预测模型建立

(一)参数拟合原理

在得到单井涌水量与所测量的地球物理测井各种参数之间的关系方程之后,可以发现里面还有很多待定的常数,这些常数在各种不同的地方是不一样的,为了能够确定这些系数,就需要获得这个地区的单井涌水量和对应的测井参数,然后拟合得到对应于这个地区的待定参数,这个被称为参数拟合。本程序所采用的拟合方法是改进型阻尼最小二乘法进行多参数数据拟合[14]。下面介绍一下拟合方法的原理。

设按上述任一模型计算得到的第i个孔的单位涌水量为qi。抽水实测单位涌水量为qj,由前述诸个模型可见,qj是个非线性多元变量函数,因而采用下述两种函数作为目标函数。并用最优化方法求取选定模型的待定系数是适当的。

(A+λ2K)ΔP=B

(1)目标函数取各井单位涌水量相对误差的平方和

含水层含水量预测综合物探技术

式中:λ为阻尼系数。

(2)目标函数取各井单位涌水量绝对误差的平方和

含水层含水量预测综合物探技术

选用哪种目标函数,应根据预测区各井单井涌水量的差异大小以及预测要求而定。若涌水量差异较大,而对涌水量较小者的预测精度要求较高,则宜选择相对误差的平方和作为目标函数,此时,小水量钻孔的预测精度虽然提高了,但大水量钻孔的预测精度相对降低了。若涌水量变化较小,且对涌水量较小者并不要求与大水量钻孔有相同高的预测精度,则适宜采用绝对误差的平方和作为目标函数。拟合流程见图5-4。

(二)模型构建

使用最小二乘准则,待求的模型系数a、b、c、d、e、f、g、R的值,应使得目标函数取极小值。显然,这是个非线性多元变量函数求最小二乘极小的问题,可采用最优化方法中比较有效的马奎特法(或称阻尼最小二乘法)求解,通常经过几次迭代就可求得各个模型的待定系数。

马奎特法是最优化中求最小二乘极小解比较有效的算法,它比梯度法、共轭梯度法收敛快,又比高斯牛顿法稳定,因而早已在很多其他反演解释中得到广泛应用。

经典马奎特算法中,由模型系数组成的矢量及其修正量的各元素相互间差别很大时,阻尼系数必将取得较大,这将增加迭代次数,降低运算速度,同时他还要求模型系数初值应靠近极小点,否则不易收敛,也就是说稳定性不理想。因此,我们采用加权阻尼因子的方法,即将经典马奎特方程中的单位矩阵K修改为与模型系数的大小有关的对角阵K,效果是模型系数大,阻尼小;模型系数小,阻尼大。从而使各模型系数以同等速度向极小点收敛,提高了算法的运算速度与稳定性,这就是改进的阻尼最小二乘法,其方程为

含水层含水量预测综合物探技术

图5-4 多参数拟合流程图

含水层含水量预测综合物探技术

利用上述拟合方法所求取的预测模型的待定参量a、b、c、d、e、、fg、R代入(5-61)式,便得到利用地球物理测井电阻率参量预测含水层含水量模型。

一般地，如果一个接近实际而没有内在随机性的模型仍然具有貌似随机的行为，就可以称这个真实物理系统是混沌的。一个随时间确定性变化或具有微弱随机性的变化系统，称为动力系统，它的状态可由一个或几个变量数值确定。而一些动力系统中，两个几乎完全一致的状态经过充分长时间后会变得毫无一致，恰如从长序列

中随机选取的两个状态那样，这种系统被称为敏感地依赖于初始条件。而对初始条件的敏感的依赖性也可作为一个混沌的定义。

与我们通常研究的线性科学不同，混沌学研究的是一种非线性科学，而非线性科学研究似乎总是把人们对“正常”事物“正常”现象的认识转向对“反常”事物“反常”现象的探索。例如，孤波不是周期性振荡的规则传播；“多媒体”技术对信息贮存、压缩、传播、转换和控制过程中遇到大量的“非常规”现象产生所采用的“非常规”的新方法；混沌打破了确定性方程由初始条件严格确定系统未来运动的“常规”，出现所谓各种“奇异吸引子”现象等。

