Takens' Theorem — Теорема Такенса

Мост между рядом и динамикой: по одному наблюдаемому сигналу можно восстановить топологию аттрактора системы.

v_{t} = (x_{t}, x_{t + τ}, \dots, x_{t + (m - 1) τ})

Что означает каждый компонент

$x_{t}$ текущее значение ряда
$τ$ задержка: выбирается по первому минимуму взаимной информации
$m$ размерность вложения: сколько задержанных копий берём. При достаточном m топология аттрактора восстанавливается

Ключевые тезисы

Вложение с задержкой превращает скалярный ряд в облако точек в фазовом пространстве.
Параметры: задержка τ (первый минимум взаимной информации) и размерность m (метод ложных соседей).
Дальше к облаку применяют TDA, оценку размерности или показателя Ляпунова.

Тема также относится к главам:Временные рядыСвойства ряда Топологический анализ данныхПрименение

Подробный разбор

2 подтем — раскройте любую, чтобы увидеть объяснение, формулы, примеры и интерактивные графики.

Подбор τ и m

Два параметра, от которых зависит всё.

Задержка τ: первый минимум взаимной информации между $x_{t}$ и $x_{t + τ}$ (или первый ноль автокорреляции).
Размерность m: метод ложных ближайших соседей — увеличиваем m, пока доля «ложных» соседей не упадёт почти до нуля.
Теорема гарантирует корректность при $m > 2 d$ , где $d$ — размерность аттрактора.

ACF(1)0.76

ACF(12)0.55

стационарностьправдоподобна

Коэффициент AR(1) φ0.70Сезонность (период 12)0.6Тренд0.0

ACF помогает выбрать τ: слишком малое даёт вырожденное облако, слишком большое — разорванное

Пайплайн анализа ряда

От сигнала до признаков модели.

Нарезать ряд скользящими окнами.
В каждом окне построить вложение Такенса.
Посчитать топологические признаки (персистентная энтропия, числа Бетти) и/или размерность и показатель Ляпунова.
Подать полученные признаки в обычную модель вместе со статистическими.

На практике

Такой пайплайн особенно хорошо работает на физиологических и вибрационных сигналах, где смена режима меняет геометрию траектории раньше, чем средние значения.

Связанные темы

Хаос и предел предсказуемости

Logistic Map80%

Логистическое отображение · Динамические системы и фракталы

Простейшая формула, порождающая хаос: следующее значение равно r·x·(1−x). Модель роста популяции с ограниченным ресурсом.

Bifurcations80%

Бифуркации · Динамические системы и фракталы

Качественная перестройка поведения системы при плавном изменении параметра: одно равновесие сменяется двумя, цикл удваивает период.

Feigenbaum Constant80%

Постоянная Фейгенбаума · Динамические системы и фракталы

Универсальное число δ ≈ 4.669, описывающее скорость каскада удвоений периода. Одинаково для огромного класса совершенно разных систем.

Chaos80%

Детерминированный хаос · Динамические системы и фракталы

Полностью детерминированная система, поведение которой невозможно предсказать надолго из-за чувствительности к начальным условиям.

Lyapunov Exponent80%

Показатель Ляпунова · Динамические системы и фракталы

Мера скорости разбегания близких траекторий. Положительное значение — признак хаоса.

Attractors80%

Аттракторы · Динамические системы и фракталы

Множество, к которому стремятся траектории системы: точка, цикл, тор или странный аттрактор фрактальной структуры.

TDA + Time Series80%

TDA и временные ряды · Топологический анализ данных

Ряд вкладывается в фазовое пространство (Такенс), и топология полученного облака описывает динамику системы.

Anomaly detection80%

Поиск аномалий во времени · Временные ряды

Обнаружение точечных выбросов, сдвигов уровня и аномальных подпоследовательностей.

Stationarity80%

Стационарность · Временные ряды

Постоянство статистических свойств ряда во времени — предпосылка большинства классических моделей.