2026/05/01 by Bernd von Mallinckrodt · 1 voice
Computer Science · Environmental Science · #Anomaly Detection Techniques and Applications #Ecosystem dynamics and resilience #Seismology and Earthquake Studies
paper · doi:10.5281/zenodo.19941778
openalex publication_date 2026/05/01 · openalex created_date 2026/05/02 · openalex updated_date 2026/07/01
Diese Arbeit formuliert und beweist ein generisches Theorem zur Nicht-Invarianz von Frühwarnsignalen (Early Warning Signals, EWS) in multivariaten dynamischen Systemen nahe kritischer Übergänge. Während klassische Ansätze implizit davon ausgehen, dass skalare EWS – insbesondere Varianz, Autokorrelation oder effektive Erholungsraten – intrinsische und beobachtungsunabhängige Eigenschaften eines Systems darstellen, zeigt diese Arbeit, dass diese Annahme im Allgemeinen nicht haltbar ist. Ausgehend von einer linearen Approximation nahe eines Fixpunkts wird ein Ornstein–Uhlenbeck-Prozess betrachtet, dessen stationäre Kovarianzmatrix durch die Lyapunov-Gleichung bestimmt ist. Für skalare Beobachtungen, die durch lineare Projektionen des Zustandsraums definiert sind, wird gezeigt, dass die entsprechenden EWS-Funktionale notwendigerweise von der gewählten Projektion abhängen, sofern die Kovarianzstruktur anisotrop ist. Das zentrale Ergebnis ist ein generisches Nicht-Invarianz-Theorem: Für fast alle System- und Rauschparameter (im maßtheoretischen Sinne) existiert kein skalares Frühwarnsignal, das gleichzeitig projektionsinvariant und informativ ist. Projektionsinvarianz tritt genau dann auf, wenn die Kovarianzmatrix proportional zur Einheitsmatrix ist; in diesem Fall verschwindet jedoch die Fähigkeit des Indikators, einen bevorstehenden kritischen Übergang zu signalisieren. Die Arbeit identifiziert damit eine grundlegende Einschränkung der Beobachtbarkeit in komplexen Systemen: Die Detektierbarkeit von Frühwarnsignalen ist keine reine Systemeigenschaft, sondern eine Eigenschaft der System-Beobachter-Konfiguration. Dieses Resultat liefert eine formale Grundlage für die empirisch beobachtete Variabilität von EWS und impliziert, dass die Wahl der Beobachtungsprojektion als zentraler Bestandteil zukünftiger Resilienzanalysen berücksichtigt werden muss. 🔑 Keywords (Deutsch) Frühwarnsignale, kritische Übergänge, Projektionsgeometrie, Nicht-Invarianz, Theorem, multivariate Systeme, Kovarianzmatrix, Lyapunov-Gleichung, Ornstein-Uhlenbeck-Prozess, Resilienz, Systemdynamik, Beobachtbarkeit 🇬🇧 Description (English) This work formulates and proves a generic theorem on the non-invariance of early warning signals (EWS) in multivariate dynamical systems approaching critical transitions. Classical approaches implicitly assume that scalar EWS—such as variance, autocorrelation, or effective recovery rates—are intrinsic and observation-independent properties of the underlying system. This study demonstrates that this assumption does not hold in general. Starting from a linear approximation near a fixed point, the system is modeled as an Ornstein–Uhlenbeck process with stationary covariance determined by the Lyapunov equation. For scalar observables defined as linear projections of the system state, it is shown that the corresponding EWS functionals necessarily depend on the choice of projection whenever the covariance structure is anisotropic. The central result is a generic non-invariance theorem: for almost all system and noise parameters (in the measure-theoretic sense), no scalar early warning signal exists that is both projection-invariant and informative. Projection invariance occurs if and only if the covariance matrix is proportional to the identity; however, in this case, the indicator loses its ability to signal an approaching critical transition. This establishes a fundamental constraint on observability in complex systems: detectability of early warning signals is not solely a property of the system, but of the system–observer configuration. The result provides a formal explanation for the empirically observed variability of EWS and implies that projection design must be treated as a central component of future resilience monitoring methodologies. 🔑 Keywords (English) early warning signals, critical transitions, projection geometry, non-invariance, theorem, multivariate systems, covariance matrix, Lyapunov equation, Ornstein–Uhlenbeck process, resilience, dynamical systems, observability