Lyapunov指数的计算方法.docx

1、Lyapunov指数的计算方法总结Lyapunov指数的计算方法非线性理论近期为了把计算LE的一些问题弄清楚，看了有79本书！下面以吕金虎混沌时间序列分析与其应用、马军海复杂非线性系统的重构技术为主线，把目前已有的LE计算方法做一个汇总！1. 关于连续系统Lyapunov指数的计算方法 连续系统LE的计算方法主要有定义方法、Jacobian方法、QR分解方法、奇异值分解方法，或者通过求解系统的微分方程，得到微分方程解的时间序列，然后利用时间序列（即离散系统）的LE求解方法来计算得到。关于连续系统LE的计算，主要以定义方法、Jacobian方法做主要介绍容。（1）定义法定义法求解Lyapunov

2、指数.JPG关于定义法求解的程序，和matlab板块的“连续系统LE求解程序”差不多。以Rossler系统为例Rossler系统微分方程定义程序function dX = Rossler_ly(t,X)%Rossler吸引子，用来计算Lyapunov指数% a=0.15,b=0.20,c=10.0% dx/dt = -y-z,% dy/dt = x+ay,% dz/dt = b+z(x-c),a = 0.15;b = 0.20;c = 10.0;x=X(1); y=X(2); z=X(3);% Y的三个列向量为相互正交的单位向量Y = X(4), X(7), X(10); X(5), X(8)

3、, X(11); X(6), X(9), X(12);% 输出向量的初始化，必不可少dX = zeros(12,1);% Rossler吸引子dX(1) = -y-z;dX(2) = x+a*y;dX(3) = b+z*(x-c);% Rossler吸引子的Jacobi矩阵Jaco = 0 -1 -1; 1 a0; z 0x-c;dX(4:12) = Jaco*Y;求解LE代码：% 计算Rossler吸引子的Lyapunov指数clear;yinit = 1,1,1;orthmatrix = 1 0 0; 0 1 0; 0 0 1;a = 0.15;b = 0.20;c = 10.0;y =

4、zeros(12,1);% 初始化输入y(1:3) = yinit;y(4:12) = orthmatrix;tstart = 0; % 时间初始值tstep = 1e-3; % 时间步长wholetimes = 1e5; % 总的循环次数steps = 10; % 每次演化的步数 iteratetimes = wholetimes/steps; % 演化的次数mod = zeros(3,1);lp = zeros(3,1);% 初始化三个Lyapunov指数Lyapunov1 = zeros(iteratetimes,1);Lyapunov2 = zeros(iteratetimes,1);

5、Lyapunov3 = zeros(iteratetimes,1);for i=1:iteratetimes tspan = tstart:tstep:(tstart + tstep*steps); T,Y = ode45(Rossler_ly, tspan, y); % 取积分得到的最后一个时刻的值 y = Y(size(Y,1),:); % 重新定义起始时刻 tstart = tstart + tstep*steps; y0 = y(4) y(7) y(10); y(5) y(8) y(11); y(6) y(9) y(12); %正交化 y0 = ThreeGS(y0); % 取三个向量

6、的模 mod(1) = sqrt(y0(:,1)*y0(:,1); mod(2) = sqrt(y0(:,2)*y0(:,2); mod(3) = sqrt(y0(:,3)*y0(:,3); y0(:,1) = y0(:,1)/mod(1); y0(:,2) = y0(:,2)/mod(2); y0(:,3) = y0(:,3)/mod(3); lp = lp+log(abs(mod); %三个Lyapunov指数 Lyapunov1(i) = lp(1)/(tstart); Lyapunov2(i) = lp(2)/(tstart); Lyapunov3(i) = lp(3)/(tstart

7、); y(4:12) = y0;end% 作Lyapunov指数谱图i = 1:iteratetimes;plot(i,Lyapunov1,i,Lyapunov2,i,Lyapunov3)程序中用到的ThreeGS程序如下：%G-S正交化function A = ThreeGS(V)% V 为3*3向量v1 = V(:,1);v2 = V(:,2);v3 = V(:,3);a1 = zeros(3,1);a2 = zeros(3,1);a3 = zeros(3,1);a1 = v1;a2 = v2-(a1*v2)/(a1*a1)*a1;a3 = v3-(a1*v3)/(a1*a1)*a1-(a

8、2*v3)/(a2*a2)*a2;A = a1,a2,a3;计算得到的Rossler系统的LE为0.0632310.092635-9.8924Wolf文章中计算得到的Rossler系统的LE为0.09 0 -9.77需要注意的是定义法求解的精度有限，对有些系统的计算往往出现计果和理论值有偏差的现象。正交化程序可以根据上面的扩展到N*N向量，这里就不加以说明了，对matlab用户来说应该还是比较简单的！（2）Jacobian方法通过资料检索，发现论坛中用的较多的LET工具箱的算法原理就是Jacobian方法。基本原理就是首先求解出连续系统微分方程的近似解，然后对系统的Jacobian矩阵进行QR

