TY - THES A1 - Banerjee, Abhirup T1 - Characterizing the spatio-temporal patterns of extreme events BT - from recurrence to prediction N2 - Over the past decades, there has been a growing interest in ‘extreme events’ owing to the increasing threats that climate-related extremes such as floods, heatwaves, droughts, etc., pose to society. While extreme events have diverse definitions across various disciplines, ranging from earth science to neuroscience, they are characterized mainly as dynamic occurrences within a limited time frame that impedes the normal functioning of a system. Although extreme events are rare in occurrence, it has been found in various hydro-meteorological and physiological time series (e.g., river flows, temperatures, heartbeat intervals) that they may exhibit recurrent behavior, i.e., do not end the lifetime of the system. The aim of this thesis to develop some sophisticated methods to study various properties of extreme events. One of the main challenges in analyzing such extreme event-like time series is that they have large temporal gaps due to the paucity of the number of observations of extreme events. As a result, existing time series analysis tools are usually not helpful to decode the underlying information. I use the edit distance (ED) method to analyze extreme event-like time series in their unaltered form. ED is a specific distance metric, mainly designed to measure the similarity/dissimilarity between point process-like data. I combine ED with recurrence plot techniques to identify the recurrence property of flood events in the Mississippi River in the United States. I also use recurrence quantification analysis to show the deterministic properties and serial dependency in flood events. After that, I use this non-linear similarity measure (ED) to compute the pairwise dependency in extreme precipitation event series. I incorporate the similarity measure within the framework of complex network theory to study the collective behavior of climate extremes. Under this architecture, the nodes are defined by the spatial grid points of the given spatio-temporal climate dataset. Each node is associated with a time series corresponding to the temporal evolution of the climate observation at that grid point. Finally, the network links are functions of the pairwise statistical interdependence between the nodes. Various network measures, such as degree, betweenness centrality, clustering coefficient, etc., can be used to quantify the network’s topology. We apply the methodology mentioned above to study the spatio-temporal coherence pattern of extreme rainfall events in the United States and the Ganga River basin, which reveals its relation to various climate processes and the orography of the region. The identification of precursors associated with the occurrence of extreme events in the near future is extremely important to prepare the masses for an upcoming disaster and mitigate the potential risks associated with such events. Under this motivation, I propose an in-data prediction recipe for predicting the data structures that typically occur prior to extreme events using the Echo state network, a type of Recurrent Neural Network which is a part of the reservoir computing framework. However, unlike previous works that identify precursory structures in the same variable in which extreme events are manifested (active variable), I try to predict these structures by using data from another dynamic variable (passive variable) which does not show large excursions from the nominal condition but carries imprints of these extreme events. Furthermore, my results demonstrate that the quality of prediction depends on the magnitude of events, i.e., the higher the magnitude of the extreme, the better is its predictability skill. I show quantitatively that this is because the input signals collectively form a more coherent pattern for an extreme event of higher magnitude, which enhances the efficiency of the machine to predict the forthcoming extreme events. N2 - In den letzten Jahrzehnten hat das Interesse an ‘Extremereignissen’ aufgrund der zunehmenden Bedrohung, die klimabedingte Extreme wie Überschwemmungen, Hitzewellen, Dürren usw. für die Gesellschaft darstellen, zugenommen. Obwohl Extremereignisse in verschiedenen Disziplinen - von der Geowissenschaft bis zu den Neurowissenschaften - unterschiedlich definiert werden, werden sie hauptsächlich als dynamische Ereignisse innerhalb eines begrenzten Zeitrahmens charakterisiert, die das normale Funktionieren eines Systems beeinträchtigen. Obwohl Extremereignisse selten