预测-修正法(Milne-Simpson和Adams-Bashforth-Moulton)解常微分方程(python)

本文主要是介绍预测-修正法(Milne-Simpson和Adams-Bashforth-Moulton)解常微分方程(python),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

第四十八篇 预测-修正法

预测-校正方法是使用先前几个已知点的信息来计算下一个点,如下图所示。
这种方法的一个缺点是,他们需要一些已知信息,可能需要一步法来生成一些点才能开始,详情可见常微分方程的一步法求解。而这些方法的优点在于,为了预测下一个点,能够有效地利用现有的信息。这与四阶龙格-库塔法相反,例如,在每一步中,需要计算四个函数,预测-修正法将不会这么麻烦。
预测-校正方法利用两个公式;根据现有数据以估计下一个点的预测公式,以及改进此估计的校正公式。
在这里插入图片描述
可以反复应用校正公式,直到满足某一收敛准则;但是,本篇中描述的任何方法都没有实现此选项。
预测公式通过在y ‘- x曲线下使用xi, xi−1,xi−2等样本点积分来估计yi+1的新值。任何不需要对yi+1进行先验估计的数值积分公式都适合作为预测器使用。
修正公式改进了预测值yi+1,再次在y ‘-x曲线下积分,但这次使用了样本点xi+1, xi, xi−1等。校正公式能够在xi+1处取样,因为从预测阶段可以得到y’i+1的值。任何需要对y’i+1进行先验估计的数值积分公式都适合用作校正器。
之前描述的修正欧拉方法是一种预测-校正器。给出一个标准形式的一阶微分方程,y’ = f(x, y), y(x0) = y0,该方法从Euler方法开始,这是一个使用矩形规则的预测器
在这里插入图片描述
接下来是一个使用梯形法则的校正器
在这里插入图片描述
注意,预测器不需要预估y’i+1,而校正器需要。
然而,最著名的预测-校正方法使用的公式在算法的两个部分具有相同的精度。如上所示,这是一种简便的方法可以根据预测项和修正项之间的差异来估计修正项的误差。

米尔恩-辛普森方法

这种方法使用米尔恩的公式作为预测器,用辛普森法则作为校正器。该方法是四阶的,即预测器和校正器的主要误差项都包含h5,并且需要4个初始值y来开始。注意,与预测量相比,与校正量公式相关的误差项较小,这是意料之中的,因为预测量涉及的外推过程不那么精确。
给出一个具有四个初始条件y(xi−3)= yi−3,y(xi−2)= yi−2,y(xi−1)= yi−1和y(xi) = yi的一阶微分方程y’ = f(x, y),该方法从米尔恩预测器开始
在这里插入图片描述
接着是辛普森的校正者
在这里插入图片描述
米尔恩预测器使用下图所示积分的三个样本点,在xi−3和xi+1之间对y’- x曲线进行积分。
在这里插入图片描述

计算实例

已知y ’ = 2x2 + 2y,有初始条件
在这里插入图片描述
使用米尔恩-辛普森预测-校正方法估计y(0.2)
给出了步长h = 0.2的四个初始条件。为了便于手算,可以用计数器制作一个初始条件表格,计算右侧导数函数f(x, y)在每一点的值。
在这里插入图片描述
首先应用预测器。
在这里插入图片描述
这使得在xi+1 = 0.2处的导数可以预测为fi+1(0.2, 1.4945) = 3.0689,并应用校正器。
在这里插入图片描述
这种情况下精确到小数点后四位的的精确解是y(0.2) = 1.4977。
使用米尔恩的方法,或者任何使用辛普森法则作为校正器的方法的一个不利是,在计算的一个阶段产生的误差随后可能会增大。由于这个原因,其他的四阶方法,比如下面描述的方法,往往是更受欢迎的。

