Professional Documents
Culture Documents
• Problematiche
• Dimensione di “embedding”
sarebbe opportuno poter misurare l’evoluzione nel tempo di tutte le n variabili di stato:
x1 (t ), x2 (t ), L , xn (t )
x& (t ) = f ( x(t ))
y (t ) = g ( x(t ))
Fissato un intervallo di campionamento (detto anche “ritardo”) τ > 0 , ciò che si ottiene è
una serie temporale:
Nota bene: il sistema può anche essere x(t + 1) = f ( x(t )) purché reversibile
( τ intero, p.e. τ = 1 ).
Supponiamo di campionarlo con passo τ (=il tempo discreto vale k quando il tempo
continuo vale t = kτ ). Si ottiene il sistema a tempo discreto:
~
x(k + 1) = A x(k ) ~
dove A = exp( Aτ)
y (k ) = cx(k )
~
Per un sistema generico, la matrice ( n × n ) “di osservabilità” O è invertibile.
z n (t ) = y (k ) y (k + 1) L y (k + n − 1) = y (t ) y (t + τ ) L y (t + (n − 1)τ )
~ −1 T
è equivalente allo stato del sistema, poiché x ( k ) = O zn .
Tipicamente, quando si analizza una serie temporale relativa ad un sistema non lineare
z m (t ) = y (t ) y (t − τ ) L y (t − (m − 1)τ )
z m (t ) = y (t ) y (t − τ ) L y (t − (m − 1)τ )
z m (t ) = G ( x(t ) )
Teorema (Whitney, 1936; Mané, 1981; Takens, 1981; Yorke and coworkers, 1991)
Supponiamo che A ⊂ R sia un attrattore di dimensione (box-counting)
n
d . Allora, se
f , g ,τ sono generici, m è una dimensione di “embedding” se
m > 2d
Nota bene: tipicamente, quando si analizza una serie temporale, d non è noto a priori.
Ipotizzando che d sia piccolo (attrattore di bassa dimensione), una dimensione di
“embedding” deve essere trovata “per tentativi”.
Nota bene: per m > 3 , la valutazione dell’esistenza di auto-intersezioni non è più possibile
visivamente, ma esistono metodi numerici adatti a tale scopo (p.e. metodo dei falsi
vicini).
τ =5 τ = 51 τ = 915