毕业设计（论文）-基于神经网络的时间序列Lyapunov指数普的计算.docVIP

目录 摘 要 　 Lyapunov指数是衡量系统动力学特性的一个重要定量指标,它表征了系统在相空间中相邻轨道间收敛或发散的平均指数率。对于系统是否存在动力学混沌, 可以从最大Lyapunov指数是否大于零非常直观的判断出来: 一个正的Lyapunov指数,意味着在系统相空间中,无论初始两条轨线的间距多么小,其差别都会随着时间的演化而成指数率的增加以致达到无法预测,这就是混沌现象。, 由实验观察数据列计算系统的Lyapunov指数谱实例计算表明, 此种方法精度较高且计算量较小, 有重要的实际意义. 关键词: 　Lyapunov 指数谱; 相空间重构; 人工神经网络  Abstract Lyapunov exponent is an important measure of system dynamics quantitativeindicators,It is characterized by the average rate in the phase space between adjacent tracks convergence or divergence. For the existence of chaotic dynamics, can be very intuitive judgment from the largest Lyapunov exponent is greater than zero: a positive Lyapunov exponent, means that the system in phase space, regardless of the initial two-rail line spacing, however small, the difference will cannot predict As time evolved exponential increase in the rate of so reached, which is chaos.Lyapunov exponents are one of a number of parameters that characterize thenature of a chaotic dynamical system. We calculate the Lyapunov exponents from anobserved time series based on the ability that a RBF neural network can approximatenonlinear functions. The results show that this method needs less computing time andhas higher precision,so it has practical significance. Keywords: Lyapunovexponents; Reconstructionofphase space; Artificialneuralnetwork 绪论 引言 混沌系统的基本特点就是系统对初始值的极端敏感性，两个相差无几的初值所产生的轨迹，随着时间的推移按指数方式分离，yapunov指数就是定量的描述这一现象的量。 Lyapunov指数是衡量系统动力学特性的一个重要定量指标,它表征了系统在相空间中 相邻轨道间收敛或发散的平均指数率。对于系统是否存在动力学混沌, 可以从最大Lyapunov指数是否大于零非常直观的判断出来:一个正的Lyapunov指数,意味着在系统相空间中,无论初始两条轨线的间距多么小,其差别都会随着时间的演化而成指数率的增加以致达到无法预测,这就 是混沌现象。 Lyapunov指数的和表征了椭球体积的增长率或减小率,对Hamilton系统,Lyapunov指数的和为零; 对耗散系统,Lyapunov指数的和为负。如果耗散系统的吸引子是 一个不动点,那么所有的Lyapunov指数通常是负的。如果是一个简单的m维流形(m = 1或m = 2分别为一个曲线或一个面) ,那么,前m个Lyapunov指数是零,其余的Lyapunov指数为负。不管系统是不是耗散的,只要λ1 0就会出现混沌。 ,系统的全部Lyapunov指数称为Lyapunov指数谱,它表示相空间中每一维相邻轨道如何随时间分离,具有拓扑映射不变性,且与系统的初始状态无关,是对系统进行刻划和分类的重要指标需确定Lyapunov指数的系统分为两种情况,一种情况是已知系统满足的微分方程或映射关系,另一种情况是只知道实验观察到的数据L在这两种情况下,人们确定其Lyapunov指数的方法不同，对第一种情况,可有