[SS03数值积分法仿真.pptVIP

数值积分的基本性能 数值积分算法的性能包含： 定性特征：稳定性 时间粒度：计算速度 空间粒度：计算精度 不同的数值积分方法的具有不同的稳定性。 同一个模型采用不同的积分算法和不同的积分步长h，稳定性不同。 计算速度和计算精度 各种数值积分方法的差分方程是对原微分方程的近似逼近，并且因为计算机的字长有限，存在明显的截断误差。 这些误差都和计算步距h密切相关，所以计算步距是影响计算精度、速度和稳定性的重要因素。 h取得较大，计算时间少，截断误差大； h取得较小，截断误差就会减小，但在给定时间范围内，计算次数必然增加，使误差积累增加。 截断误差、累计舍入误差与步长h 截断误差、累计舍入误差与步长h关系如图。 3.1 预报公式 3.2 校正公式 3.3 Adams公式 根据前面的分析，我们可以将预报和校正公式统一写成： 显式Adams系数 隐式Adams系数 3.4 多步法的特点 与单步法相比，相同精度下，使用过去多步信息，计算量小。 隐式法的精度高，稳定性好，但在计算y(n+k)时需要用到f[y(n+k),t(n+k)]，只能采用迭代法计算。 缺点之一是不能自启动，需用单步法计算初始值才能启动计算。 4.2 一般算法的稳定性分析 根据上例可得数值积分方法稳定域的一般方法。 设系统测试方程为： 而数值积分公式为： 只有当 时，算法稳定。 各种数值积分算法的稳定域参见书P96图3.9 主要算法的稳定性 一阶、二阶Admas法为恒稳算法，其他算法条件稳定。 除恒稳法外，其他算法的步长h必须限制在最小时间的数量级 对龙格-库塔法，阶次k增大，稳定域略微增大。 对Admas法，阶次k增大，稳定域反而缩小。 第五节 Matlab实现 ODE (Ordinary Differentaial equation)解法 模型描述 算法描述 算法仿真 微分方程模型描述 Lorenz曲线 数值积分算法描述 matlab中的数值积分算法函数的格式如下: function [tout,yout] =solver(ModelName,tspan,x0,option) 数值积分算法描述 %一阶Euler算法,filename:svEuler function [tout,yout] =svEuler(odeFcn,tspan,y0) t0=tspan(1);t1=tspan(2); if length(tspan)3, h=(t1-t0)/1000; else h=tspan(3); tout = [t0:h:t1]; N =length(y0); M =length(tout)-1; tout = [t0:h:t1]; yout=[y0;zeros(M,N)]; for i=1:M k1 = h*feval(odeFcn,tout(i),y0); y0=y0+k1; yout(i+1,:)=y0; end end 数值积分算法描述 function [tout,yout] =svRungeKutta4(odeFcn,tspan,y0) t0=tspan(1);t1=tspan(2); if length(tspan)3, h=(t1-t0)/1000; else h=tspan(3); tout = [t0:h:t1]; N =length(y0); M =length(tout)-1; tout = [t0:h:t1]; yout=[y0;zeros(M,N)]; for i=1:M k1 = h*feval(odeFcn,tout(i), y0); k2 = h*feval(odeFcn,tout(i)+h/2, y0+0.5*k1); k3 = h*feval(odeFcn,tout(i)+h/2,y0+0.5*k2); k4 = h*feval(odeFcn,tout(i)+h, y0+k3); y0=y0+(k1+2*k2+2*k3+k4)/6; yout(i+1,:)=y0; end end 微分方程模型描述 在Matlab文件中调用方法为: [t,y]=svEuler(@eqLorenz,[0,100],x0); ode45 ODE45 Solve non-stiff differential equations, medium order method. [TOUT,YOUT] = ODE45(ODEFUN,TSPAN,Y0) with TSPAN = [T0 TFINAL] integrates the system of di