文件名称：parametric-discovery
文件大小：1.61MB
文件格式：ZIP
更新时间：2024-06-01 15:16:36
JupyterNotebook
参数发现 用于发现参数偏微分方程的代码； Rusy，S.，Alla，A.，Brunton，B.，and Kutz，JN “参数决定的偏微分方程的数据驱动识别。” 摘要：在这项工作中，我们提出了一种用于发现参数偏微分方程（PDE）的数据驱动方法，从而使人们能够消除基本的演化方程及其参数依赖性之间的歧义。 组稀疏性用于确保以参数化PDE形式简化地表示观测到的动力学，同时还允许系数具有任意时间序列或空间依赖性。 这项工作建立在以前的常系数PDE识别方法的基础上，扩大了领域以包括一类新的方程式，直到现在，这些方程式还没有基于机器学习的识别方法。 我们显示，在确定PDE中最少的项及其参数依赖性时，按顺序进行阈值岭回归的组优于LASSO组。 该方法在引入和不引入噪声的四个规范模型上得到了证明。
【文件预览】：
parametric-discovery-master
----parametric_pde_find.py(22KB)
----Spatial_Advection_Diffusiuon.ipynb(425KB)
----README.md(1KB)
----Parametric Navier Stokes.ipynb(609KB)
----Parametric Burgers.ipynb(451KB)
----Spatial_KS_Equation_Chaotic.ipynb(760KB)