Forecasting chaotic systems : the role of local Lyapunov exponents

Résumé En Fr

We propose a novel methodology for forecasting chaotic systems which is based on the nearest-neighbor predictor and improves upon it by incorporating local Lyapunov exponents to correct for its inevitable bias. Using simulated data, we show that gains in prediction accuracy can be substantial. The general intuition behind the proposed method can readily be applied to other non-parametric predictors.

On propose une méthode novatrice pour faire de la prédiction au sein des processus chaotiques : approche basée sur les plus proches voisins. En incorporant la valeur de l'exposant de Lyapunov au moment de la prévision, on corrige le biais inévitable dû à la propriété de chaos du système. En utilisant des méthodes de Monte Carlo, on montre des améliorations notoires sur la prévision dans des systèmes chaotiques classiques.