Um Fragestellungen zu untersuchen, deren Beantwortung mit der Analyse riesiger Datenmengen einhergeht, haben Wissenschaftler des Potsdam-Instituts für Klimafolgenforschung (PIK) ein Softwarepaket entwickelt, das auf der Programmiersprache Python basiert und die Theorie komplexer Netzwerke mit Methoden zur Analyse nichtlinearer Zeitreihen kombiniert, zwei wichtigen Konzepten der Datenanalyse.
Ein komplexes Netzwerk ist ein soziales, biologisches oder technologisches Netzwerk mit Verbindungsmustern, die weder regelmäßig noch rein zufällig sind. Nichtlineare Zeitreihen werden häufig verwendet, um Ereignisse zu untersuchen, die sich auf chaotische Art auswirken – häufig sind das natürliche Phänomene wie sich ändernde Wettermuster, aber auch menschgemachte Systeme wie die Finanzmärkte.
„Pyunicorn funktioniert wie ein Makroskop“, sagt Jonathan Donges vom PIK. „Richtig angewendet erlaubt es uns, die wesentlichen Informationen aus einem Netzwerk oder aus Zeitreihendaten zu ziehen.“
Eines der Hauptanliegen des Projekts war es, die Software öffentlich verfügbar zu machen und eine einfache Bedienung durch Wissenschaftler und Anwender in verschiedensten Bereichen zu gewährleisten - von der Theorie komplexer Systeme bis zu Klimaforschung, Medizin, Neurowissenschaften, Wirtschaft und Ingenieurwesen.
Das Pyunicorn Package kann kostenlos heruntergeladen werden: https://github.com/pik-copan/pyunicorn.
Bei der European Geosciences Union General Assembly 2016 werden die Autoren einen Workshop zu Pyunicorn veranstalten.
Der ganze Artikel bei AIP Publishing: Donges et al., Unified functional network and nonlinear time series analysis for complex systems science: The pyunicorn package, arxiv.org:1507.01571 [physics.data-an] (2015)