Adams-Bashforth-Moulton方法

一种更稳定的四阶方法是基于Adams- bashforth预测器和Adams Moulton校正器,在这种方法中误差不会快速增长。
给定一个一阶微分方程,y’ = f(x, y)具有四个初始条件y(xi−3)= yi−3,y(xi−2)= yi−2,y(xi−1)= yi−1,y(xi) = yi = yi,该方法从Adams-Bashforth的预测器开始
在这里插入图片描述
接下来是亚当斯-莫尔顿的校正器
在这里插入图片描述
adam - bashforth - moulton方法有比Milne Simpson更大的误差项,尽管主要的误差项仍然表明校正器比预测器更准确。
稳定性的取得,要以一些额外的工作为代价,因为这两个公式需要四个样本点,而不是Milne-Simpson方法中的三个。如下图所示,Adams-Bashforth Predictor使用4个样本点在y’ -x曲线下xi和xi+1的界限之间进行积分。亚当斯-莫尔顿校正器是类似的,但样本点向右移动了一个。
在这里插入图片描述

计算实例

已知y’ = 2x2 + 2y,有初始条件
在这里插入图片描述
使用Adams-Bashforth-Moulton预测-校正器方法估计y(0.2)。
给出了步长h = 0.2的四个初始条件。为了便于手算,可以用计数器制作一个初始条件表格,计算右侧导数函数f(x, y)在每一点的值。
在这里插入图片描述
首先应用预测器公式
在这里插入图片描述
这使得在xi+1 = 0.2处的导数可以预测为fi+1(0.2, 1.4941) = 3.0682,并应用校正器公式。
在这里插入图片描述
这种情况下精确到小数点后四位的精确解是y(0.2) = 1.4977。

程序如下

#线性常微分方程的theta法
import numpy as np
itype=2;nsteps=5;h=-0.05
x=np.zeros((5))
y=np.zeros((5))
x[0:4]=(1.00,0.95,0.90,0.85);y[0:4]=(3.61623,2.99272,2.55325,2.22755)
def f73(x,y):f73=x*y**2+2.0*x**2return f73 
if itype==1:print('**Milne-Simpson 4阶P-C法**')print('x          y    Error')for i in range(1,5):print('{:9.5e}'.format(x[i-1]),end='  ')print('{:9.5e}'.format(y[i-1]))for j in range(0,nsteps+1):x[4]=x[3]+hy4=y[0]+4.0*h/3.0*(2.0*f73(x[1],y[1])-f73(x[2],y[2])+2.0*f73(x[3],y[3]))y[4]=y[2]+h/3.0*(f73(x[2],y[2])+4.0*f73(x[3],y[3])+f73(x[4],y1))e=-(y[4]-y4)/29print(x[4],y[4],e)y[0:4]=y[1:5];x[0:4]=x[1:5]
elif itype==2:print('**Adams-Bashforth-Moulton4阶P-C法**')print('    x           y          Error')for i in range(1,5):print('{:9.5e}'.format(x[i-1]),end='  ')print('{:9.5e}'.format(y[i-1]))for j in range(0,nsteps+1):x[4]=x[3]+hy4=y[3]+h/24.0*(-9.0*f73(x[0],y[0])+37.0*f73(x[1],y[1])-59.0*f73(x[2],y[2])+55.0*f73(x[3],y[3]))y[4]=y[3]+h/24.0*(f73(x[1],y[1])-5.0*f73(x[2],y[2])+19.0*f73(x[3],y[3])+9.0*f73(x[4],y4))e=-(y[4]-y4)/14print('{:9.5e}'.format(x[4]),end='  ')print('{:9.5e}'.format(y[4]),end='  ')print('{:9.5e}'.format(e))y[0:4]=y[1:5];x[0:4]=x[1:5]

终端输出结果如下
在这里插入图片描述

这篇关于预测-修正法(Milne-Simpson和Adams-Bashforth-Moulton)解常微分方程(python)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/298542