vorkommen, wurde festgestellt, dass verschiedene hydro-meteorologische und physiologische Zeitreihen (z. B. Stromabflussmengen, Temperaturen, Herzschlagintervalle) rekurrentes Verhalten. Das heißt, sie enden nicht an der Lebensdauer des Systems. Das Ziel dieser Arbeit ist es, fortschrittliche Methoden zur Untersuchung verschiedener Eigenschaften von Extremereignissen zu entwickeln. Eine der größten Herausforderungen bei der Analyse solcher extremen Ereignisse ist, dass sie große zeitliche Lücken aufweisen, da die Anzahl beobachteter Extremereignissen gering ist. Bestehende Zeitreihenanalysetools sind daher in der Regel nicht hilfreich, um die zugrundeliegenden Informationen zu entschlüsseln. Ich verwende die Edit-Distanz (ED) Methode, um extremeereignisähnliche Zeitreihen in ihrer unveränderten Form zu analysieren. ED ist eine spezielle Abstandsmetrik, die hauptsächlich zur Messung der Ähnlichkeit/Unähnlichkeit zwischen punktprozessähnlichen Daten entwickelt wurde. Ich kombiniere ED mit Rekurrenzplots, um die Wiederkehr-Eigenschaften von Hochwasserereignissen am Mississippi in den Vereinigten Staaten zu ermitteln. Außerdem werte ich die Wiederkehr-Eigenschaften quantitativ aus, um die deterministische Charakteristik und die serielle Abhängigkeit bei Hochwasserereignissen aufzuzeigen. Anschließend verwende ich dieses nichtlineare Ähnlichkeitsmaß(ED), um die paarweise Abhängigkeit in extremen Niederschlagsereignisreihen zu berechnen. Ich verknüpfe das Ähnlichkeitsmaß mit der Theorie komplexer Netzwerke, um das kollektive Verhalten von Klimaextremen zu untersuchen. In diesem Fall werden die Knoten durch die räumlichen Gitterpunkte des zu untersuchenden raumzeitlichen Klimadatensatzes definiert. Jeder Knoten repräsentiert eine Zeitreihe, die die zeitliche Entwicklung der Klimabeobachtung an diesem Gitterpunkt beschreibt. Schließlich sind die Netzwerkverbindungen Funktionen der paarweisen statistischen Interdependenz zwischen den Knotenpunkten. Zur Quantifizierung der Netztopologie können verschiedene Netzwerkmaße wie unter anderem der Grad, die Betweenness-Zentralität, oder der Clustering-Koeffizient verwendet werden. Wir wenden die oben erwähnte Methodik an, um das raumzeitliche Kohärenzmuster extremer Niederschlagsereignisse in den Vereinigten Staaten und im Einzugsgebiet des Ganges zu untersuchen. Die Ergebnisse zeigen, dass ein Zusammenhang zwischen dem Kohärenzmuster und verschiedenen Klimaprozessen und der Orographie der Region besteht. Die Identifizierung von Vorläufern, die mit dem Auftreten von Extremereignissen in naher Zukunft verbunden sind, ist äußerst wichtig, um die Bevölkerung auf eine bevorstehende Katastrophe vorzubereiten und potenziell resultierende Risiken zu mindern. Deshalb schlage ich ein datenbasiertes Vorhersageverfahren zur Bestimmung der Datenstrukturen vor, die typischerweise vor extremen Ereignissen auftreten. Das Verfahren basiert auf dem Echo-State Netzwerk, einem rekurrenten neuronalen Netz, das dem Reservoir-Computing zugeordnet wird. Im Gegensatz zu früheren Arbeiten, die Vorläuferstrukturen in der Variablen identifizieren, in der sich Extremereignisse manifestieren (aktive Variable), versuche ich die Strukturen anhand anderer dynamischer Variablen (passive Variablen) vorherzusagen. Diese Variablen weichen selbst nicht sonderlich von ihrem eigenen Sollzustand ab, aber sie besitzen eine Aussagekraft gegenüber den Extremereignissen. Meine Ergebnisse zeigen, dass die Qualität der Vorhersage von der Magnitude der Ereignisse abhängt, d.h. je extremer ein Ereignis ist, desto besser kann es vorhergesagt werden. Ich belege quantitativ, dass dieser Zusammenhang darauf basiert, dass die gesammelten Eingangssignale aussagekräftigere Kohärenzmuster für Extremereignisse hoher Magnitude bilden. Dies erhöht die Wirksamkeit des Ansatzes bei der Vorhersage bevorstehender Extremereignisse. KW - extreme events KW - Extremereignisse KW - floods KW - extreme precipitation KW - edit distance KW - recurrence plot KW - complex network KW - echo state network KW - Überschwemmungen KW - Extremniederschläge KW - Edit-Distanz KW - Rekurrenzplot KW - komplexes Netzwerk KW - Echo-State Netzwerk Y1 - 2022 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus4-559839 ER - TY - THES A1 - Marwan, Norbert T1 - Encounters with neighbours BT - current developments of concepts based on recurrence plots and their applications N2 - Diese Arbeit beschäftigt sich mit verschiedenen Aspekten und Anwendungen von Recurrence Plots. Nach einer Übersicht über Methoden, die auf Recurrence Plots basieren, werden neue Komplexitätsmaße eingeführt, die