混沌理论学习的总结.docxVIP

混沌理论学习的总结 刘年东 混沌的概念（名词解释）：很难给出一个精确的定义，一般认为混沌就是指在确定系统中出现的一种貌似无规则的，类似随机的现象。混沌不是简单无序而是没有明显的周期和对称，但却是具有丰富的内部层次的有序结构，是非线性系统中一种新的存在形式。目前学者们一致的观点是：混沌是物质科学、数学科学和系统科学等多学科交叉的边缘科学。混沌之所以有如此大的吸引力，因为它是一种关于过程的科学，而不是关于状态的科学；是关于演化的科学，而不是关于存在的科学，它使人们看到了运动演化中的生机和动力。 混沌的主要特征：⑴敏感依赖于初始条件 ⑵伸长与折叠（从logistic映射形成混沌的过程可以看到，混沌具有伸长和折叠的特性，这是形成敏感依赖于初始条件的主要机制。伸长是指系统内部局部不稳定引起的点之间的距离的扩大；折叠是指系统整体稳定??形成的点之间距离的稳定的限制经过多次的伸长和折叠，轨道被扰乱了，形成混沌）⑶具有丰富的层次和自相似的结构（混沌区内有窗口（稳定的周期解），窗口里面还有混沌，这种结构无穷多次重复着，并具有各态历程和层次分明的特征。伸长和折叠使混沌运动具有大大小小的，无特征的各种尺度，这些都被称为自相似的结构⑷非线性的耗散系统中存在混沌吸引子。（这是总体稳定和局部不稳定相结合的产物。通常的混沌吸引子都有负的（且无正的）Lyapunov指数，唯独混沌吸引子具有正的Lyapunov指数，而且混沌吸引子只能用分数维来表征。）混沌行为最本质的特点是非线性系统对于初始-条件的极端敏感性。 吸引子在一个确定耗散系统里，不属于其他任何更大的极限集，而且无轨道。在耗散系统里包含了拟周期吸引子、周期吸引子、混纯吸引子以及定常吸引子。 几种典型的混沌吸引子图： Logistic混沌吸引子图 Lorenz吸引子图 Chen吸引子图 混沌理论与其它预测技术的不同： 传统的预测技术方法所基于的原理可归纳为惯性原理、相关原理、类推原理和概率推断原理等，这些理论对非线性问题难以给出很好的解释，又由于传统预测模型多基于全局建模的角度，缺失局部特征的代表性，例如回归分析法、指数平滑法、趋势外推法等，通常预测精度较低，且存在模型参数确定困难及普适性较差等缺点。虽然传统预测技术方法的应用在社会、经济和技术的发展中起了非常重要的作用，取得了积极的成果，但是对众多纷繁复杂的技术经济现象，现有预测理论与方法还不能给予合理的解释和有效的预测，预测结果常常与现实情况存在较大偏差。 而混沌理论是非线性理论的重要组成部分，能够很好地描述非线性系统运动的变化规律，从而为预测模型的研究开辟了新思路。其对预测的影响不是对“原有理论与方法的修修补补”，而是要求根本性的变革，即进行预测范式的转换。 判断系统是否具有混沌特征（需先求出τ和m） 常用表征系统是否具有混沌特征一般有两类方法：定性方法（功率谱）和定量方法（最大Lyapunov指数）。利用Fourier分析法求出时间序列的功率谱，从而可以识别该时间序列表征的动力系统的规则性态与不规则性态。若时间序列具有混沌特征，则其功率谱具有连续性、噪声背景和宽峰特征等图形特征；若时间序列是确定性的周期系统，则其功率谱是仅包含有基频和其谐波或分频的离散波形；若时间序列是确定性的准周期系统，则其功率谱是包括不同层次频率的离散波形，但谱线并不像周期运动那样以某间隔的频率分离。 最大Lyapunov指数是评判和表征非线性时间序列混沌特性的重要参数，是一个非常关键的混沌不变量。Lyapunov指数是用来描述混沌系统内部相邻相点间辐散的平均速率（其中正Lyapunov指数值（Lyapunov指数＞0）评判两个相邻轨道的平均指数分离程度，负Lyapunov指数值（Lyapunov指数＜0）评判两个相邻轨道的平均指数靠拢程度）。如果一个非线性系统是离散的，那么正Lyapunov指数则是衡量系统是否混沌的一个重要指标。（PS：Lyapunov指数的倒数就是有效预测步数！） 从时间序列的角度来研究混沌，我们知道对于决定系统长期演化的任一变量均包含了系统所有变量长期演化的所有信息。因此，我们可以通过决定系统的长期演化的任一单变量时间序列来研究系统的混沌行为，于是帕卡德（Packard）等人提出的重构相空间理论。 相空间的重构： 混沌动力学系统分析的第一步是相空间重构。由Takens定理可知系统中任意一个分量的演化均是由与它相互作用的其它分量所决定的。所以，这些相关分量的数据信息隐含在任意一分量的变化过程中，系统相空间的重构只需要考察其中的一个分量，再通过某些延时点上的观测数值找到如Y={x(i),x(i+τ),…,x(i+(m-1)τ},x(i+ (m-1)τ)}所示的m维向量，就能重构出一个等价的相空间用于恢复原有的动力学系统。从Y中可以看出，未知参数只有