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．

本研究旨在建立一种新的预测动态生态系统时间序列的建模方法。具体来说，我们应用分岔图估计来对参数变化的动态系统进行建模，并尝试仅从“稳定”状态时间序列预测“何时”发生状态转变。为了以可应用于真实环境的形式建立这种建模方法，我们提出了以下挑战：应用于多维系统、对强噪声的鲁棒性以及应用于通过测量模拟数据获得的数据。今年，我们通过针对二维生态系统的数学模型，做出了基于分岔图估计的政权转移预测，以前只针对一维系统。在本实验中，我们尝试仅使用二维系统生成的一个时间序列信号来预测状态转变。这假设在实际问题中，并不总是可以获得所有相关的时间序列信号。在这些条件下进行的数值实验的结果是，我们能够通过调整极限学习器（神经网络模型之一）的参数来确认预测是成功的。此外，虽然之前的模型针对的是应用弱动态噪声生成的时间序列信号，但我们通过针对应用强动态噪声生成的时间序列信号来验证该模型的鲁棒性。结果，证实了随着动态噪声变强，状态转变预测的成功率降低。因此，我们尝试岭回归作为极限学习器的学习方法，并证实即使在存在强噪声的情况下预测成功率也很高。但发现岭回归需要调整归一化参数，因此需要考虑一种根据噪声强度调整归一化参数的方法。