geometrische Strukturen in den Recurrence Plots beschreiben. Diese neuen Maße erlauben die Identifikation von Chaos-Chaos-Übergängen in dynamischen Prozessen. In einem weiteren Schritt werden Cross Recurrence Plots eingeführt, mit denen zwei verschiedene Prozesse untersucht werden. Diese bivariate Analyse ermöglicht die Bewertung von Unterschieden zwischen zwei Prozessen oder das Anpassen der Zeitskalen von zwei Zeitreihen. Diese Technik kann auch genutzt werden, um ähnliche Abschnitte in zwei verschiedenen Datenreihen zu finden. Im Anschluß werden diese neuen Entwicklungen auf Daten verschiedener Art angewendet. Methoden, die auf Recurrence Plots basieren, können an die speziellen Probleme angepaßt werden, so daß viele weitere Anwendungen möglich sind. Durch die Anwendung der neu eingeführten Komplexitätsmaße können Chaos-Chaos-Übergänge in Herzschlagdaten vor dem Auftreten einer lebensbedrohlichen Herzrhythmusstörung festgestellt werden, was für die Entwicklung neuer Therapien dieser Herzrhythmusstörungen von Bedeutung sein könnte. In einem weiteren Beispiel, in dem EEG-Daten aus einem kognitiv orientierten Experiment untersucht werden, ermöglichen diese Komplexitätsmaße das Erkennen von spezifischen Reaktionen im Gehirn bereits in Einzeltests. Normalerweise können diese Reaktionen erst durch die Auswertung von vielen Einzeltests erkannt werden. Mit der Hilfe von Cross Recurrence Plots wird die Existenz einer klimatischen Zirkulation, die der heutigen El Niño/ Southern Oscillation sehr ähnlich ist, im Nordwesten Argentiniens vor etwa 34000 Jahren nachgewiesen. Außerdem können mit Cross Recurrence Plots die Zeitskalen verschiedener Bohrlochdaten aufeinander abgeglichen werden. Diese Methode kann auch dazu genutzt werden, ein geologisches Profil mit Hilfe eines Referenzprofiles mit bekannter Zeitskala zu datieren. Weitere Beispiele aus den Gebieten der Molekularbiologie und der Spracherkennung unterstreichen das Potential dieser Methode. N2 - In this work, different aspects and applications of the recurrence plot analysis are presented. First, a comprehensive overview of recurrence plots and their quantification possibilities is given. New measures of complexity are defined by using geometrical structures of recurrence plots. These measures are capable to find chaos-chaos transitions in processes. Furthermore, a bivariate extension to cross recurrence plots is studied. Cross recurrence plots exhibit characteristic structures which can be used for the study of differences between two processes or for the alignment and search for matching sequences of two data series. The selected applications of the introduced techniques to various kind of data demonstrate their ability. Analysis of recurrence plots can be adopted to the specific problem and thus opens a wide field of potential applications. Regarding the quantification of recurrence plots, chaos-chaos transitions can be found in heart rate variability data before the onset of life threatening cardiac arrhythmias. This may be of importance for the therapy of such cardiac arrhythmias. The quantification of recurrence plots allows to study transitions in brain during cognitive experiments on the base of single trials. Traditionally, for the finding of these transitions the averaging of a collection of single trials is needed. Using cross recurrence plots, the existence of an El Niño/Southern Oscillation-like oscillation is traced in northwestern Argentina 34,000 yrs. ago. In further applications to geological data, cross recurrence plots are used for time scale alignment of different borehole data and for dating a geological profile with a reference data set. Additional examples from molecular biology and speech recognition emphasize the suitability of cross recurrence plots. KW - Recurrence-Plot KW - Cross-Recurrence-Plot KW - Wiederkehrdarstellung KW - Rekurrenzdarstellung KW - Rekurrenzanalyse KW - recurrence plot KW - cross recurrence plot KW - recurrence quantification analysis Y1 - 2003 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-0000856 ER - TY - THES A1 - Marwan, Norbert T1 - Recurrence plot techniques for the investigation of recurring phenomena in the system earth T1 - Recurrence-Plot-Techniken zur Untersuchung wiederkehrender Phänomene im System Erde N2 - The habilitation deals with the numerical analysis of the recurrence properties of geological and climatic processes. The recurrence of states of dynamical processes can be analysed with recurrence plots and various recurrence quantification options. In the present work, the meaning of the structures and information