Badanie przydatności procedur Rosensteina i Eckmanna do identyfikacji chaotycznych szeregów czasowych

• Autorzy: Hallmann D. , Jankowski P.

Identyfikatory

DOI

10.26408.103.09

Warianty tytułu

EN

Usefulness Study of Rosenstein and Eckmann Procedures for Identification of Chaotic Time Series

• Języki publikacji: PL

Abstrakty

PL

Artykuł przedstawia wyniki badań symulacyjnych z użyciem procedur Eckmanna i Rosensteina wyznaczających wykładniki Lapunowa na podstawie szeregu czasowego. Dla weryfikacji i oceny przydatności tych procedur, jako wzorcowy szereg czasowy wyko­rzysta­no punkty generowane przez odwzorowanie logistyczne, dla którego znana jest trajektoria współczynników Lapunowa.

EN

This paper presents the results of simulation tests using the Eckmann and Rosenstein procedures for calculating Lyapunov exponents based on a time series. For verifying and evaluating the suitability of these procedures as a reference time series, points generated by logistic mapping for which the trajectory of Lyapunov's coefficients is known was applied.

Słowa kluczowe

PL

chaos; szereg czasowy; współczynnik Lapunowa

EN

chaos; time series; Lyapunov exponent

• Wydawca: Wydawnictwo Uniwersytetu Morskiego w Gdyni
• Czasopismo: Zeszyty Naukowe Akademii Morskiej w Gdyni
• Rocznik: 2018
• Tom: nr 103
• Strony: 120--136
• Opis fizyczny: Bibliogr. 13 poz., rys., tab.

Twórcy

autor

Hallmann D.

• Akademia Morska w Gdyni, Morska 81-87, 81–225 Gdynia, Wydział Elektryczny, Katedra Elektroenergetyki Okrętowej

autor

Jankowski P.

• Akademia Morska w Gdyni, Morska 81-87, 81–225 Gdynia, Wydział Elektryczny, Katedra Elektroenergetyki Okrętowej

Bibliografia

• [1] Baker, G.L., Gollub, J.P., 1998, Wstęp do dynamiki układów chaotycznych, Wydawnictwo Naukowe PWN, Warszawa.
• [2] Eckmann, J.P., Kamphorst, S.O., Ruelle, D., Ciliberto, S., 1986, Liapunov exponents from time series, Physical Review A, vol. 34, no. 6, s. 4971–4979.
• [3] Kantz, H., 1994, A Robust Method to Estimate the Maximal Lyapunov Exponent of a Time Series, Physical Letters A, vol. 185(1), s. 77–87.
• [4] Kantz, H., Schreiber, T., 2004, Nonlinear Time Series Analysis, Cambridge University Press, Cambridge.
• [5] Kennel, M.B., Brown, R., Abarbanel, H.D.I., 1992, Detecting Embedding Dimension for Phase Space Reconstruction Using a Geometrical Construction, Physical Review A, vol. 45.
• [6] Largest Lyapunov Exponent with Rosenstein’s Algorithm, http://www.mathworks.com/matlabcentral/ fileexchange/38424-largest-lyapunov-exponent-with-rosenstein-s-algorithm.
• [7] Packard, N.H., Crutchfield, J.P, Farmer, J.D, Shaw R.S., 1980, Geometry from a time series, Physical Review letters, vol. 45, no. 9, s. 712–716.
• [8] Peitgen, H., Jürgens, H., Saupe, D., 1996, Granice chaosu. Fraktale, Wydawnictwo Naukowe PWN, Warszawa.
• [9] Peters, E.E., 1997, Teoria chaosu a rynki kapitałowe, WiG_Press, Warszawa.
• [10] Rosenstein, T., Collins, J.J., De Luca, C.J., 1993, A practical method for calculating largest Lyapunov exponents from small data sets, Physica D: Nonlinear Phenomena, vol. 65, no. 1, s. 117–134.
• [11] Schuster, H.G., 1995, Chaos deterministyczny, Wydawnictwo Naukowe PWN, Warszawa.
• [12] Shapour, M., 2017, LYAPROSEN: MATLAB function to calculate Lyapunov exponent, https://ideas.repec.org/c/boc/bocode/t741502.html.
• [13] Wolf, A., Swift, J., Swinney, H., Vastano, J., 1985, Determining Lyapunov Exponents from a Time Series, Physica D, vol. 16, s. 285–317.

Uwagi

PL

Opracowanie rekordu w ramach umowy 509/P-DUN/2018 ze środków MNiSW przeznaczonych na działalność upowszechniającą naukę (2018).