混沌来自于非线性动力系统，而动力系统又描述的是任意随时间发展变化的过程，并且这样的系统产生于生活的各个方面。举个例子，生态学家对某物种的长期性态感兴趣，给定一些观察到的或实验得到的变量（如捕食者个数、气候的恶劣性、食物的可获性等等），建立数学模型来描述群体的增减。如果用Pn表示n代后该物种极限数目的百分比，则著名的“罗杰斯蒂映射”：Pn+1=kP(1-Pn)（k是依赖于生态条件的常数）可以用于在给定Po，k条件下，预报群体数的长期性态。如果将常数k处理成可变的参数k，则当k值增大到一定值后， “罗杰斯蒂映射”所构成的动力系统就进入混沌状态。最常见的气象模型是巨型动力系统的一个例子：温度、气压、风向、速度以及降雨量都是这个系统中随时间变化的变量。洛伦兹

（ENLorenz）教授于1963年《大气科学》杂志上发表了“决定性的非周期流”一文，阐述了在气候不能精确重演与长期天气预报者无能为力之间必然存在着一种联系，这就是非周期性与不可预见性之间的关系。洛伦兹在计算机上用他所建立的微分方程模拟气候变化的时候，偶然发现输入的初始条件的极细微的差别，可以引起模拟结果的巨大变化。洛伦兹打了个比喻，即我们在文首提到的关于在南半球巴西某地一只蝴蝶的翅膀的偶然扇动所引起的微小气流，几星期后可能变成席卷北半球美国得克萨斯州的一场龙卷风，这就是天气的“蝴蝶效应”。

动力系统涉及上述类型和其他类型的物理及化学过程。它的研究目的是预测“过程”的最终发展结果。这就是说：如果完全知道在时间序列中一个过程的过去历史，能否预测它未来怎样？尤其能否预测该系统的长期或渐进的特性？这无疑是一个意义重大的问题。然而，即使是一个理想化的仅有一个变量的最简单的动力系统也会具有难以预测的基本上是随机的特性。动力系统中的一点或一个数的连续迭代产生的序列称为轨道。如果初始条件的微小改变使其相应的轨道在一定的迭代次数之内也只有微小改变，则动力系统是稳定的，此时，任意接近于给定初值的另一个初值的轨道可能与原轨道相差甚远，是不可预测的。因此，弄清给定动力系统中轨道不稳定的点的集合是及其重要的。所有其轨道不稳定的点构成的集合是这个动力系统的混沌集合，并且动力系统中参数的微小改变可以引起混沌集合结构的急剧变化。这种研究是及其复杂的，但是引入了计算机就可以形象地看到这种混沌集合的结构，看清它是一个简单集合还是一个复杂集合，以及随着动力系统本身的变化它是如何变化的。这也是混沌学为何会随着计算机技术的进步而进步的原因所在，所谓的分形也正是从此处进入混沌动力系统研究的。

我们简要谈一下混沌与分形的关系，混沌学研究的是无序中的有序，许多现象即使遵循严格的确定性规则，但大体上仍是无法预测的，比如大气中的湍流，人的心脏的跳动等等。混沌事件在不同的时间标度下表现出相似的变化模式，与分形在空间标度下表现的相似性十分相象。混沌主要讨论非线性动力系统的不稳、发散的过程，但系统在相空间总是收敛于一定的吸引子，这与分形的生成过程十分相象。混沌学与分形学在很大程度上依赖于计算机的进步，这对纯数学的传统观念提出了挑战，计算机技术不仅使这两个领域中的一些最新发现成为可能，同时因其图形直观的表现形式也极大地激发了科学家与公众的兴趣与认识，起到了推广作用。分形与混沌的一致性并非偶然，在混沌集合的计算机图像中，常常是轨道不稳定的点集形成了分形。所以这些分形由一个确切的规则（对应一个动力系统）给出：它们是一个动力系统的混沌集，是各种各样的奇异吸引子。因此，分形艺术的美丽就是混沌集合的美丽，对分形艺术的研究就是对混沌动力学研究的一部分。

