Resumen

Este artículo presenta una revisión de dos métodos basados en la descomposición modal dinámica y sus múltiples aplicaciones, centrándose en la descomposición modal dinámica de orden superior (que proporciona una descomposición puramente temporal similar a la de Fourier) y la descomposición de Koopman espacio-temporal (que proporciona una descomposición espacio-temporal similar a la de Fourier). Estos métodos son puramente basados en datos, utilizando ya sea datos numéricos o experimentales, y permiten reconstruir los datos dados e identificar las tasas de crecimiento y frecuencias temporales involucradas en la dinámica, así como las tasas de crecimiento espaciales y números de onda en el caso de la descomposición de Koopman espacio-temporal. Por lo tanto, pueden ser utilizados para identificar y extrapolar la dinámica desde el comportamiento transitorio hasta la dinámica permanente o construir modelos de orden reducido eficientes y puramente basados en datos.

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Revisión; Descomposición modal dinámica; Aplicaciones; Descomposición modal dinámica de orden superior; Descomposición de Koopman espacio-temporal; Basado en datos
• Keywords:Review; Dynamic mode decomposition; Applications; Higher order dynamic mode decomposition; Spatiotemporal Koopman decomposition; Data-driven