- •ПРЕДИСЛОВИЕ
- •ОПРЕДЕЛЕНИЕ И НАЗНАЧЕНИЕ МОДЕЛИРОВАНИЯ
- •1.1. ЧТО ТАКОЕ МОДЕЛЬ?
- •Место моделирования среди методов познания
- •Определение модели
- •Определение модели
- •Цели моделирования
- •1.2. КЛАССИФИКАЦИЯ МОДЕЛЕЙ
- •Материальное моделирование
- •Идеальное моделирование
- •Когнитивные, концептуальные и формальные модели
- •1.3. Классификация математических моделей
- •Классификационные признаки
- •Классификация математических моделей в зависимости от оператора модели
- •Классификация математических моделей в зависимости от целей моделирования (рис. 1.11)
- •Классификация математических моделей в зависимости от методов реализации (рис. 1.12)
- •Задания для самостоятельного выполнения
- •Глава 2
- •ЭТАПЫ ПОСТРОЕНИЯ МАТЕМАТИЧЕСКОЙ МОДЕЛИ
- •2.1. ОБСЛЕДОВАНИЕ ОБЪЕКТА МОДЕЛИРОВАНИЯ
- •2.2. КОНЦЕПТУАЛЬНАЯ ПОСТАНОВКА ЗАДАЧИ МОДЕЛИРОВАНИЯ
- •2.3. МАТЕМАТИЧЕСКАЯ ПОСТАНОВКА ЗАДАЧИ МОДЕЛИРОВАНИЯ
- •2.4. ВЫБОР И ОБОСНОВАНИЕ ВЫБОРА МЕТОДА РЕШЕНИЯ ЗАДАЧИ
- •stop
- •2.5. РЕАЛИЗАЦИЯ МАТЕМАТИЧЕСКОЙ МОДЕЛИ В ВИДЕ ПРОГРАММЫ ДЛЯ ЭВМ
- •2.6. ПРОВЕРКА АДЕКВАТНОСТИ МОДЕЛИ
- •2.7. ПРАКТИЧЕСКОЕ ИСПОЛЬЗОВАНИЕ ПОСТРОЕННОЙ МОДЕЛИ И АНАЛИЗ РЕЗУЛЬТАТОВ МОДЕЛИРОВАНИЯ
- •Задания для самостоятельного выполнения
- •ПРИМЕРЫ МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ
- •3.1. СТАТИЧЕСКИЙ АНАЛИЗ КОНСТРУКЦИЙ
- •Содержательная постановка задачи
- •Концептуальная постановка задачи
- •Математическая постановка задачи
- •Решение задачи
- •Анализ результатов
- •Концептуальная постановка
- •Математическая постановка задачи
- •Методика решения задачи
- •Анализ результатов
- •3.3. ДИНАМИКА ПОПУЛЯЦИИ
- •Содержательная постановка задачи
- •Концептуальная постановка задачи
- •Решение задачи
- •Анализ результатов
- •Математическая постановка задачи для модели Ферхюльста
- •Решение задачи
- •Анализ результатов
- •Численное исследование модели Ферхюльста
- •3.4. МОДЕЛЬ КОНКУРЕНЦИИ ДВУХ ПОПУЛЯЦИЙ
- •Математическая постановка задачи
- •Качественный анализ задачи
- •Численное исследование модели конкуренции популяций
- •3.5. ГАРМОНИЧЕСКИЙ ОСЦИЛЛЯТОР
- •Содержательная постановка задачи
- •Концептуальная постановка задачи
- •Математическая постановка задачи
- •Решение задачи
- •Качественный анализ задачи
- •Численное исследование модели
- •Качественный анализ задачи
- •Решение задачи
- •Задания для самостоятельного выполнения
- •Глава 4
- •СТРУКТУРНЫЕ МОДЕЛИ
- •4.1. ЧТО ТАКОЕ СТРУКТУРНАЯ МОДЕЛЬ?
