《数据科学家养成手册》第十章--混沌论

《For the want of nail》

For the want of a nail, the shoe was lost;
for want of a shoe, the horse was lost; 
for want of a horse, the rider was lost; 
for want of the rider, the battle was lost; 
for want of a battle, the kingdom was lost; 
all for the want of a horseshoe nail.

当然这个有很多的夸张的成分在里面，一个国家的灭亡毕竟是多重因素的结果。但是这民谣的中心：一个小事件，很可能由于某种巧合而放大，在一段时间以后产生一个看上去很重大的结果。

1.气象学家洛伦兹（不同于物理学家洛伦兹）

气象学家，在MIT做长期天气预报的时候发现的现象。它通过计算机输入各种气象数据，依据模型预测下一个时刻的气象数据，然后绘制气象图。但是奇怪的是两次输入“相同”的数值，绘制的曲线在时间的推移会慢慢的相去甚远。

后来找到的原因就是：  第一次输入的一个参数的值为0.50.127  而第2次输入的参数值为0.506

So  也就是一个微小的变化，后来会作为差别的主要的原因

也就是“在中短期内，这个系统有着相对确定的规则行为，但是时间一长，在同一个系统中会发生无规则的行为”

著名的“蝴蝶效应”就是混沌现象为大众所致的一种气象学体现。

2.罗伯特.梅的养鱼计划

最初生物种群研究的时候，表达生物个体数目的时候人们使用的是一种线性模型：

x_n=kx_n-1。

虽然这种模型符合马尔萨斯有关“人口增长不受食物供给和到的约束限制”的“封口增长”理论，但是这个和我们的观察大相径庭。

罗伯特.梅用一种变形后的公式描述：x_n= Kx_n-1(1- x_n-1)

根据该变形公式绘制的图形曲线：

3.有限的大脑，无限的维

人类通过数学建模研究客观世界，而科学家在建模的时候都是要不断对观测对象进行测量和归纳，将观测到的数值进行整理，并运用一系列的公式描述它们之间的关系。在连续变化的模型中会使用微积分方程组进行描述并求解的实例，而在一些离散的模型中会使用基于数列前后关系描述的模型

4.“I had No Need of That Hypothesis!”---------拉普拉斯

5.“十九世纪末二十世纪初的领袖数学家”---庞加莱

三体问题：天体力学中的问题是指：三个质量，初始位置和初始速度都是任意的可视为质点的天体，在万有引力的作用下的运动规律问题。

原文：

混沌现象的产生原因：在解析解无法给出的青黄下在迭代中使用数值解，并由于数值解精确程度的问题产生的求解收敛到不一致的值的问题。  只要使用迭代的方式建模，并使用精度有限的数值作为初始值，这种现象就无法避免。

但是虽然混沌是一种客观存在的现象，但是那只是在迭代的次数比较多的情况下产生的。所以当我们在使用齐全的参数做短期的预测的时候还是能得到充分的优质结果的。

混沌现象：在大量次的进行之后，对初始值敏感

随机事件：

（1）可以再相同的条件下重复出现

（2）每个试验的可能结果不只1个，每种结果都是可以实现的预测

（3）进行一次试验之前哪一种结果是没有办法确定的

就比如抛掷抛骰子

感想：看完这一章节的描述不知道自己对混沌有没有一种认识，深度的思考自己了解的还不是太多。混沌是一种现象，随机事件也是一种现象啊。越来越搞不懂了

资料中部分：

来源：混沌理论与分析 - CSDN博客
https://blog.csdn.net/qq_38736812/article/details/79116736

（1）混沌消除了拉普拉斯关于决定论式可预测的幻想。首先一点就是未来无法确定。第二，事物的发展是通过自我相似的秩序来实现的。这是混沌理论两个基本的概念。混沌理论还有一个是发展人格，他有三个原则，1、能量永远会遵循阻力最小的途径2、始终存在着通常不可见的根本结构，这个结构决定阻力最小的途径。3、这种始终存在而通常不可见的根本结构，不仅可以被发现，而且可以被改变。