混沌不是偶然的、个别的事件，而是普遍存在于宇宙间各种各样的宏观及微观系统的，万事万物，莫不混沌。混沌也不是独立存在的科学，它与其它各门科学互相促进、互相依靠，由此派生出许多交叉学科，如混沌气象学、混沌经济学、混沌数学等。混沌学不仅极具研究价值，而且有现实应用价值，能直接或间接创造财富。

远古时代，人们对大自然的变幻无常有着神秘莫测的恐惧，几千年的文明进步使人类逐渐认识到，大自然有规律可循。经典力学的追随者认为，只要近似知道一个系统的初始条件和理解自然定理，就可计算系统的近似行为。世间事物的行为方式具有一种收敛性，这样的信念使经典力学在天文学上的预言获得了辉煌的成就，如海王星的发现。人们研究天王星时发现其轨道存在某些极小的不规则性，这使人们怀疑天王星外还有一颗未知行星。英国亚当斯根据开普勒定理算出了这颗新星何时出现在何方位，德国科学家戈勒进行探索，在与预计位置差1°的地方发现了此星。于是海王星的发现成为经典决定论最成功的例证。经典力学的成功无疑给人们巨大的信心，以致把宇宙看成一架庞大时钟的机械观占据了统治地位。伟大的法国数学家Laplace的一段名言把这种决定论的思想发展到了顶峰，他说：“设想某位智者在每一瞬时得知激励大自然的所有力及组成它的所有物体的相互位置，如果这位智者博大精深能对这样众多的数据进行分析，把宇宙间最庞大的物体和最轻微的原子的运动凝聚在一个公式之中，对他来说，没有什么事物是不确定的，将来就象过去一样清晰展现在眼前”。牛顿力学在天文上处理最成功的是两体问题，如地球和太阳的问题，两个天体在万有引力作用下围绕它们共同质心作严格的周期运动。正因如此，我们地球上的人类才有安宁舒适的家园。但太阳系不止两个成员，第三者的存在会否动摇这样的稳定和谐？Laplace曾用一种所谓的“摄动法”来修正三体运动的轨道，证明三体运动的稳定性。据说拿破仑曾问他此证明中上帝起了什么作用，他回答：“陛下，我不需要这样的假设”。 Laplace否定了上帝，但他的结论却是错的。因为三体运动中存在着混沌。

什么是混沌呢？混沌是决定性动力学系统中出现的一种貌似随机的运动，其本质是系统的长期行为对初始条件的敏感性。如我们常说“差之毫厘，失之千里”。西方控制论的创造者维纳对这种情形作了生动的描述：钉子缺，蹄铁卸；蹄铁卸，战马蹶；战马蹶，骑士绝；骑士绝，战事折；战事折，国家灭。

钉子缺这样一微不足道的小事，经逐级放大竟导致了国家的灭亡。系统对初值的敏感性又如美国气象学家洛仑兹蝴蝶效应中所说：“一只蝴蝶在巴西煽动翅膀，可能会在德州引起一场龙卷风”，这就是混沌。

环顾四周，我们的生存空间充满了混沌。混沌涉及的领域――物理、化学、生物、医学、社会经济，甚至触角伸进了艺术领域。混沌学的传道士宣称，混沌应属于二十世纪三大科学之一。相对论排除了绝对时空观的牛顿幻觉，量子论排除了可控测量过程中的牛顿迷梦，混沌则排除了拉普拉斯可预见性的狂想。混沌理论将开创科学思想上又一次新的革命。混沌学说将用一个不那么可预言的宇宙来取代牛顿、爱因斯坦的有序宇宙，混沌学者认为传统的时钟宇宙与真实世界毫不相关。

下面让我们来看看经典的混沌现象。

2 混沌现象

21 湍流(turbulent flow)

湍流是人类寻常惯见的现象。湍流现象普遍存在于行星和地球大气、海洋与江河、火箭尾流、乃至血液流动等自然现象之中。

1883年英国著名试验流体力学家雷诺(OReynolds)做了一个实验，演示了湍流的产生。将流体注入一容器，在容器内另有一盛有色液体的细管，如图1所示，管内的有色液体可由小口A流出，大容器下端B处装一阀门，可用来控制水的流速。当大容器内的水流较缓时，从细管中流出的有色液体呈一线状，两种流体互不混杂(图a)，我们称这种流动为层流。加大阀门让水流速度增大，当流速大到一定程度时，两种液体开始相互混杂，液体的流动开始呈现涡漩状结构，而且大涡漩套小涡漩，运动状态变得极端“紊乱”(图b)，无法对运动状态做出任何预测，我们称这种流动为湍流。

