The dissertation introduces the concept of data-driven surrogate models for dynamical systems. The state space and the dynamic of the models are reconstructed from observation data, through the theorem of Takens. The work is focused on the construction of macroscopic models from observations of the microscopic scale. Approximation error and storage efficiency are analyzed, and five examples demonstrate the concept in comparison with state of the art approaches.
Übersetzte Kurzfassung:
Die Dissertation führt das Konzept datengetriebener Ersatzmodelle für dynamische Systeme ein. Der Zustandsraum und die Dynamik der Modelle werden aus Beobachtungsdaten rekonstruiert, dies gelingt über den Satz von Takens. Ein Fokus liegt auf der Konstruktion makroskopischer Modelle aus Beobachtungen der mikroskopischen Ebene. Der Approximationsfehler sowie der Speicherverbrauch werden analysiert, und fünf Anwendungsszenarien demonstrieren das Konzept im Vergleich mit Standardansätzen.