20.01.2015 Aufrufe

Optimierte lokale Modelle in der nichtlinearen Zeitreihenanalyse

Optimierte lokale Modelle in der nichtlinearen Zeitreihenanalyse

Optimierte lokale Modelle in der nichtlinearen Zeitreihenanalyse

MEHR ANZEIGEN
WENIGER ANZEIGEN

Erfolgreiche ePaper selbst erstellen

Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.

Seite 94<br />

5.3. Lyapunov-Exponenten<br />

für das Lorenz-System auf [37]. Für das Baier-Sahle-System wurde auf e<strong>in</strong>e Methode<br />

zurückgegriffen, die die Exponenten aus den l<strong>in</strong>earisierten Differentialgleichungen<br />

bestimmt und damit sehr gute Ergebnisse erzielen kann. Die Exponenten wurden bei<br />

<strong>der</strong> Hénon-Abbildung und dem Lorenz-System mit dem Logarithmus zur natürlichen<br />

Basis e berechnet, beim Baier-Sahle-System wurde die Basis 2 verwendet.<br />

System Lyapunov Exponenten Lyapunov Exponenten<br />

(Literatur) (über lok. l<strong>in</strong>eares Modell)<br />

Hénon-Abbildung 0.417 ± 0.006 0.413<br />

(a=1.4,b=0.3) −1.58 ± 0.006 -1.551<br />

Lorenz-System 0.906 0.89<br />

(σ = −10, b = 8/3 0.00 -0.06<br />

r = 28) -14.572 -<br />

Baier-Sahle-System 0.116 0.089<br />

(M = 5, a = 28, b = 4, 0.087 0.065<br />

d = 2, ε = 0.1) 0.023 0.027<br />

0.00 -0.027<br />

-10.548 -<br />

Bis auf das Hénon-System konnten mit <strong>der</strong> beschriebenen Methode ke<strong>in</strong>e guten<br />

Werte für die negativen Exponenten bestimmt werden, weshalb sie hier erst gar<br />

nicht angegeben wurden. Für die Hénon-Abbildung und das Lorenz-System ergibt<br />

sich e<strong>in</strong>e gute Übere<strong>in</strong>stimmung, nur die Exponenten für das Baier-Sahle-System<br />

s<strong>in</strong>d mit e<strong>in</strong>er Ausnahme deutlich zu kle<strong>in</strong>. Es soll daher noch e<strong>in</strong>mal im Detail<br />

betrachtet werden.<br />

Baier-Sahle-System<br />

Mit <strong>der</strong> zyklischen Optimierung aus Abschnitt 3.8 erhält man e<strong>in</strong>en Satz an Parametern,<br />

<strong>der</strong> e<strong>in</strong>e gute Vorhersage über p Schritte erlaubt. Dem Parameter p wurde<br />

bislang wenig Aufmerksamkeit geschenkt, da er vom Benutzer je nach Wunsch<br />

gewählt werden kann, je nachdem ob man mehr an kurzfristigen o<strong>der</strong> längerfristigen<br />

Vorhersagen <strong>in</strong>teressiert ist. Wie soll p jedoch für die Berechnung von Lyapunov-<br />

Exponenten gewählt werden Könnte man z.B. beim Baier-Sahle-System durch e<strong>in</strong>e<br />

an<strong>der</strong>e Wahl von p bessere Werte erhalten<br />

Für das Baier-Sahle-System wurden sechs lokal l<strong>in</strong>eare <strong>Modelle</strong> mit Schrittweiten<br />

p = 5, 10, 20, 30, 40 ermittelt. Mit jedem dieser <strong>Modelle</strong> wurden die vier größten<br />

Lyapunov-Exponenten berechnet. Das Ergebnis ist <strong>in</strong> Abbildung 5.4 zu sehen. Die<br />

gepunkteten L<strong>in</strong>ien geben die genauen Werte an, wobei drei positive und <strong>der</strong> Null-<br />

Exponent existieren. Als Trend lässt sich mit Ausnahme des dritten Exponenten<br />

erkennen, dass die Exponenten mit wachsen<strong>der</strong> Schrittweite abnehmen. Die Exponenten<br />

bei p = 5 liegen <strong>in</strong>sgesamt am dichtesten an den exakten Werten.

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!