- •4.2. СПОСОБЫ ПОСТРОЕНИЯ СТРУКТУРНЫХ МОДЕЛЕЙ
- •4.3. ПРИМЕРЫ СТРУКТУРНЫХ МОДЕЛЕЙ
- •Задания для самостоятельного выполнения
- •МОДЕЛИРОВАНИЕ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ
- •5.1. ПРИЧИНЫ ПОЯВЛЕНИЯ НЕОПРЕДЕЛЕННОСТЕЙ И ИХ ВИДЫ
- •5.2. МОДЕЛИРОВАНИЕ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ, ОПИСЫВАЕМОЙ С ПОЗИЦИЙ ТЕОРИИ НЕЧЕТКИХ МНОЖЕСТВ
- •5.3. МОДЕЛИРОВАНИЕ В УСЛОВИЯХ СТОХАСТИЧЕСКОЙ НЕОПРЕДЕЛЕННОСТИ
- •5.4. МОДЕЛИРОВАНИЕ МАРКОВСКИХ СЛУЧАЙНЫХ ПРОЦЕССОВ
- •Задания для самостоятельного выполнения
- •ЛИНЕЙНЫЕ И НЕЛИНЕЙНЫЕ ЯВЛЕНИЯ
- •6.1. О ЗАКОНЕ ГУКА И ГРАНИЦАХ ЛИНЕЙНОСТИ
- •6.3. О ПОСТРОЕНИИ СПЛОШНЫХ МОДЕЛЕЙ. ВЫВОД ВОЛНОВОГО УРАВНЕНИЯ ИЗ ЗАКОНОВ МЕХАНИКИ
- •6.4. РЕШЕНИЕ ВОЛНОВОГО УРАВНЕНИЯ МЕТОДОМ ФУРЬЕ
- •6.6. УРАВНЕНИЯ МАКСВЕЛЛА
- •6.7. О КЛАССИФИКАЦИИ КВАЗИЛИНЕЙНЫХ СИСТЕМ
- •6.8. СВЯЗЬ НЕПРЕРЫВНОГО И ДИСКРЕТНОГО НА ПРИМЕРАХ УРАВНЕНИЯ КОЛЕБАНИЙ СТРУНЫ И УРАВНЕНИЯ ШРЕДИНГЕРА
- •6.9. О ПОЛЬЗЕ ФЕНОМЕНОЛОГИИ ПРИ ПОСТРОЕНИИ МАТЕМАТИЧЕСКИХ МОДЕЛЕЙ
- •6.10. АНАЛИЗ ПОДОБИЯ И РАЗМЕРНОСТИ
- •6.11. АВТОМОДЕЛЬНОСТЬ
- •6.12. САМООРГАНИЗАЦИЯ И СТРУКТУРЫ В НЕЛИНЕЙНЫХ СРЕДАХ
- •6.13. О НЕЛИНЕЙНЫХ ВОЛНАХ В СПЛОШНЫХ СРЕДАХ
- •6.14. ИЕРАРХИЧЕСКИЕ МОДЕЛИ ТУРБУЛЕНТНОСТИ И МНОГОМАСШТАБНЫЕ ФУНКЦИОНАЛЬНЫЕ БАЗИСЫ
- •Иерархический базис для турбулентных полей
- •Одномерный иерархический базис
- •Двумерный базис
- •6.15. ВЕЙВЛЕТЫ
- •Непрерывное вейвлет-преобразование
- •6.16. ВЕЙВЛЕТ-АНАЛИЗ ВРЕМЕННЫХ КОЛЕБАНИЙ
- •6.17. О ФРАКТАЛАХ И ИХ ПРИМЕНЕНИИ
- •Примеры фракталов
- •Подобие и скейлинг
- •Множества Мандельброта и Жюлиа
- •Фрактальная размерность кластеров
- •Экспериментальные методы определения фрактальной размерности
- •Модель случайных фракталов для описания растущих дендритных структур
- •Результаты применения модели случайных фракталов
- •6.18. НЕЛИНЕЙНЫЕ МОДЕЛИ ДНК
- •Структура и физические свойства ДНК
- •Модель Пейрара-Бишопа
- •Задания для самостоятельного выполнения
- •Глава 7
- •7.2. ИМИТАТОР СИСТЕМЫ МАССОВОГО ОБСЛУЖИВАНИЯ
- •7.3. КЛЕТОЧНЫЕ АВТОМАТЫ
- •7.4. МОДЕЛИРОВАНИЕ ДИСЛОКАЦИЙ В МЕТАЛЛЕ
- •Самоорганизация дислокаций в модели клеточных автоматов
- •Задания для самостоятельного выполнения
- •ЯЗЫК ФОРМАЛЬНОГО ОПИСАНИЯ АЛГОРИТМОВ
- •====== Приложение 2
- •П2.1. Решение уравнений высоких степеней и трансцендентных уравнений с одним неизвестным
- •П2.2. Решение систем линейных уравнений
- •БИБЛИОГРАФИЧЕСКИЙ СПИСОК
- •ПРЕДМЕТНЫЙ УКАЗАТЕЛЬ
- •ОГЛАВЛЕНИЕ
- •Введение в математическое моделирование
о)
б)
Рис. 6.16. Графики вейвлетов: а — «мексиканская шляпа»; б — Морле