图2 燃烧烟柱的湍流

图1 湍流的产生(a) 互不混杂的层流(b) 湍流

湍流是一种典型的混沌现象，湍流的发生机制是物理学中一个历史悠久的难题。我们都知道流体力学中有一套描述流体运动的基本方程，这些方程是基于光滑和连续概念的决定性偏微分方程，它们无法描述如此复杂，没有规则的湍流，即使撇开湍流的空间结构不谈，决定性的流体力学方程怎么能允许貌似随机运动的紊乱的时间行为呢？

在日常生活中我们人人都可以见到湍流现象。图2所示是一支点燃的香烟，青烟一缕袅袅腾空。开始烟柱是直立的，达到一定高度时，突然变得紊乱起来。这是在热气流加速上升的过程中，层流变湍流的绝妙演示。

图3 木星上的大气湍流

一个有关宇宙奇迹恰如其分的描述是木星上的大气湍流。它象一个不运动、不消退的巨形风暴，图3所示为哈勃太空望远镜拍摄的木星大气湍流，它是太阳系中一个古老的标志。这些图象揭示了木星的表面是沸腾的湍流，有东西向的水平带。

22 洛仑兹水轮

图4所示为洛仑兹(ELorenz)发现的、精确对应于一种力学装置的有名的混沌系统――洛仑兹水轮，这种简单的构造竟也能表现出令人惊讶的复杂行为。

图4洛仑兹水轮

水轮顶端有水流恒定地冲下来，注入挂在轮边缘的水桶中。每只桶底部均有一小孔能恒定地漏水。如果上面的水流冲得很慢，顶部小桶不会装满，因而不能克服轮轴摩擦力，水轮也不会转动。如果水流加快。顶部水桶的重量带动了水轮，水轮可以用定速连续旋转，如图4(a)和图4(b)所示。一旦水流加快，旋转便呈混沌态，如图4(c)所示。传统的物理学家对于洛仑兹水轮这样简单的机械，直觉的印象告诉他们，经运一段长时间，这水轮只要水流冲速恒定，它一定会达到一个稳定状态。然而事实是，水轮永远不会停留在某一固定的角速度，而且永运不会以任何可以预测的形式重复。因为水桶是在水流下通过的，它们充满的程度取决于旋转的角速度。一旦水轮转得太快，水桶来不及充满或来不及漏掉足够的水，后面的桶比前面的桶重，则转动变慢，甚至发生逆转。

图5滴水龙头的混沌现象

23 滴水龙头

大多数人都知道当水龙头开得较小时，水滴将很有规律地从水龙头滴下。连续滴水的时间间隔可以非常一致，不少失眠者因老想着下一滴水什么时候滴下而心烦意乱，不能入睡。但当水流速度稍高时，水龙头的行为就是一般人不大熟悉的了。经观察发现，在某一速度范围内虽然水滴仍是一滴滴地分开落下，但其滴嗒方式却始终不重复，就象一个有无限创造力的鼓手。这种从有规律的滴水方式向似乎是随机的滴水方式的转变类似于层流向湍流的转变。如图5所示，在水龙头下放一话筒，记录水滴敲击话筒的声音脉冲，就很容易发现这种无规则的混沌现象。

(a) A射向B、C之间 (b) 先B后C (c) 先C后B

图6布尼莫维奇台球实验

24 布尼莫维奇台球实验

如图6(a)所示，A、B、C是光滑水平桌面上三个完全相同的台球，B、C两球并列在一起，作为静止的靶子，A球沿它们中心联线的垂直平分线朝它们撞去。设碰撞是完全d性的，碰撞后三球各自如何运动若设想因A球瞄得不够准而与B、C球的碰撞稍分先后，则我们就会得到如图6(b,c)所示截然不同的结果。如果说A与B、C的碰撞是绝对同时发生的，后果如何？我们就会哑然不知所对。在这样一个简单的二维三体问题理，完全决定性的牛顿定律竟然给不出确定的答案！

