高鐵客流量的混沌特性分析

馬坤 耿立艷 張占福

[摘 要]文章以我國2008—2015年的高鐵客流量數(shù)據(jù)為研究對象，分析高鐵客流量序列的混沌特性。對高鐵客流量序列的相空間進(jìn)行重構(gòu)，得到的相平面作為最小數(shù)據(jù)量算法的輸入，計(jì)算最大Lyapunov指數(shù)，根據(jù)最大Lyapunov指數(shù)判斷高鐵客流量序列的混沌特性。結(jié)果表明，高鐵客流量序列的最大Lyapunov指數(shù)大于零，說明其具有混沌特性。

[關(guān)鍵詞]高鐵客流量;混沌特性;最大Lyapunov指數(shù)

[中圖分類號]F511.43

1 引 言

隨著高鐵的快速崛起，高鐵客流量的特征分析及預(yù)測成為一個亟待解決的問題。被譽(yù)為“混沌之父”的美國科學(xué)家Lorens曾經(jīng)對混沌定義給出了通俗的說法[1]：一個真實(shí)的物理系統(tǒng)，在排除了所有的隨機(jī)性影響后，仍有貌似隨機(jī)的表現(xiàn)，那么這個系統(tǒng)就是混沌的。判斷系統(tǒng)是否混沌有定量和定性兩種分析方法，定性分析受人的主觀因素影響較大，本研究從定量的角度分析高鐵客流量數(shù)據(jù)變動系統(tǒng)是否具有混沌特性。先重構(gòu)高鐵客流量序列的相空間，并利用最小數(shù)據(jù)量算法計(jì)算其最大Lyapunov指數(shù)，準(zhǔn)確判斷高鐵客流量序列的混沌特性，為高鐵客流量的預(yù)測工作提供依據(jù)。

2 理論基礎(chǔ)

2.1? 最大Lyapunov指數(shù)

最大Lyapunov指數(shù)是判斷時間序列是否混沌的重要指標(biāo)，混沌運(yùn)動的基本特點(diǎn)是運(yùn)動對初始條件極為敏感[2]。兩個極靠近的初值所產(chǎn)生的軌道，隨時間推移按指數(shù)方式分離，這一現(xiàn)象可采用Lyapunov指數(shù)定量描述。

對一維動力系統(tǒng)xn+1=F（xn），初始兩點(diǎn)迭代后是互相分離還是靠攏，取決于導(dǎo)數(shù)值dFdx。若dFdx>1，則迭代會使得兩點(diǎn)分開;若dFdx<1，則兩點(diǎn)會靠攏。但是在迭代過程中，導(dǎo)數(shù)dFdx的值也隨之變化，出現(xiàn)時而分離時而靠攏的情況。為了表示從整體觀察相鄰兩狀態(tài)的分離情況，須對時間取平均。平均每次迭代所引起的指數(shù)分離中的指數(shù)為λ，那么原相距為ε的兩點(diǎn)經(jīng)過n次迭代后相距為：

用最小二乘法作出回歸直線，求得該直線的斜率k=ΔyΔx=0.0012782，即最大Lyapunov指數(shù)為0.0012782大于零，系統(tǒng)平均每次迭代所引起的分離指數(shù)為正數(shù)，說明相鄰點(diǎn)在不斷分離，表現(xiàn)出局部不穩(wěn)定性，且軌道還具有整體穩(wěn)定性，即可說明系統(tǒng)在各個影響因素的作用下是一種整體穩(wěn)定，局部波動的狀態(tài)。同時可以發(fā)現(xiàn)重構(gòu)的相平面初始軌道隨指數(shù)在不斷發(fā)散，即dFdx>1，表示經(jīng)過數(shù)次迭代會使得兩點(diǎn)分開，λ的取值與初始值無關(guān)。

利用最大Lyapunov指數(shù)作為判斷時間序列是否混沌的依據(jù)，同時采用小數(shù)據(jù)量算法簡便了計(jì)算過程，可不必計(jì)算出所有的Lyapunov指數(shù)即可判斷出高鐵客流量時間序列是否具有混沌特性，計(jì)算得到最大Lyapunov指數(shù)λ=0.0012782，即最大Lyapunov指數(shù)大于零，說明軌道上的點(diǎn)與和它相鄰的點(diǎn)在逐漸分離，且軌道整體呈現(xiàn)出穩(wěn)定狀態(tài)，符合混沌現(xiàn)象的特征，故可以判斷，選取的樣本期內(nèi)，高鐵客流量數(shù)據(jù)時間序列具有混沌特性。

4? 結(jié) 論

本文對我國高鐵客流量序列的混沌特性進(jìn)行分析，運(yùn)用相空間重構(gòu)并結(jié)合小數(shù)據(jù)量算法，計(jì)算我國高鐵客流量序列的最大Lyapunov指數(shù)。結(jié)果發(fā)現(xiàn)，我國高鐵客流量序列的最大Lyapunov指數(shù)大于零，因而從定量角度判斷出我國高鐵客流量序列存在混沌特性。

參考文獻(xiàn)：

[1]吳祥興，陳忠. 混沌學(xué)導(dǎo)論[M].上海：科技文獻(xiàn)出版社， 1996：120-143.

[2]馬彥樣，高篙.鐵路短期客流時序規(guī)律分析[J].鐵道運(yùn)輸與經(jīng)濟(jì)，2010，32（2）：87-90.

[3]丁森，李志勇，邢磊，等.基于Lyapunov指數(shù)的GMAW噴射過渡穩(wěn)定性分析[J].焊接，2013（11）：38-42，76.

[4]賴忠喜，張占軍.Jacobian坐標(biāo)系下橢圓曲線底層域算法的研究[J].科技通報(bào)，2015（31）：252-256.

[5]鄭云飛，陳霸東.基于最小p-范數(shù)的寬度學(xué)習(xí)系統(tǒng)[J].模式識別與人工智能，2019（32）：57-63.

[6]程克玲.向量的p-范數(shù)及向量序列的收斂性研究[J].西安文理學(xué)院學(xué)報(bào)（自然科學(xué)版），2018（21）：11-15.

[7]管紅立，王博文，趙智忠.基于相空間重構(gòu)和Lyapunov指數(shù)電弧電壓混沌特性分析[J].燕山大學(xué)學(xué)報(bào)，2017（41）：59-65.

[8]管紅立，王博文，趙智忠.基于相空間重構(gòu)和Lyapunov指數(shù)電弧電流混沌特性分析[J].電工電能新技術(shù)，2017（36）：38-43.

[9]牛治東，吳光強(qiáng).電動汽車振動信號混沌特性[J].同濟(jì)大學(xué)學(xué)報(bào)（自然科學(xué)版），2016（44）：120-125.