9、分解，计算Jacobian矩阵特征值的乘积，最后计算出LE和分数维。经过计算也证明了这种方法精度较高，对目前常见的混沌系统，如Lorenz、Henon、Duffing等的Lyapunov指数的计算精度都很高，而且程序编写有一定的规，个人很推荐使用。（虽然我自己要做的系统并不适用）LET工具箱可以在网络上找到，这里就不列出了！关于LET工具箱如果有问题，欢迎加入本帖讨论！Jacobian法求解Lyapunov指数.JPG 对离散动力系统，或者说是非线性时间序列，往往不需要计算出所有的Lyapunov指数，通常只需计算出其最大的Lyapunov指数即可。“1983年，格里波基证明了只要最大Lyap

10、unov指数大于零，就可以肯定混沌的存在”。目前常用的计算混沌序列最大Lyapunov指数的方法主要有一下几种：（1）由定义法延伸的Nicolis方法（2）Jacobian方法（3）Wolf方法（4）P数方法（5）小数据量方法其中以Wolf方法和小数据量方法应用最为广泛，也最为普遍。下面对Nicolis方法、Wolf方法以与小数据量方法作一一介绍。（1）Nicolis方法这种方法和连续系统的定义方法类似，而且目前应用很有限制，因此只对其理论进行介绍，编程应用方面就省略了 Nicolis方法求最大LE.JPG（2）Wolf方法Wolf方法求最大LE.JPGWolf方法的Matlab程序如下：fu

11、nction lambda_1=lyapunov_wolf(data,N,m,tau,P)%该函数用来计算时间序列的最大Lyapunov 指数-Wolf 方法%m: 嵌入维数！ 一般选大于等于10%tau:时间延迟 ！一般选与周期相当，如我选2000%data:时间序列！可以选1000；%N:时间序列长度满足公式：M=N-(m-1)*tau=24000-(10-1)*1000=5000%P:时间序列的平均周期,选择演化相点距当前点的位置差，即若当前相点为I，则演化相点只能在|IJ|P的相点中搜寻 ! P=周期=600%lambda_1: 返回最大lyapunov指数值min_point=1;

12、%&要求最少搜索到的点数MAX_CISHU=5 ;%&最大增加搜索围次数%FLYINGHAWK% 求最大、最小和平均相点距离 max_d = 0; %最大相点距离 min_d = 1.0e+100; %最小相点距离 avg_dd = 0; Y=reconstitution(data,N,m,tau); %相空间重构 可将此段程序加到 整个程序中，在时间循环，可以保存时间序列的地方。见完整程序。 M=N-(m-1)*tau; %重构相空间中相点的个数 for i = 1 : (M-1) for j = i+1 : M d = 0; for k = 1 : m d = d + (Y(k,i)-Y(

13、k,j)*(Y(k,i)-Y(k,j); end d = sqrt(d); if max_d d min_d = d; end avg_dd = avg_dd + d; end end avg_d = 2*avg_dd/(M*(M-1); %平均相点距离 dlt_eps = (avg_d - min_d) * 0.02 ; %若在min_epsmax_eps中找不到演化相点时，对max_eps的放宽幅度 min_eps = min_d + dlt_eps / 2 ; %演化相点与当前相点距离的最小限 max_eps = min_d + 2 * dlt_eps; %&演化相点与当前相点距离的最大

14、限 % 从P+1M-1个相点中找与第一个相点最近的相点位置(Loc_DK)与其最短距离DK DK = 1.0e+100; %第i个相点到其最近距离点的距离 Loc_DK = 2; %第i个相点对应的最近距离点的下标 for i = (P+1):(M-1) %限制短暂分离，从点P+1开始搜索 d = 0; for k = 1 : m d = d + (Y(k,i)-Y(k,1)*(Y(k,i)-Y(k,1); end d = sqrt(d); if (d min_eps) DK = d; Loc_DK = i; end end% 以下计算各相点对应的氏数保存到lmd()数组中% i 为相点序号，

15、从1到(M-1)，也是i-1点的演化点；Loc_DK为相点i-1对应最短 距离的相点位置，DK为其对应的最短距离% Loc_DK+1为Loc_DK的演化点，DK1为i点到Loc_DK+1点的距离，称为演化距离% 前i个log2（DK1/DK）的累计和用于求i点的lambda值 sum_lmd = 0 ; % 存放前i个log2（DK1/DK）的累计和 for i = 2 : (M-1) % 计算演化距离 DK1 = 0; for k = 1 : m DK1 = DK1 + (Y(k,i)-Y(k,Loc_DK+1)*(Y(k,i)-Y(k,Loc_DK+1); end DK1 = sqrt(D

