본 논문은 기계 학습을 사용하여 1차원 혼돈 시계열 데이터로부터 최대 Lyapunov 지수(LLE)를 추정하는 데이터 기반 방법을 제시한다. 이 방법은 훈련된 예측기를 사용하여 다중 수평선 예측을 생성하고, 기하 평균 예측 오차(GMAE)의 지수적 증가로부터 LLE를 추론한다. 이 접근 방식은 로지스틱, 사인, 세제곱, 체비쇼프 맵과 같은 4개의 대표적인 1차원 맵에 대해 검증되었으며, M = 450과 같은 짧은 시계열에서도 R2pos > 0.99의 정확도를 달성했다. KNN을 기준선으로 사용했을 때 가장 가까운 적합도를 보였다. 이 추정기는 양의 지수를 대상으로 설계되었으며, 주기적/안정적인 환경에서는 0과 구별할 수 없는 값을 반환한다. 잡음 견고성은 SNRm > 30 dB에서 정확도가 포화되고 27 dB 미만에서 붕괴되는 것으로 평가되었다. 이 방법은 간단하고 계산 효율적이며 모델에 구애받지 않으며, 정상성 및 지배적인 양의 지수의 존재만 요구한다. 이 방법은 스칼라 시계열 측정만 가능한 실험 환경에서 LLE를 추정하는 실용적인 방법을 제공하며, 고차원 및 불규칙 샘플링된 데이터로의 확장은 향후 연구 과제로 남겨두었다.
