本文主要介绍了Lorenz模型、Rossler模型、Logistic映射以及其代码实现

1.Lorenz模型

%sy.m
t = -10*pi:pi/250:10*pi;
comet3((cos(2*t).^2).*sin(t),(sin(2*t).^2).*cos(t),t);

Lorenz.m
function xdot=lorenz(~,x)
xdot = [-8/3,0,x(2);0,-10,10;-x(2),28,-1]*x;
命令行：
过程图：
x0=[0,0, 1e-10]';
[t,x]=ode45(@lorenz,[0,1000],x0);
plot(t,x);
figure;
comet3(x(:,1),x(:,2),x(:,3));

%plotdata
x0=[0,0, eps]';
[t,x]=ode23(@lorenz,[0,100],x0);
plot3(x(:,1),x(:,2),x(:,3));
axis([10 40 -20 20 -20 20]);

2.Rossler模型

%rossler.m
function xdot=rossler(t,x)
xdot = [0.9*x(2)*x(1);-x(1)-x(3);x(2)+0.15*x(3)];
命令行：
当t_final=1000时：
t_final=1000; x0=[0;0;1e-10];
[t,x]=ode45('rossler',[0,t_final],x0);
plot(t,x);
figure;
%plot3(x(:,1),x(:,2),x(:,3));
comet3(x(:,1),x(:,2),x(:,3));

3.Logistic映射

%main
n=64;
key=0.512;
an=linspace(3.1,3.99,400);
hold on;
box on;
axis([min(an),max(an),-1,2]);
N=n^2;
xn=zeros(1,N);
for a=an
x=key;
for k=1:20
x=a*x*(1-x);% 产生公式 
end
for k=1:N
x=a*x*(1-x);
xn(k)=x;
b(k,1)=x; %一维矩阵记录迭代结果 
end
plot(a*ones(1,N),xn,'k.','markersize',1);
end

logistica.m
%xn+1=axn(1-xn)
function ichao_ans = logistica(varargin)
%logistic序列生成算法
%函数名：
%logistic混沌序列生成函数
%参数：
%（n，key），n为矩阵阶数，key为迭代初始值。
%（n），n为矩阵阶数，key=0.600。
%（）或（n，key，...),n=64，key=0.600。
switch nargin
case 1
n=varargin{1};
key=0.600;
case 2
n=varargin{1};
key=varargin{2};otherwise
key=0.600;
n=64;
end
N=n^2;
xn=zeros(1,N);
a=4;
x=key;
for k=1:20
x=a*x*(1-x);% 产生公式
end
for k=1:N
x=a*x*(1-x);
xn(k)=x;% 一维矩阵记录迭代结果
end
c=reshape(xn,n,n);% 一维矩阵转换二维矩阵
d=zeros(n,n);% 二维混沌矩阵调制
for a1=1:n
for a2=1:n
if c(a1,a2)>=0.5
d(a1,a2)=1;
else
d(a1,a2)=0;
end
end
end;
end
%figure;title(‘logistic映射’);
%imshow(d);

1、3种模型是关于时间序列，本质是微分方程，Lorenz模型、Rossler模型是同一种，通过写导数公式画出图形，Logistic映射和Henon映射属同一类，与控制参数有关，与初始值的设定关系较大，设定矩阵阶数和迭代次数。

2、lorenz用相空间重构有2种常用方法，奇异值分解法即SVD法，还有自相关和互信息法，较为实用的是第二种方法。延时为重要参数，初始条件影响图形位置和方向。

3、lorenz相空间重构采样周期为0.01，相点数为N-（m-1）*tau，其中N为x的长度，m为阶数，tau为延时。

4、lorenz吸引子图当采样周期越短时，图形的轨迹线越稀疏，反之值采样周期越大线越密。

相空间重构与几个常用非线性模型实现相关推荐

时间序列模型之相空间重构
一般的时间序列主要是在时间域中进行模型的研究,而对于混沌时间序列,无论是混沌不变量的计算,混沌模型的建立和预测都是在所谓的相空间中进行,因此相空间重构就是混沌时间序列处理中非常重要的一个步骤.所谓混沌 ...
混沌性时间序列的分析方法：EEMD+相空间重构
一.引言上一篇文章中,我们理解了混沌理论的发展.定义以及特点. 接下来,要结合我的研究方向,在机械振动时间序列信号的基础上,做出故障的诊断和预判. 时间序列也是结构化的数据,每一个时间戳下就有一个值 ...
基于相空间重构的混沌背景下微弱信号检测方法仿真
1.1算法参数取值对系统性能的影响在研究算法性能之前,首先需要分析各个参数对算法整体性能的影响,本文将重点考虑相空间重构参数和m,SVM支持向量机参数C和.这里分别对四个参数进行性能影响测试,首先对 ...
相空间重构 matlab 程序源,matlab求相空间重构延迟时间和嵌入维数
关联积分计算 function C_I=correlation_integral(X,M,r) %该函数用来计算关联积分 %C_I:关联积分的返回值 %X:重构的相空间矢量,是一个m*M的矩阵 %M: ...
Python实现相空间重构求关联维数——GP算法、自相关法求时间延迟tau、最近邻算法求嵌入维数m
Python实现相空间重构求关联维数--GP算法.自相关法求时间延迟tau.最近邻算法求嵌入维数m GP算法: 若有一维时间序列为{x1,x2,-,xn},对其进行相空间重构得到高维相空间的一系列向量 ...
相空间重构中延迟时间tau的选择：自相关法（matlab实现）
相空间重构技术中有两个关键参数:延迟时间tau和嵌入维数m 使用自相关法确定延迟时间tau,主要思想在于通过计算原信号的自相关函数,找到自相关函数值下降到初始值R(0)时的1-1/e倍时的延迟时间ta ...
相空间重构matlab实现
相空间重构 ##更新:最近重新看了这部分的内容,发现dts=max(ds)-min(ds);有误,应该是用r最大的时候的s减去最小时候的s.改为dts = ds(end)-ds(1).以及C2应该有个 ...
相空间重构、时间序列重构、状态空间重构、phase space reconstruction、state space reconstruction
文章目录闲话几句 python程序朴素的解释 see also 闲话几句相空间重构听起来高大上,但是一旦确定了嵌入维数和延迟时间,之后的操作就十分简单了. 下边给个代码示例一下"之后的 ...
相空间重构matlab代码
相空间重构是一种用于从时间序列中恢复系统动力学特征的方法.它可以将高维时间序列数据转换为低维表示,以便更好地理解和分析系统的行为. 以下是一些可能的 Matlab 代码来实现相空间重构: % 输入数据 ...

相空间重构与几个常用非线性模型实现

本文主要介绍了Lorenz模型、Rossler模型、Logistic映射以及其代码实现

1.Lorenz模型

2.Rossler模型

3.Logistic映射

相空间重构与几个常用非线性模型实现相关推荐

最新文章

热门文章