25 Belousov-Zhabothsky振荡化学反应

两种化学药品相混合，输入液中反应物浓度保持常量，输出液中浓度则呈混沌性振动。

26 生理医学

伯克利大学Walter教授发现健康受试者的心电图具有混沌的图象，而濒临死亡受试者的心电图则是非常规律的振动图象。

27 计算器迭代产生的混沌

一般的计算器上都有x2键，取一个介于0和1之间的数，比如054321，按x2键。再按它，反复按下去，这个过程称为迭代，观察结果读数，你很快会发现，当你第九次按下x2键时，得到结果为0，此后02=0，不会有什么其他结果出现了。

如果你用x2-1来迭代，将很快发现，结果在0和-1之间不断循环，因为道理很简单：

02-1=-1,(-1)2-1=0

若以迭代次数为横坐标，每一次的迭代结果为纵坐标，可得如图7所示的迭代序列图。

图7x2-1的迭代产生规则振荡，竖直方向是x值，水平方向是迭代次数

最后，我们来试一试迭代2x2-1，我们将得到一个如图8所示的迭代结果，这结果看上去远没有前面那么简单，事实上，他们看上去是无规的，或说混沌的。一个简单的，决定性的方程却产生了完全不能预测的、混沌的结果。

图82x2-1的迭代产生混沌

混沌是非线性动力学系统所特有的一种运动形式，早在20世纪初的1903年，法国数学家庞加莱（JHPoincare）从动力系统和拓扑学的全局思想出发指出了可能存在的混沌的特性，1954年，前苏联概率论大使柯尔莫哥洛夫指出不仅耗散系统有混沌，保守系统也有混沌，1963年，美国气象学家洛仑兹 (ELorenz) 在《大气科学》杂志上发表了“决定性的非周期流”一文，指出长期天气预报不可行的事实，他认为一串事件可能有一个临界点，在这一点上，小的变化可以放大为大的变化，这就是所谓著名的蝴蝶效应。蝴蝶在巴西煽动翅膀，可能会在德州引起一场龙卷风。混沌学的真正发展是在本世纪70年代后，1977年第一次国际混沌会议在意大利召开，它标志着混沌科学的诞生。1978年美国科学家费根鲍姆在《统计物理学》杂志上发表了关于普适性的论文。此文轰动了世界。从此以后，混沌的研究如星星之火，渐成燎原之势。

3 混沌学的研究方法

a: 趋向吸引子的螺旋轨道；

b: 似于周期的轨道（极限环）；c: 趋向于更复杂吸引子的轨道

图9

31 相空间几何与吸引子

研究表明，绝大多数描述系统状态的微分方程是非线性方程，当非线性作用强烈时，以往的近似方法不再适用。为此，法国数学家庞加莱提出了用相空间拓扑学求解非线性微分方程的定性理论。在不求出方程解的情况下，通过直接考查微分方程本身结构去研究其解的性质。该理论的核心是相空间的相图。相空间由质点速度和位置坐标构成。系统的一个状态可由相空间的一个点表示，称为相点。系统相点的轨迹称为相图。在相空间中，一个动力学系统最重要的特征是它的长期性态，一般动力学系统，随时间演变，最终将趋于一终极形态，此称为相空间中的吸引子。吸引子可以是稳定的平衡点(不动点) 或周期轨迹（极限环），见图9(a,b)，也可是持续不断变化没有规则秩序的许多回转曲线，这就是所谓奇怪吸引子，如图9(c)。

例：单摆的相图，考虑以下三种情况：(1)无阻尼小角度摆动；(2)无阻尼任意角摆动；(3)有阻尼小角度摆动；

图10 单摆小角度运动

解：(1)如图10所示的理想单摆，忽略一切阻尼，由牛顿第二定律，可得其运动方程为：

(1)

其中θ为摆角，g为重力加速度，l为摆长。若令 ，则(1)式成为：

(2)

当θ角很小时，sinθ≈θ，于是(2)式可写为：

图11 小角单摆的相图

(3)

对(3)式积分一次，可得

(4)

