基于机器学习由暂态数据预测系统的演化

王江峰; 陈银霞; 祁月盈; 姚成贵

doi:10.16366/j.cnki.1000-2367.2024.03.20.0001

河南师范大学学报（自然科学版） ›› 2024, Vol. 52 ›› Issue (06) : 113 -119. DOI: 10.16366/j.cnki.1000-2367.2024.03.20.0001

基于机器学习由暂态数据预测系统的演化

王江峰, 陈银霞, 祁月盈, 姚成贵

作者信息 +

Author information +

文章历史 +

PDF

摘要

如何通过少量的暂态数据去预测系统的长时间的动力学行为，是一个重要问题.对Sturat-Landau系统、布鲁塞尔振子以及Belousov-Zhabotinsky系统的稳态数据进行采集，并输入到储备池神经网络里进行训练；然后基于3个系统采集的少量的暂态数据，利用已经训练好的神经网络模型，能够对其在不同参数下长时间的动力学行为精准地预测.研究结果有利于加深对复杂系统如何对外来的变化或扰动做出反应的理解.