（2）混沌的基本特征

其主要的基本特征有三点：

1、内在随机性：从确定性非线性系统的演化过程看他们在混沌区的行为都表现出随机不确定性。然而这种部确定性不是来源于外部环境的随机因素对系统运动的影响，而是系统自发产生的。

2、初值敏感性：对于没有内在随机性的系统，只要两个初始值足够接近从他们出发的两条轨线在整个系统溟过程中都将保持足够接近，但是对具有内在随机性的混沌系统而言，从两个非常接近的初值出发的两个轨线在经过长时间演化之后，可能变得相距“足够远”,表现出对初值的极端敏感，即所谓“失之毫厘，谬之千里。”

3、非规则的有序：混沌不是纯粹的无序，而是不具备周期性和其他明显对称特征的有序态，确定性的非线性系统的控制参量按一定方向部断变化，当达到某种极限状态时，就会出现混沌这种非周期运动体制。但是非周期运动不是无序运动，而是另一种类型的有序运动。混沌区的系统行为往往体现出无穷嵌套自相似结构，这种不同层次上的结构相似性是标度变换下的不变性，这种不变性体现出混沌运动的规律。

（3） 混沌的具体的潜在应用可概括如下：

1.优化：利用混沌运动的随机性、遍历性和规律性寻找最优点，可用于系统辨识、最优参数设计等众多方面。 

2.神经网络：将混沌与神经网络相融合，使神经网络由最初的混沌状态逐渐退化到一般的神经网络，利用中间过程混沌状态的动力学特性使神经网络逃离局部极小点，从而保证全局最优，可用于联想记忆、机器人的路径规划等。 

3.图像数据压缩：把复杂的图像数据用一组能产生混沌吸引子的简单动力学方程代替，这样只需记忆存储这一组动力学方程组的参数，其数据量比原始图像数据大大减少，从而实现了图像数据压缩。 

4.高速检索：利用混沌的遍历性可以进行检索，即在改变初值的同时，将要检索的数据和刚进入混沌状态的值相比较，检索出接近于待检索数据的状态。这种方法比随机检索或遗传算法具有更高的检索速度。 

5.非线性时间序列的预测：任何一个时间序列都可以看成是一个由非线性机制确定的输入输出系统，如果不规则的运动现象是一种混沌现象，则通过利用混沌现象的决策论非线性技术就能高精度地进行短期预测。 

6.模式识别：利用混沌轨迹对初始条件的敏感性，有可能使系统识别出只有微小区别的不同模式。 

7.经济混沌的定性预测和经济系统的定量预测：运用混沌理论研究包括财政、金融在内的经济和管理问题，特别是有关证券市场股价指数、汇率变化方面问题。

8.故障诊断: 根据由时间序列再构成的吸引子的集合特征和采样时间序列数据相比较 ,可以进行故障诊断。

9.混沌理论在电力、机械系统中的应用：电力系统实质上是一个强非线性的大系统，在一定条件下完全会出现混沌，其宏观上表现为无规则的机电振荡，严重时甚至会导致互联系统解列，混沌现象貌似随机的性质使得大多数电力系统分析和控制方法变得很不可靠。电力系统中混沌现象的研究始于20世纪80年代初期，人们最初是研究、分析和抑制混沌，如机电系统混沌振荡、混沌与电压骤降、电力经济中的混沌、水轮发电机组调速系统中控制器参数诱发的混沌等。其次是在电力系统中应用混沌，如混沌应用于电站经济运行最优负荷分配、静态负荷模型辨识、模糊电力系统稳定器的参数优化以及短期负荷预测、以及电气设备状态监测中信号的检测方面等。机械系统中混沌现象是普遍地存在的。目前对机械系统中混沌的研究仍处于初始阶段，即主要集中在发现混沌现象的阶段。研究机械系统中混沌的最终目的是分析其对机械系统的正面和负面影响, 进而采取相应的措施, 利用或抑制混沌。因而, 如何克服、控制机械系统中混沌带来的危害, 以及如何利用混沌提高机械系统的效率、降低系统的能耗, 将是未来机械工程研究的一个重要方向。