分别以θ和 为横坐标和纵坐标，则方程(4)的相图为一椭圆，c1为一与初始条件或总能量有关的积分常数，对不同的c1，可得一簇同心椭圆，如图11所示。该相图表明系统状态变化具有周期性。此即对应极限环吸引子。

(2) 若摆线为刚性轻质杆，则单摆可处于倒立状态，该单摆可做任意角摆动。单摆运动方程仍为(1)式，对(1)式积分一次可得：

(5)

(6)

c2为一与初始条件或总能量有关的积分常数，c2越大，能量越高。同时考虑小摆角和大摆角，可得如图12所示的相空间轨迹图。

图12 一般单摆运动的相图图13 有阻尼小角单摆相图

由图可见，在小角度低能情况下，相轨迹呈椭圆形。随着能量逐渐提高，椭圆轨迹变成左右两端呈尖角枣核状，当振幅（摆角）±π时，轨线上出现鞍点G、G’，实际上都对应于倒立摆的状态，是不稳定的双曲点。当能量再高时，相轨迹不再闭合，摆将顺时针或逆时针转起来，不再往复摆动。

（3）有阻尼小角度摆动

考虑了阻尼之后，摆角很小时的单摆运动方程为：

(7)

其中β=r/2m，为无量纲阻尼系数，r为阻尼系数。由情况（1）可知，单摆能量越小，椭圆相轨迹的长短半轴也越小，c1=0时，椭圆退化为一点，即原点，该点对应于单摆的稳定状态，对应于不动点吸引子。

32 奇异吸引子与蝴蝶效应

我们每天都收听或收看天气预报，尽可能准确进行长期天气预报是人类梦寐以求的愿望。计算机的发明和发展，为人类预报天气提供了有力的工具。大气实际上是无数冲来撞去的分子组成的，它们是不连续的，但在经典力学中，通常把大气当成连续、光滑的理想流体来代替。几百年前，欧拉和伯努利就写出了描述这种流体的运动方程。

图14气候演变曲线

为了求解运动方程，我们必须用离散的时间来迭代。所谓迭代就是用计算结果做为当前值代入方程求得方程的下一个值。就像我们在前面计算器迭代混沌中所做的那样，只是现在把那里的迭代次数换成了时间而已。为天气预报所作的迭代必须以惊人的高速进行，每秒要进行1百万次以上的运算。我们都相信，你的运算方程越精确，你的预报越准确。而事实上影响大气运动的因素太多了，不可能把所有的因素都考虑进去。因此，只能抓住主要矛盾，略去次要因素。

洛仑兹是一个气象学家，在孩提时代就是个气象迷，反复记录着他家房子外的小观测站里温度计的读数。他同时也热爱数学，热爱数学的纯洁性。正是这两种爱好，使他在混沌研究这个领域做出了开创性的工作。

洛仑兹那时正在用他的"皇家马克比"计算机，对大气系统进行模拟，以便寻找进行长期天气预报的方法。有一次偶然的机会，洛仑兹没有把一次运算从头算起，他走了一条捷径，从中途去启动，把前面打印出来的结果做为初始条件输入。这新一轮的计算原本应当重复前一次的计算结果，因为程序并没有变，然而当他看到打印结果时，却目瞪口呆，他计算出来的气候演变曲线与上一轮的计算相去甚远，根本不是一个类型的气候，而是完全不同的两类气候，如图14所示。

检查问题出在他输入的数据上，计算机内存有6位数，如：0506127，但打印时为了节省空间，只打出了三位数，即0506。他本能地认为这千分之一的误差，不会对结果有什么大的影响，这个小差别仿佛一阵微风吹过，对大范围的气候不会有什么影响。事实却完全相反，气候的演变对初始条件极为敏感，可谓“差之毫厘，失之千里”，就好象巴西的一只蝴蝶拍拍翅膀，会在德州引起一场暴风雨一样，因此，洛仑兹称它为蝴蝶效应。蝴蝶效应实际上是动力学系统行为对初值敏感依赖性的一种通俗说法。