Непрерывное вейвлет-преобразование
Непрерывное вейвлет-преобразование одномерной функции
есть
w(a,b) = a K J f ( t ) y * |
t - b |
( 6.82) |
dt, |
a
где \|/(/) —вещественная или комплексная функция, удовлетворя ющая требованиям 1—4 (знак * вводится для комплексно сопря
женных величин). Если ф(ш) = j\v(t)e~la>ldt есть фурье-образ ана
лизирующего вейвлета и выполнено условие
С¥ = |
] Ш |
Л <(ш< - , |
(6.83) |
v |
1 |
м |
|
то для преобразования (6.82) существует формула обращения
/(0 Ч 1 Н ^ Ь 4)^ |
(6,84) |
Условие (6.83) эквивалентно условию (6.79), так как интеграл (6.83) расходится при наличии в спектре вейвлета нулевых частот, что равносильно отличному от нуля среднему значению. В опре делении (6.82) присутствует параметр к —показатель степени мас штабного множителя. Конкретный выбор этого параметра зависит от целей анализа. Широко используется нормировка к = —1, при которой равные значения вейвлет-коэффициентов w (а, Ь) соответ ствуют равным амплитудам пульсаций сигнала, независимо от масштаба пульсаций.
Вейвлет-образ w(а, Ь) функции fit) можно выразить и через ее
фурье-образ /(со). Действительно,
/О») = 7! - ] ] |
y{aa))w(a,b)e~i<i>b |
(6.85) |
Ц|г п |
О |
|
w(a,b) =—— } \|У* (асо)f((i>)e,tmdox |
(6 .86) |
— оо
Пользуясь соотношениями (6.85)—(6.86) и теоремой Парсеваля, несложно получить аналог этой теоремы для вейвлет-преоб разования
] W f i № = ± . ] J Wl(a,b)M>*2( a , b ) ^ ,
из которого, в частности, следует
J 1/(/)|2л =^ 2 |
i |
J \w M \2^ - . |
(6.87) |
|
-оо |
-оо |
Vjf 0 —ев |
и |
|
Напомним, что в фурье-анализе спектральной плотностью энергии является величина Е{<в)=| /(со) |2 (называемая также спе^_ тром энергии) и введем величину
М(а)= j | w(a,b) р db,
которая характеризует интенсивность всех пульсаций заданно^ маспггаба. Если в определении вейвлет-преобразованил положить к = - 1/2, то формулу (6.87) можно переписать в виде
оо |
оо |
■ |
|
Е = \ E(tо)Ло= JМ (а)Ц . |
(6 .8g) |
||
о |
о |
а |
|
В этом случае М{а) описывает распределение энергии пульса ций по масштабам и называется интегральным вейвлет-спектрем.
Из сказанного следует, что нормировка к = —1/2 должна исполь зоваться, если результаты вейвлет-анализа предполагается сопос тавлять с фурье-представлением сигнала. Действительно, если фу- рье-спектр следует степенному закону Е(а>) - со®, то при этой нор мировке интегральный вейвлет-спектр будет иметь тот лее степенной закон М(а) ~ а~а ~ соа (это вытекает из формулы (6 .88) с учетом того, что со~ 1/а , a d® ~-da/a2).
