Model-free Forecasting of Rogue Waves using Reservoir Computing
Abrari Noor Hasmi and Hadi Susanto
最近的研究已经证明了Reservotor Computing对各种混沌动态系统建模的能力,但它对Hamiltonian系统的应用仍然相对未被探索。 本文研究了Reservoir Computing在从非线性薛定谔方程中捕获流氓波动力学的有效性,这是一个具有挑战性的汉密尔顿系统,具有调制不稳定性。 无模型方法从具有五种不稳定模式的呼吸模拟中学习。 正确调整的并行Echo State Network可以从两个不同的测试数据集中预测动态。 第一组是训练数据的延续,而第二组则涉及高阶呼吸器。 对一步预测能力的调查表明,测试数据和模型之间有着惊人的一致性。 此外,我们表明,经过训练的水库可以在相对较长的预测范围内预测流氓波的传播,尽管面临看不见的动态。 最后,我们介绍了一种方法,以自主模式显著改善水库计算预测,增强其长期预测能力。 这些结果推动了Reservoir Computing对时空哈密顿系统的应用,并强调了相位空间覆盖在训练数据设计中的至关重要性。
Recent research has demonstrated Reservoir Computing's capability to model various chaotic dynamical systems, yet its application to Hamiltonian systems remains relatively unexplored. This paper investigates the effectiveness of Reservoir Computing in capturing rogue wave dynamics from the nonlinear Schrödinger equation, a challenging Hamiltonian system with modulation instability. The model-free approach learns from breather simulations with five unstable modes. A properly tuned parallel Echo S...