洛仑兹如果停留在蝴蝶效应上，说明气候变化的不可预见性，或长期天气预报是不可能的，那么他带来的不过是个坏消息，但是洛仑兹看到了几何结构。

洛仑兹把他的方程送进皇家马克比计算机，它的迭代次数大约每秒1次。图15显示了他的变量y的值的前3000次迭代结果。前1500次，y值周期性地摇摆，摆幅平稳增长。而后，它剧烈振荡，毫无规律。洛仑兹画出以x,y,z为坐标轴的相空间曲线如图15所示。由图可见，相图是三维的，它由两片组成，各片各自围绕着一个不动点。若状态轨迹经过一段时间之后停在一个不动点上，那么意味着系统进入了一个稳定的状态，这相轨迹将是一个平庸吸引子。然而，事实上，相轨迹在两片上“随机”地跳来跳去，说明系统的状态演变着有某种规律性，这种相图不对应任何一种定常状态，因此，被称为奇异吸引子，又称洛仑兹吸引子。

图15 洛仑兹奇异吸引子

奇异吸引子的奇异之处在于，相轨迹虽在两片上跳来跳去，但决不自身相交，即不构成任何周期运动，系统的状态变化具有随机的不可预测性，因此奇异吸引子又称为混沌吸引子。此外，系统状态演变对初始条件非常敏感，相图中两个初始时任意靠近的点，经过足够长的时间后，在吸引子上被宏观地分离开来，对应完全不同的状态。

4 混沌的数学模型

41 通向混沌的道路――一维虫口模型――逻辑斯蒂映射

马尔萨斯(TRMalthas)在其《论人口原理》一书中，在分析了19世纪美洲和欧洲的一些地区的人口增长规律后得出结论：“在不控制的条件下，人口每25年增加一倍，即按几何级数增长”。不难把“马尔萨斯人口论”写成数学形式。为此可把25年做为一代，把第n代的人口记为xn，马尔萨斯的意思是：

xn+1 = 2xn (41)

这是简单的正比例关系，还可以写得更一般些，即：

xn+1 = gxn (42)

其中g是比例系数。不难验证，差分方程的解为：

xn = gnx0 (43)

x0 是开始计算的那一代人口数。只要g>1，xn 很快就趋向无穷大，发生“人口爆炸”。这样的线性模型，完全不能反应人口的变化规律，但是稍加修正，就可以称为描述某些没有世代交叠的昆虫数目的虫口方程。

这项修正就是计入限制虫口增长的负因素。虫口数目太多时，由于争夺有限的食物和生存空间发生咬斗，由于接触传染而导致疾病蔓延，争斗使虫口数目减少的事件，这些事件的数目比例于xn2，于是方程42可以修正为：

xn+1 = gxn -gxn2 (44)

这个看起来很简单的方程却可以展现出丰富多彩的动力学行为。其实它并不是一个描述虫口变化的模型，它同时考虑了鼓励和抑制两种因素，反应出“过犹不及”的效应，因而具有更普遍的意义和用途。

方程(44)可写成一个抽象的、标准的虫口方程：

xn+1 = g xn(1- xn)(45)

如图16用迭代法考察解的特性，作y=f (x)及y=x的图，给出任一初值x0，得f (x0)，将其赋值给x1，得f (x1)…，如此循环下去。

图16 y = f (x)的迭代曲线

当0<g<1时，从任一初始值x0开始，代入方程(45)，可得x1，再把代入方程(45)，得x2，结果如图17(a)所示，最终迭代结果xn(r)￥=0，其意义可以认为，由于环境恶劣，虫口的繁殖能力有限(g太小)，使得种群最终走向灭亡。实际上，g代表了函数的非线性化的程度，g越大，gxn2越大，非线性化程度越高，抛物线的拱型越凸出，这种迭代也称单峰迭代。

当1<g<3时，迭代结果如图17(b)所示。比如取g =2, x0=09, x1=018,…, xn=05，它停在那儿不动了。即在xn=05处有一个点吸引子，一个稳定定态。若追踪这个种群，则会发现种群数目随着时间的演化而保持稳定的数值。

(a) 0<g<1 (b) 1<g<3(c) g =31 (d) g =358

图17 不同g参数的虫口迭代结果

当g =31时，经过一定的步骤，迭代结果会稳定在两个值x1n与x2n之间跳来跳去地振荡，如图17(c)所示。这个漂亮的振荡称为周期2循环，即若跟踪种群，会发现种群数目每隔一年，数目重复循环一次，就象有些果树有大年小年一样，x1n和x2n也是定点吸引子。

