Method for estimating cycle lengths from multidimensional time series: Test cases and application to a massive 'in silico' dataset

Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussaConference contributionScientificvertaisarvioitu

3 Sitaatiot (Scopus)

Abstrakti

Many real world systems exhibit cyclic behavior that is, for example, due to the nearly harmonic oscillations being perturbed by the strong fluctuations present in the regime of significant non-linearities. For the investigation of such systems special techniques relaxing the assumption to periodicity are required. In this paper, we present the generalization of one of such techniques, namely the D2 phase dispersion statistic, to multidimensional datasets, especially suited for the analysis of the outputs from three-dimensional numerical simulations of the full magnetohydrodynamic equations. We present the motivation and need for the usage of such a method with simple test cases, and present an application to a solar-like semi-global numerical dynamo simulation covering nearly 150 magnetic cycles.

AlkuperäiskieliEnglanti
OtsikkoProceedings - 2016 IEEE International Conference on Big Data, Big Data 2016
KustantajaIEEE
Sivut3214-3223
Sivumäärä10
ISBN (elektroninen)9781467390040
DOI - pysyväislinkit
TilaJulkaistu - 2 helmikuuta 2017
OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisuussa
TapahtumaIEEE International Conference on Big Data - Washington, Yhdysvallat
Kesto: 5 joulukuuta 20168 joulukuuta 2016
Konferenssinumero: 4

Conference

ConferenceIEEE International Conference on Big Data
MaaYhdysvallat
KaupunkiWashington
Ajanjakso05/12/201608/12/2016

Sormenjälki Sukella tutkimusaiheisiin 'Method for estimating cycle lengths from multidimensional time series: Test cases and application to a massive 'in silico' dataset'. Ne muodostavat yhdessä ainutlaatuisen sormenjäljen.

Siteeraa tätä