分岐図推定を応用した生態の動的システムのモデリング手法の開発とその予測への応用

基于分支图估计的生态动态系统建模方法的开发及其在预测中的应用

基本信息

批准号：
22K17970
负责人：
伊藤佳卓
金额：
$ 2.91万
依托单位：
Hokkaido University of Science
依托单位国家：
日本
项目类别：
Grant-in-Aid for Early-Career Scientists
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2025-03-31
项目状态：
未结题

项目摘要

本研究は，生態系の動的システムの時系列を予測するための新しいモデリング手法の確立を目指している．具体的には，パラメータが変化する動的システムをモデリングするための分岐図推定を応用し「安定」状態の時系列のみからレジームシフトが「いつ」起こるかを予測することを試みる．本モデリング手法を実環境に応用可能な形で確立するため，多次元システムへの適用，強いノイズに対するロバスト性，アナログデータを計測したデータへの適用という課題を設定している．本年度は，これまで１次元システムのみを対象にしていた分岐図推定によるレジームシフト予測を、２次元生態系の数理モデルを対象として予測を行った．本実験では，２次元システから生成された一方の時系列信号のみを用いてレジームシフトの予測を試みた．これは実問題を想定した場合，関連する時系列信号を全て得られるとは限らないという状況を想定したものである．この条件で数値実験を行った結果，ニューラルネットワークモデルの一つであるエクストリーム学習器のパラメータ調整により，予測に成功することが確認できた．さらに，これまで弱いダイナミカルノイズを印加して生成した時系列信号を対象としていたが，ダイナミカルノイズを強くして生成した時系列信号を対象として本モデルのロバスト性の検証を行った．その結果，ダイナミカルノイズが強くなるにつれてレジームシフト予測の成功率が下がることが確認された．そこでエクストリーム学習器の学習方法としてリッジ回帰を試用し，強いノイズに対しても予測成功率が高くなることが確認された．しかし，リッジ回帰の正規化パラメータの調整が必要になることがわかったため，ノイズの強さに応じて正規化パラメータを調整する方法を検討する必要がある．

这项研究旨在建立一种新的建模方法，以预测生态系统动态系统的时间序列。具体而言，我们将分支图估计应用于具有不同参数的模型动态系统，以尝试预测何时从“稳定”状态的时间序列中“”“''当“”发生时。为了以可以应用于真实环境的方式建立这种建模方法，设置了问题：应用于多维系统，对强噪声的鲁棒性以及使用模拟数据测量的数据应用。今年，我们使用分支图估计预测了制度转移预测，该估计以前仅针对一维系统，使用二维生态系统的数学模型来定位。在此实验中，我们尝试使用从二维系统产生的一个时间序列信号来预测状态转移。这是基于以下假设：当假定一个真正的问题时，并非总是有可能获得所有相关的时间序列信号。在这些条件下进行了数值实验后，我们能够确认通过调整极端学习者的参数（神经网络模型之一）的参数是成功的。此外，虽然以前使用了通过应用弱动态噪声而产生的时间序列信号，但该模型的鲁棒性在通过增强动态噪声产生的时间序列信号上验证。结果，已经证实，随着动态噪声的增加，政权转移预测的成功率会降低。因此，山脊回归被用作极端学习设备的学习方法，并且可以证实，即使对于强噪声，预测成功率也很高。但是，由于已经发现需要调整脊回归的归一化参数，因此有必要考虑如何根据噪声强度调整归一化参数。