Метод, основанный на данных, который извлекает пространственно-временные моды из нелинейных динамических систем без предварительной фильтрации.Нелинейный лапласовский спектральный анализ (NLSA) — это вычислительный метод поиска закономерностей в сложных изменяющихся во времени данных, таких как климатические записи, океанские течения или потоки жидкости, без предположения о линейности системы. Традиционные методы, такие как анализ Фурье или анализ главных компонент, предполагают, что лежащая в основе динамика линейна и стационарна, однако многие природные системы таковыми не являются. NLSA вместо этого использует идеи геометрии и спектральной теории для выделения мод, отражающих внутреннее, часто нелинейное, поведение системы.
NLSA был предложен около 2010 года Димитриосом Яннакисом и Эндрю Майдой, которые применили его к климатическим данным для выделения мод изменчивости, таких как колебание Маддена—Джулиана.
Метод строит граф по точкам данных, где каждая точка представляет состояние системы в определенный момент времени. Близкие в пространстве состояний точки соединяются, и вычисляется лапласиан графа — матрица, кодирующая локальную связность. Анализируя собственные векторы этого лапласиана, NLSA выявляет гладкие, медленно меняющиеся структуры, соответствующие доминирующим динамическим модам системы. Важно, что это делается без предварительной фильтрации данных, поэтому метод позволяет отделить значимые сигналы от шума и улавливать перемежающиеся или ангармонические колебания, которые линейные методы пропускают.
NLSA применяется в науках о климате для выявления и отслеживания мод изменчивости в больших наборах данных, например, температуры поверхности моря или полей ветра; метод также использовался в задачах гидродинамики и нейронауки.
NLSA способен обнаруживать закономерности, которые повторяются нерегулярно во времени, как, например, колебание Маддена—Джулиана, которое стандартный анализ Фурье размывает в широкий нечеткий пик.