相关文章

Python获取中国节假日数据记录入JSON文件

《Python获取中国节假日数据记录入JSON文件》项目系统内置的日历应用为了提升用户体验,特别设置了在调休日期显示“休”的UI图标功能,那么问题是这些调休数据从哪里来呢?我尝试一种更为智能的方法:P... 目录节假日数据获取存入jsON文件节假日数据读取封装完整代码项目系统内置的日历应用为了提升用户体验,

Python FastAPI+Celery+RabbitMQ实现分布式图片水印处理系统

《PythonFastAPI+Celery+RabbitMQ实现分布式图片水印处理系统》这篇文章主要为大家详细介绍了PythonFastAPI如何结合Celery以及RabbitMQ实现简单的分布式... 实现思路FastAPI 服务器Celery 任务队列RabbitMQ 作为消息代理定时任务处理完整

Python Websockets库的使用指南

《PythonWebsockets库的使用指南》pythonwebsockets库是一个用于创建WebSocket服务器和客户端的Python库,它提供了一种简单的方式来实现实时通信,支持异步和同步... 目录一、WebSocket 简介二、python 的 websockets 库安装三、完整代码示例1.

揭秘Python Socket网络编程的7种硬核用法

《揭秘PythonSocket网络编程的7种硬核用法》Socket不仅能做聊天室,还能干一大堆硬核操作,这篇文章就带大家看看Python网络编程的7种超实用玩法,感兴趣的小伙伴可以跟随小编一起... 目录1.端口扫描器:探测开放端口2.简易 HTTP 服务器:10 秒搭个网页3.局域网游戏:多人联机对战4.

使用Python实现快速搭建本地HTTP服务器

《使用Python实现快速搭建本地HTTP服务器》:本文主要介绍如何使用Python快速搭建本地HTTP服务器,轻松实现一键HTTP文件共享,同时结合二维码技术,让访问更简单,感兴趣的小伙伴可以了... 目录1. 概述2. 快速搭建 HTTP 文件共享服务2.1 核心思路2.2 代码实现2.3 代码解读3.

Python使用自带的base64库进行base64编码和解码

《Python使用自带的base64库进行base64编码和解码》在Python中,处理数据的编码和解码是数据传输和存储中非常普遍的需求,其中,Base64是一种常用的编码方案,本文我将详细介绍如何使... 目录引言使用python的base64库进行编码和解码编码函数解码函数Base64编码的应用场景注意

Python基于wxPython和FFmpeg开发一个视频标签工具

《Python基于wxPython和FFmpeg开发一个视频标签工具》在当今数字媒体时代,视频内容的管理和标记变得越来越重要,无论是研究人员需要对实验视频进行时间点标记,还是个人用户希望对家庭视频进行... 目录引言1. 应用概述2. 技术栈分析2.1 核心库和模块2.2 wxpython作为GUI选择的优

Python如何使用__slots__实现节省内存和性能优化

《Python如何使用__slots__实现节省内存和性能优化》你有想过,一个小小的__slots__能让你的Python类内存消耗直接减半吗,没错,今天咱们要聊的就是这个让人眼前一亮的技巧,感兴趣的... 目录背景:内存吃得满满的类__slots__:你的内存管理小助手举个大概的例子:看看效果如何?1.

Python+PyQt5实现多屏幕协同播放功能

《Python+PyQt5实现多屏幕协同播放功能》在现代会议展示、数字广告、展览展示等场景中,多屏幕协同播放已成为刚需,下面我们就来看看如何利用Python和PyQt5开发一套功能强大的跨屏播控系统吧... 目录一、项目概述:突破传统播放限制二、核心技术解析2.1 多屏管理机制2.2 播放引擎设计2.3 专

Python中随机休眠技术原理与应用详解

《Python中随机休眠技术原理与应用详解》在编程中,让程序暂停执行特定时间是常见需求,当需要引入不确定性时,随机休眠就成为关键技巧,下面我们就来看看Python中随机休眠技术的具体实现与应用吧... 目录引言一、实现原理与基础方法1.1 核心函数解析1.2 基础实现模板1.3 整数版实现二、典型应用场景2