[论文解读] On the fractal dimension of the Duffing attractor

Mariusz Tarnopolski|arXiv (Cornell University)|May 29, 2013

Mathematical Dynamics and Fractals参考文献 9被引用 5

一句话总结

本研究通过盒子计数法与相关维数法，对杜芬吸引子的分形维数进行数值估计，表明随着采样点数的增加，估计值趋于稳定。结果得出盒子计数维数 dC ≈ 1.43，相关维数 dG ≈ 1.38，表明相空间中存在具有非整数分形结构的奇异自相似吸引子。

ABSTRACT

The box counting dimension $d_C$ and the correlation dimension $d_G$ change with the number of numerically generated points forming the attractor. At a sufficiently large number of points the fractal dimension tends to a finite value. The obtained values are $d_C\approx 1.43$ and $d_G\approx 1.38$.

研究动机与目标

• 研究在数值生成点数增加时，杜芬吸引子的分形维数估计值的收敛行为。
• 确定在混沌参数区间下，杜芬吸引子的盒子计数维数（dC）与相关维数（dG）的稳定值。
• 通过非线性动力学中广泛使用的两种方法估计其维数，验证杜芬吸引子的分形性质。
• 评估相关维数算法在有限点集下相对于盒子计数法的数值复杂度与可靠性。
• 为相空间中吸引子的几何复杂性提供定量度量，支持其被归类为奇异吸引子。

提出的方法

• 使用 Mathematica 的默认方法对杜芬方程（¨x + δẋ + βx + αx³ = γ cos(ωDt)）进行数值积分，以生成轨迹。
• 将二阶常微分方程转换为以位置、速度和驱动相位为状态变量的三维自治系统。
• 应用庞加莱截面法，以驱动周期为采样间隔，提取吸引子的结构。
• 使用 Mathematica 的 BoxCount 函数计算盒子计数维数（dC），对小 ε 值拟合 ln N(ε) 与 ln(1/ε) 的关系。
• 通过并行运行的 Python 程序计算相关维数（dG），实现相关和 C(r) = (1/N²)Σᵢ<ⱼ H(r − ||xi − xj||)，其中 r 取较小值。
• 对 log C(r) 与 log r、log N(ε) 与 log(1/ε) 进行线性回归，通过最小化误差估计斜率，解释为分形维数。

实验结果

研究问题

• RQ1 随着采样点数的增加，杜芬吸引子的盒子计数维数（dC）与相关维数（dG）如何演化？
• RQ2 当点集足够大时，分形维数估计值是否趋于有限值，表明存在真实的分形结构？
• RQ3 在给定的混沌参数区间下，杜芬吸引子的盒子计数维数 dC 的收敛值是多少？
• RQ4 杜芬吸引子的相关维数 dG 的收敛值是多少？其与 dC 的关系如何？
• RQ5 相关维数算法的数值复杂度如何随点数增长？其在大规模数据集下的计算可行性如何？

主要发现

• 随着吸引点数的增加，盒子计数维数 dC 收敛至约 1.43，表明其具有介于 1 和 2 之间的分形结构。
• 相关维数 dG 收敛至约 1.38，支持存在具有非整数、自相似几何特征的奇异吸引子。
• 当 N ≥ 1592 时，log C(r) 与 log r 的线性回归及 log N(ε) 与 log(1/ε) 的线性回归分别给出稳定且一致的估计值：dG ≈ 1.357，dC ≈ 1.330。
• 当额外增加一个点时，相关维数估计值的标准差增加 21%，表明对 N 的微小变化敏感，但维数值仅变化 4%。
• 相关维数算法表现出 O(n²) 的计算复杂度，通过拟合二次多项式验证执行时间，预测 31,838 个点的执行时间为 12,943 秒，与实际时间 12,610 秒非常接近。
• 两种方法均收敛至有限的非整数值，证实了杜芬吸引子的分形性质，支持其在耗散混沌系统中被归类为奇异吸引子。