Вейвлет-преобразование отображает пространство функций одной переменной (время) в пространство функций двух перемен ных (время и частота, или время и масштаб) и является избыточ ным. Избыточность непрерывного вейвлет-преобразования выра жается в коррелированности вейвлет-коэффициентов, которая тем больше, чем больше рассматриваемый масштаб Иначе говоря, чем больше масштаб, тем меньше независимых точек в вейвлет-разло жении. Этот недостаток устраняется в дискретном вейвлет-пред ставлении (пример тому - рассмотренный выше иерархический базис, в котором число функций геометрически уменьшается с ростом пространственного масштаба).
Преимущество вейвлет-преобразования перед преобразовани ем Фурье состоит в том, что оно позволяет проследить за измене нием спектральных свойств сигнала со временем и указать, какие частоты (масштабы) доминируют в сигнале в каждый конкретный момент времени.
На рис. 6.17,с,5, показаны два примера вейвлет-разложения простых временных сигналов с помощью вейвлета Морле (6.81). В верхней части каждого рисунка показан модуль вейвлет-разло жения на плоскости (а, Ь), а в нижней —фаза. На рис. 6.17,с сиг нал представляет собой суперпозицию двух гармоник, а в сигнале на рис. 6.17,5 эти же две частоты появляются последовательно друг за другом. Фурье-преобразования этих двух сигналов практически не отличаются друг от друга, так как спектр Фурье теряет всякую информацию о том, когда какая гармоника присутствовала в сиг нале. Вейвлет-анализ позволяет восстановить полную эволюцию спектрального состава сигнала во времени.
а) |
6) |
Рис. 6.17. Вейвлет-разложение Морле сигнала, изображенного в нижней части рисунка
Общее представление о спекгрально-временнбй структуре сиг нала можно получить по распределению модуля вейвлет-преобра зования. Ширина полосы при разложении гармонического сигна-
11Введение в математическое моделирование
ла характеризует спектральное разрешение используемого анали зирующего вейвлета. Распределение фазы вейвДет-преобразования менее информативно, особенно для сложных сигналов. В то же самое время именно фаза дает наиболее точную информацию об особенностях (сингулярностях) в сигнале. Тал, на рис. 6.17,5 мож но видеть, что именно по распределению фазы можно с большой точностью идентифицировать момент смены частоты.
На рис. 6.18 показан результат вейвдет-разложевдя сигнала, представляющего собой суперпозицию двух гармонических состав ляющих с непрерывно меняющимися частотами (снова использо ван вейвлет Морле). Сам сигнал показан в нижней части рисун ка, модуль вейвлет-разложения —в верхней части. ВеЙвлет-пред- ставление позволяет получить точный вид эволюции частоты каждого из двух сигналов.
Рис. 6.18. Модуль вейвлет-разложения Морле сигнала, график которого приведен в нижней части рисунка
На рис. 6.19 дан пример использования действительного вей влета типа (6.80). В качестве сигнала использован тот же времен ной ряд, что и в примере на рис. 6.17,5 (удвоение частоты гармо нических колебаний). В этом случае результатом преобразования является действительная величина, модуль которой показан на
Рис. 6.19. Вейвлет-разложение сигнала, показанного в нижней части рисунка, с использованием вейвлета «мексиканская шляпа»
рисунке. Белые полосы на вейвлет-плоскости, неизбежно появля ющиеся при работе с вещественными функциями, соответствуют смене знака вейвлет-коэффициентов и содержат, по сути, инфор мацию, которую в комплексном представлении несет фаза.
В заключение отметим важное свойство вейвлет-представления функций —на этапе разложения сигнала по вейвлетам (анализа) и этапе восстановления исходного сигнала по его вейвлет-образу (синтеза) можно использовать различные семейства вейвлетов.
Пусть для анализа используется вейвлет \|/(/), а для синтеза —
вейвлет <р (t). Тогда прямое преобразование по-прежнему описы вается выражением (6.82), а формула восстановления сигнала (6.84) примет вид
(6.89)
Восстановление (6.89) возможно, если выполнено условие
Это условие «мягче», чем условие (6.83), так как теперь один из двух вейвлетов может и не удовлетворять требованию (6.83) (но при условии, что его «недостатки» компенсирует вейвлет, исполь зуемый на втором этапе). Преимущество восстановления по фор