6 (to appear in Chaos, Solitons and Fractals 2008)

ΑΝΑΛΥΣΗ ΧΡΟΝΟΣΕΙΡΑΣ αφαίρεση τάσης και εποχικότητας µε αφαίρεση θορύβου Εκτίµηση µέγιστου εκθέτη Lyapunov (to appear in Chaos, Solitons and Fractals 2008) Εκτίµηση λ1 0.286±0.005

ΕΛΕΓΧΟΣ ΜΗ-ΓΡΑΜΜΙΚΟΤΗΤΑΣ surrogate data test for nonlinearity null hypothesis S q - o = > S q q 1, 96 q o q S q ητιµή της αρχικής χρονοσειράς (διάσταση συσχέτισης) ο µέσος όρος των τιµών από τις νέες χρονοσειρές (surrogate data) και η τυπική απόκλιση των τιµών της µεταβλητής που επιλέξαµε. 35 τιµή αρχικής χρονοσειράς 3,10 30 25 τυπική απόκλιση µέσος όρος ρχείων surrogates 0,257 4,78 surrogates dat 20 15 διάσταση συσχέτισης surrogates data S 6,549 10 5 διάσταση συσχέτισης χρονοσειράς χωρίς θόρυβο 0 0.00 1.00 2.00 3.00 4.00 5.00 6.00 διάσταση συσχέτισης Kugiumtzis D and Aifantis E. Statistical analysis for long term correlations in the stress time series of jerky flow.2004 Schreiber T and Schmitz A. Improved surrogate data for nonlinearity tests, Physical Review Letter Vol. 77, pp. 635, 1996.

ΣΥΜΠΕΡΑΣΜΑΤΑ ΣΥΜΠΕΡΑΣΜΑΤΑ - ΠΡΟΤΑΣΕΙΣ Η εκτίµηση της διάστασης συσχέτισης µε εύρος 2,5 3.6 Η εύρεση θετικού εκθέτη Lyapunov στην τιµή περίπου0,28 Ηεφαρµογή του τεστ των υποκατάστατων δεδοµένων πιθανή ύπαρξη χαµηλοδιάστατου ελκυστή. Το σύστηµα περιέχει χαοτική συνιστώσα (low dimensional chaos) [Zeng and Pielke, 1993] Η επίδραση του θορύβου έχει ως αποτέλεσµα την αύξηση της διάστασης συσχέτισης Η αφαίρεση θορύβου κρίνεται απαραίτητη, καθώς µπορούµε µε πιο ξεκάθαρο τρόπο να εκτιµήσουµε την διάσταση συσχέτισης

ΣΥΜΠΕΡΑΣΜΑΤΑ - ΠΡΟΤΑΣΕΙΣ Η εφαρµογή γραµµικών µοντέλων πρόβλεψης θα οδηγούσε σε λανθασµένα αποτελέσµατα. Η πιθανή ύπαρξη χαµηλοδιάστατου µας οδηγεί στην εφαρµογή µη γραµµικών µοντέλων πρόβλεψης Η πρόβλεψη της συµπεριφοράς των ανέµων θα αποτελούσε σηµαντικό εργαλείο στην σχεδίαση των κατασκευών. ΠΡΟΤΑΣΕΙΣ Εξέταση χρονοσειρών οι οποίες να προέρχονται από διαφορετικά µέρη (άλλη γεωµορφολογία-κλιµατολογικές συνθήκες) Εφαρµογή µοντέλων πρόβλεψης Εξέταση χρονοσειρών ανέµων µε περισσότερα σηµεία και διαφορετικό µέσο όρο

ΕΥΧΑΡΙΣΤΩ ΓΙΑ ΤΗΝ ΠΡΟΣΟΧΗ ΣΑΣ

ΜΗ-ΓΡΑΜΜΙΚΗ ΑΝΑΛΥΣΗ Σύστηµα Lorenz: Σύστηµα τριώνµη-γραµµικών Συνήθεις ιαφορικών Εξισώσεων Σ..Ε. Χαοτικό δυναµικό σύστηµα γιατιµές παραµέτρων α=10, b=28, c=8/3 dx = α ( y x) dt dy = bx y xz dt dz = xy cz dt

ΓΡΑΜΜΙΚΗ ΑΝΑΛΥΣΗ ΧΡΟΝΟΣΕΙΡΩΝ Συνάρτηση Αυτοσυσχέτισης (autocorrelation function) µετράει µόνο την γραµµική συσχέτιση µεταξύ των διαδοχικών τιµών µιας χρονοσειράς r x 1 Ν τ Ν i 1 ( τ) = =+ τ ( χ χ)( χ χ) i s 2 i τ χ 2 είναι η µέση τιµή, s είναι η διασπορά τ, η υστέρηση.και Ν ο αριθµός των σηµείων Φάσµα Ισχύος(power spectrum) M 1 Px( f) lime Xe 2 1 i2π fn = n M M+ n= M 2 εύρεση ισχυρών συχνοτήτων P( f) = f a 10 Periodogram (in db), N=2000 40 Periodogram (in db), N=2000 10*log 10 (P per (f)) 5 0-5 -10-15 -20-25 -30 Φάσµα ισχύος χρονοσειράς λευκού θορύβου 10*log 10 (P per (f)) 30 20 10 0-10 -20 Φάσµα ισχύος συστήµατος Lorenz στην χαοτική περιοχή -35-30 -40 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 frequency f -40 0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4 0.45 0.5 frequency f