Full-Field State Estimation from Sparse Point Sensors via Adaptive Data-Driven Modeling and Sequential Data Assimilation for Nonlinear Dynamical Systems
Dieses Paper schlägt ein vollständig datengesteuertes Framework vor, das Compressed Sensing, adaptive Dynamic Mode Decomposition mit Steuerung (DMDc), kalibriert via DCC-GARCH, und reduzierten Kalman-Filter kombiniert, um die Vollfeldzustände nichtlinearer dynamischer Systeme aus spärlichen und verrauschten Punktmessungen ohne Rückgriff auf physikalische Erstprinzipienmodelle präzise zu rekonstruieren.