16、K1); old_Loc_DK = Loc_DK ; % 保存原最近位置相点 old_DK=DK;% 计算前i个log2（DK1/DK）的累计和以与保存i点的氏指数 if (DK1 = 0)&( DK = 0) sum_lmd = sum_lmd + log(DK1/DK) /log(2); end lmd(i-1) = sum_lmd/(i-1);此处可以保存不同相点i对应的氏指数，见完整程序。%以下寻找i点的最短距离:要求距离在指定距离围尽量短,与DK1的角度最小 point_num = 0; % &在指定距离围找到的候选相点的个数 cos_sita = 0; %&夹角余弦的比较初值 要求

17、一定是锐角 zjfwcs=0;%&增加围次数 while (point_num = 0) % * 搜索相点 for j = 1 : (M-1) if abs(j-i) =(P-1) %&候选点距当前点太近，跳过！ continue; end %*计算候选点与当前点的距离 dnew = 0; for k = 1 : m dnew = dnew + (Y(k,i)-Y(k,j)*(Y(k,i)-Y(k,j); end dnew = sqrt(dnew); if (dnew max_eps ) %&不在距离围，跳过！ continue; end %*计算夹角余弦与比较 DOT = 0; for k

18、= 1 : m DOT = DOT+(Y(k,i)-Y(k,j)*(Y(k,i)-Y(k,old_Loc_DK+1); end CTH = DOT/(dnew*DK1); if acos(CTH) (3.14151926/4) %&不是小于45度的角，跳过！ continue; end if CTH cos_sita %&新夹角小于过去已找到的相点的夹角，保留 cos_sita = CTH; Loc_DK = j; DK = dnew; end point_num = point_num +1; end if point_num MAX_CISHU %&超过最大放宽次数，改找最近的点 DK =

19、 1.0e+100; for ii = 1 : (M-1) if abs(i-ii) = (P-1) %&候选点距当前点太近，跳过！ continue; end d = 0; for k = 1 : m d = d + (Y(k,i)-Y(k,ii)*(Y(k,i)-Y(k,ii); end d = sqrt(d); if (d min_eps) DK = d; Loc_DK = ii; end end break; end point_num = 0 ; %&扩大距离围后重新搜索 cos_sita = 0; end end end%取平均得到最大雅普诺夫指数（此处只有一个值，若为正说明体系是

20、混沌的，若为负则说明体系是周期性的确定性运动）lambda_1=sum(lmd)/length(lmd);程序中用到的reconstitution函数如下： 此段程序可直接放在时间循环部，即可以保存时间序列的地方。见完整程序例。function X=reconstitution(data,N,m,tau)%该函数用来重构相空间% m为嵌入空间维数% tau为时间延迟% data为输入时间序列% N为时间序列长度% X为输出,是m*n维矩阵M=N-(m-1)*tau;%相空间中点的个数for j=1:M %相空间重构 for i=1:m X(i,j)=data(i-1)*tau+j); ende

21、nd这里声明一下，这些程序并非我自己编写的，均是，其使用我已经验证过，绝对可以运行！（3）小数据量方法 说小数据量方法是目前最实用、应用最广泛的方法应该不为过吧，呵呵！ 小数据量方法求最大Lyapunov指数.JPG 上面两种方法，即Wolf方法和小数据量方法，在计算LE之前，都要求对时间序列进行重构相空间，重构相空间的优良对于最大LE的计算精度影响非常大！因此重构相空间的几个参数的确定就非常重要。（1）时间延迟主要推荐两种方法自相关函数法、CC方法自相关函数法对一个混沌时间序列，可以先写出其自相关函数，然后作出自相关函数关于时间t的函数图像。根据数值试验结果，当自相关函数下降到初始值的11/

22、e时，所得的时间t即为重构相空间的时间延迟。CC方法可以同时计算出时间延迟和时间窗口，个人推荐使用这种方法！（2）平均周期平均周期的计算可以采用FFT方法。在matlab帮助中有一个太阳黑子的例子，现摘录如下：load sunspot.dat %装载数据文件year = sunspot(:,1); %读取年份信息wolfer = sunspot(:,2); %读取黑子活动数据plot(year,wolfer) %绘制原始数据图title(Sunspot Data)Y = fft(wolfer); %快速FFT变换N = length(Y); %FFT变换后数据长度Y(1) = ; %去掉Y的第一个数据，它是所有数据的和power = abs(Y(1:N/2).2;%求功率谱nyquist = 1/2; freq = (1:N/2)/(N/2)*nyquist; %求频率plot(freq,power), grid on %绘制功率谱图xlabel(cycles/year)title(Periodogram)period = 1./freq; %年份（周期）plot(period,power), axis(0 40 0 2e7), grid on绘制年份功率谱曲线ylabel(Power)xlabel(Period(Years/Cycle)m