当g=353时，迭代结果将在4个值之间振荡，即振荡周期增加了一倍，称为周期4循环。继续增加g值，还可得周期8循环，周期16循环等等。每一次解的周期都增加一倍。当g 达到某一临界值时，比如g =358附近，迭代结果再也不循环了，而是疯狂地振荡，永远也不会稳定下来，我们称为混沌态，如图17(d)所示。

若以g 为横坐标，迭代结果为纵坐标，可得如图18所示的分岔图。从临界值g =g￥开始，逻辑斯蒂映射进入了混沌区，在这种情况下，种群的数目就完全不能预测了。这种吸

图18 虫口模型分岔图 图19 分岔图的自相似精细结构

引子是不同于不动点和周期解的一种奇异吸引子。若追踪种群，你会认为种群的数目变化完全是随机的。然而仔细观察图18会发现，在复杂的混沌区，会发现一些具有周期解的窗口，如3，6，12，…或7，14，28…，窗口内的分岔现象与整体有着相似的结构，即这种迭代分岔图有着无穷嵌套自相似的精细结构，如图19所示。一系列的倍周期分岔意味着混沌状态的到来。这是通过倍周期分岔进入混沌的典型模式。

混沌系统的重要特征是：改变某一参量，分岔一个接一个。终极形态由不动点向周期2(r)周期4(r)周期8等转化，实现一系列周期倍化分岔，最终走向混沌。

42 混沌效应的几何特性――贝诺勒拉伸折叠变换

无约束最优化方法

1梯度法（最速下降法）

2牛顿法（基本牛顿法、阻尼牛顿法）

3变尺度法（拟牛顿法）

4共轭梯度法

5鲍威尔法（基本鲍威尔法、修正鲍威尔法）

二约束最优化方法

1可行方向法

2惩罚函数法（外点法、内点法、混合法）

3乘子法（等式约束问题乘子法、不等式约束问题乘子法）

4序列二次规划法

5多目标最优化法（主要目标法、线性加权法、理想点法、目标逼近法、最大最小法）

三智能最优化方法

1遗传算法

2神经网络算法（人工神经元与神经网络模型、BP网络、径向基RBF网络、Hopfield网络）

牛顿法是二阶收敛，梯度下降是一阶收敛，所以牛顿法就更快。如果更通俗地说的话，比如你想找一条最短的路径走到一个盆地的最底部，梯度下降法每次只从你当前所处位置选一个坡度最大的方向走一步，牛顿法在选择方向时，不仅会考虑坡度是否够大，还会考虑你走了一步之后，坡度是否会变得更大。所以，可以说牛顿法比梯度下降法看得更远一点，能更快地走到最底部。根据wiki上的解释，从几何上说，牛顿法就是用一个二次曲面去拟合你当前所处位置的局部曲面，而梯度下降法是用一个平面去拟合当前的局部曲面，通常情况下，二次曲面的拟合会比平面更好，所以牛顿法选择的下降路径会更符合真实的最优下降路径。1 牛顿法起始点不能离局部极小点太远，否则很可能不会收敛。(考虑到二阶拟合应该很容易想象)，所以实际 *** 作中会先使用别的方法，比如梯度下降法，使更新的点离最优点比较近，再开始用牛顿法。

2 牛顿法每次需要更新一个二阶矩阵，当维数增加的时候是非常耗内存的，所以实际使用是会用拟牛顿法。

3 梯度下降法在非常靠近最优点时会有震荡，就是说明明离的很近了，却很难到达，因为线性的逼近非常容易一个方向过去就过了最优点(因为只能是负梯度方向)。但牛顿法因为是二次收敛就很容易到达了。牛顿法最明显快的特点是对于二阶函数(考虑多元函数的话要在凸函数的情况下)，牛顿法能够一步到达，非常有效。

以上就是关于预测模型建立全部的内容，包括:预测模型建立、哪位能转贴下E.N.Lorenz教授有关蝴蝶效应的论文啊、机械商品属性优化策略有哪些类型等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！