基于历史数据的替代物训练机器学习早期预警方法

本发明公开了基于历史数据的替代物训练机器学习早期预警方法，该方法以少量真实世界系统的历史数据为基础，通过生成与真实历史数据具有相同统计属性的多个时间序列的替代数据，然后基于生成的替代数据训练机器学习分类器识别临界转变前阶段和临界阶段之间的不同动态特性，从而探测临界状态或相变的早期预警信号。本发明将该检测方法应用于地质学、气候学、社会学和心脏病学的经验和实验数据集，验证检测方法的有效性，得出其灵敏度和特异性高于两种广泛使用的通用早期预警信号，由于该方法直接在历史数据的替代物上训练，因此不受以往方法中局部分岔假设的限制；这种基于特定系统的方法能够改进早期预警信号。