我已经编写了以下代码,使用龙格-库塔方法求解Lorenz 96模型,但结果不可靠,如下图所示:
三个变量之间的正确关系如下:
如何修改代码以正确解决问题?有关Lorenz 96的更多信息,请参见Lorenz 96 model- Wikipedia
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
###############################################################################
# Define Lorenz 96 function
# These are our constants
N = 3 # Number of variables
F = 8 # Forcing
def L96(v, t):
"""Lorenz 96 model with constant forcing"""
# Setting up vector
dv_dt = np.zeros(N)
# Loops over indices (with operations and Python underflow indexing handling edge cases)
for i in range(N):
dv_dt[i] = (v[(i + 1) % N] - v[i - 2]) * v[i - 1] - v[i] + F
return dv_dt
#define the given range t
t0=0
tn=100
h=0.005
#define number of steps (n)
time_range=np.arange(t0, tn, h)
# preallocate space
v0=np.zeros((len(time_range)+1, 1, N))
t=np.zeros(len(time_range)+1)
v0[0][0][0] += 0.01 # Add small perturbation to the first variable
L96(v0[0][0],0)
# Solve Runge-Kutta
for i in range (len(time_range)):
print(i)
dv_dt=L96(v0[i][0],t[i])
k1=dv_dt[0]
l1=dv_dt[1]
m1=dv_dt[2]
k2=L96([v0[i][0][0]+0.5*k1*h,v0[i][0][1]+0.5*l1*h,v0[i][0][2]+0.5*m1*h],t[i]+h/2)
l2=L96([v0[i][0][0]+0.5*k1*h,v0[i][0][1]+0.5*l1*h,v0[i][0][2]+0.5*m1*h],t[i]+h/2)
m2=L96([v0[i][0][0]+0.5*k1*h,v0[i][0][1]+0.5*l1*h,v0[i][0][2]+0.5*m1*h],t[i]+h/2)
k3=L96([v0[i][0][0]+0.5*k2[0]*h,v0[i][0][1]+0.5*l2[0]*h,v0[i][0][2]+0.5*m2[0]*h],t[i]+h/2)
l3=L96([v0[i][0][0]+0.5*k2[1]*h,v0[i][0][1]+0.5*l2[1]*h,v0[i][0][2]+0.5*m2[1]*h],t[i]+h/2)
m3=L96([v0[i][0][0]+0.5*k2[2]*h,v0[i][0][1]+0.5*l2[2]*h,v0[i][0][2]+0.5*m2[2]*h],t[i]+h/2)
k4=L96([v0[i][0][0]+0.5*k3[0]*h,v0[i][0][1]+0.5*l3[0]*h,v0[i][0][2]+0.5*m3[0]*h],t[i]+h/2)
l4=L96([v0[i][0][0]+0.5*k3[1]*h,v0[i][0][1]+0.5*l3[1]*h,v0[i][0][2]+0.5*m3[1]*h],t[i]+h/2)
m4=L96([v0[i][0][0]+0.5*k3[2]*h,v0[i][0][1]+0.5*l3[2]*h,v0[i][0][2]+0.5*m3[2]*h],t[i]+h/2)
v0[i+1][0][0] = v0[i][0][0] + h*(k1 +2*k2[0] +2*k3[0] +k4[0])/6 # final equations
v0[i+1][0][1] = v0[i][0][1] + h*(l1 +2*k2[1] +2*k3[1] +k4[1])/6
v0[i+1][0][2] = v0[i][0][2] + h*(m1+2*k2[2] +2*k3[2] +k4[2])/6
t[i+1]=time_range[i]
###############################################################################
v_array=np.array(v0)
v_array.shape
v1=v_array[:,0][:,0]
v2=v_array[:,0][:,1]
v3=v_array[:,0][:,2]
fig, (ax1, ax2) = plt.subplots(1, 2,constrained_layout=True,figsize=(10, 4))
ax1.plot(v1,v3)
ax1.set_title('v1 vs v2')
ax2.plot(v2,v3)
ax2.set_title('v2 vs v3')
# Plot 3d plot of v1,v2, and v3
from mpl_toolkits import mplot3d
fig = plt.figure(figsize=(8, 5))
ax = plt.axes(projection='3d', elev=40, azim=-50)
ax.plot3D(v1, v2, v3)
ax.set_xlabel('$v1$')
ax.set_ylabel('$v2$')
ax.set_zlabel('$v3$')
plt.show()
我真的不确定你的动机是什么,把矢量化再次拆分成单个组件的行。无论如何,这是错误的。你的时间循环应该尽可能简单
其中,stepper方法只是烹饪书代码
因此,对3个组件没有硬编码限制,代码组件是通用的,
L96
函数可用于库中或自行实现的任意数量的数值解算器,RK4的步进器和时间循环适用于任何其他微分方程系统请注意,在wikipedia示例中,有
N=5
个组件,其中3D绘图是由前3个组件构建的。对于N=3
你确实会收敛到一个看起来像一条直线的固定点,对于N=4
它似乎有一个极限环,只有对于N=5
解才开始看起来混乱如果同时计算多条轨迹,拥有一个三维阵列是有意义的。(但只有使用固定的步长方法,或者如果保证它们保持在一起,则步长控制在大多数情况下不适用于大多数轨迹。)该调整的完整脚本如下
相关问题 更多 >
编程相关推荐