contained in recurrence plots are examined and described. New developments have led to extensions that can be used to describe the recurring patterns in both space and time. Other important developments include recurrence plot-based approaches to identify abrupt changes in the system's dynamics, to detect and investigate external influences on the dynamics of a system, the couplings between different systems, as well as a combination of recurrence plots with the methodology of complex networks. Typical problems in geoscientific data analysis, such as irregular sampling and uncertainties, are tackled by specific modifications and additions. The development of a significance test allows the statistical evaluation of quantitative recurrence analysis, especially for the identification of dynamical transitions. Finally, an overview of typical pitfalls that can occur when applying recurrence-based methods is given and guidelines on how to avoid such pitfalls are discussed. In addition to the methodological aspects, the application potential especially for geoscientific research questions is discussed, such as the identification and analysis of transitions in past climates, the study of the influence of external factors to ecological or climatic systems, or the analysis of landuse dynamics based on remote sensing data. N2 - Die Habilitation beschäftigt sich mit der Analyse der Wiederkehreigenschaften geologischer und klimatischer Prozesse. Die Wiederkehr von Zuständen dynamischer Prozesses kann mit recurrence plots und deren verschiedenen Quantifizierungsmöglichkeiten untersucht werden. In der Arbeit wird die Bedeutung der Strukturen und Informationen, die in recurrence plots enthalten sind, untersucht und beschrieben. Neue Entwicklungen führen zu Erweiterungen, die zur Beschreibung räumlich und raumzeitlich wiederkehrender Muster genutzt werden können. Weitere wichtige Entwicklungen umfassen Erweiterungen zur Identifizierung von abrupten Änderungen in der Dynamik, zum Aufspüren und Untersuchen äußerer Einflüsse auf die Dynamik eines Systems als auch von Kopplungen zwischen verschiedenen Systemen, sowie eine Kombination mit der Methodik der komplexen Netzwerke. Typische Probleme geowissenschaftlicher Datenanalyse, wie unregelmäßiges Datensampling und Unsicherheiten in den Daten, werden durch spezielle Modifikationen und Ergänzungen behandelt. Die Entwicklung eines Signifikanztests erlaubt die statistische Bewertung der quantitativen Analyse vor allem für die Betrachtung dynamischer Übergänge. Den Abschluß bildet ein Überblick typischer Fehler, die im Zusammenhang mit dieser Methode auftreten können und wie man diese vermeidet. Neben den methodischen Aspekten werden Anwendungsmöglichkeiten vor allem fü geowissenschaftliche Fragestellungen vorgestellt, wie die Analyse von Klimaänderungen, von externen Einflußfaktoren auf ökologische oder klimatische Systeme, oder der Landnutzungsdynamik anhand von Fernerkundungsdaten. KW - recurrence KW - complex systems KW - palaeoclimate KW - spatial recurrence KW - recurrence plot KW - recurrence network KW - Wiederkehr KW - komplexe Systeme KW - Paläoklima KW - räumliche Wiederkehr KW - Recurrence plot KW - Recurrence network Y1 - 2019 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:kobv:517-opus4-441973 SN - 978-3-00-064508-2 ER - TY - JOUR A1 - Zou, Yong A1 - Thiel, M. A1 - Romano, Maria Carmen A1 - Kurths, Jürgen A1 - Bi, Q. T1 - Shrimp structure and associated dynamics in parametrically excited oscillators JF - International journal of bifurcation and chaos : in applied sciences and engineering N2 - We investigate the bifurcation structures in a two-dimensional parameter space (PS) of a parametrically excited system with two degrees of freedom both analytically and numerically. By means of the Renyi entropy of second order K-2, which is estimated from recurrence plots, we uncover that regions of chaotic behavior are intermingled with many complex periodic windows, such as shrimp structures in the PS. A detailed numerical analysis shows that, the stable solutions lose stability either via period doubling, or via intermittency when the parameters leave these shrimps in different directions, indicating different bifurcation properties of the boundaries. The shrimps of different sizes offer promising ways to control the dynamics of such a complex system. KW - bifurcation analysis KW - recurrence plot KW - period doubling KW - intermittency Y1 - 2006 U6 - https://doi.org/10.1142/S0218127406016987 SN - 0218-1274 VL - 16 IS - 12 SP - 3567 EP - 3579 PB - World Scientific Publ. Co CY - Singapore ER -