Titelangaben
Sinhuber, Michael ; Friedrich, Jan ; Grauer, Rainer ; Wilczek, Michael:
Multi-level stochastic refinement for complex time series and fields : a data-driven approach.
In: New Journal of Physics.
Bd. 23
(2021)
Heft 6
.
- No. 063063.
ISSN 1367-2630
DOI: https://doi.org/10.1088/1367-2630/abe60e
Abstract
Spatio-temporally extended nonlinear systems often exhibit a remarkable complexity in space and time. In many cases, extensive datasets of such systems are difficult to obtain, yet needed for a range of applications. Here, we present a method to generate synthetic time series or fields that reproduce statistical multi-scale features of complex systems. The method is based on a hierarchical refinement employing transition probability density functions (PDFs) from one scale to another. We address the case in which such PDFs can be obtained from experimental measurements or simulations and then used to generate arbitrarily large synthetic datasets. The validity of our approach is demonstrated at the example of an experimental dataset of high Reynolds number turbulence.
Weitere Angaben
Publikationsform: | Artikel in einer Zeitschrift |
---|---|
Begutachteter Beitrag: | Ja |
Institutionen der Universität: | Fakultäten > Fakultät für Mathematik, Physik und Informatik > Physikalisches Institut > Lehrstuhl Theoretische Physik I > Lehrstuhl für Theoretische Physik I - Univ.-Prof. Dr. Michael Wilczek Profilfelder > Advanced Fields > Nichtlineare Dynamik Fakultäten Fakultäten > Fakultät für Mathematik, Physik und Informatik Fakultäten > Fakultät für Mathematik, Physik und Informatik > Physikalisches Institut Fakultäten > Fakultät für Mathematik, Physik und Informatik > Physikalisches Institut > Lehrstuhl Theoretische Physik I Profilfelder Profilfelder > Advanced Fields |
Titel an der UBT entstanden: | Nein |
Themengebiete aus DDC: | 500 Naturwissenschaften und Mathematik > 530 Physik |
Eingestellt am: | 24 Feb 2022 07:24 |
Letzte Änderung: | 24 Feb 2022 07:24 |
URI: | https://eref.uni-bayreuth.de/id/eprint/67605 |