Page 344 - 数学建模算法与应用

Mathematical Modeling Algorithms and Applications
数学建模算法与应用

统的混沌特性越显著。
（五）庞加莱截面法
庞加莱截面（Poincaré section）是研究混沌系统的一项关键方法，其核心思

想在于利用离散事件来探讨连续动态的过程。具体而言，庞加莱截面是在相空间
中选取的一个维度低于系统本身的超平面，用于捕捉轨迹穿越此平面时的瞬间状
态。通过考察这些穿越点在庞加莱截面上的分布情况，可以有效简化对系统动态
特性的分析，进而洞察系统的复杂行为模式。这种方法不仅减少了分析的维度，

还使得识别系统内在规律变得更加直观。以一个三维非线性系统为例，可以选择
一个二维平面作为庞加莱截面，以此观察系统轨迹穿过该平面时的位置分布。当
截面上的交点表现为有限数量的独立点时，表明系统正在进行周期性运动；若截

面上的轨迹形成了一条连续的线条，则说明系统处于准周期运动状态；而当截面
上的轨迹显示为无数个无序分布的点时，则指示了系统正处于混沌运动之中。通
过这种方式，庞加莱截面能够帮助我们直观地理解系统的动力学特性。

四、Lyapunov 指数的计算方法

关于混沌现象的识别，研究表明 Lyapunov 指数是一项关键指标，它不仅是
描述混沌行为的核心特征，也是精确判断混沌存在的主要依据。除了在 1.1.3 章
节中提到的基于定义直接计算 Lyapunov 指数之外，还存在多种计算方法，这些

方法大致可以归纳为两大类：Wolf 算法和 Jacobian 算法。Wolf 算法更适合处理
那些时间序列相对纯净、没有显著噪声，并且相空间内小向量的变化表现出强烈
非线性的场景；而 Jacobian 算法则更适用于时间序列含有较多噪声、且相空间内
小向量的变化趋于线性的情况。这两种算法各有侧重，能够适应不同条件下的混
沌分析需求。

（一）Wolf 方法
1985 年，Wolf 等人首次提出了通过观察相轨迹、相平面以及相体积的变化
来估算 Lyapunov 指数的方法。这种方法主要是针对单一变量的时间序列进行相

空间重建，以此来推导 Lyapunov 指数。之所以采用这种策略，是因为大多数实
际测量得到的时间序列并不能完全反映其背后的原始动态过程，这使得直接准确
计算 Lyapunov 指数变得非常困难。通过相空间重构技术，研究者们能够在一定
程度上克服这一挑战，进而实现对混沌系统特性的有效评估。Wolf 方法的核心

334