论文部分内容阅读
自然界中各种生物的繁衍、生老更替均有各自的内在规律;同时生态系统中食物链结构,种群的迁入和迁出、环境噪声等都会引起种群密度变化,增加种群系统研究的复杂性。种群动态复杂性的研究对生产管理、害虫防治具有重要指导依据作用。而当前生态学研究的两个主要途径:抽样试验统计分析和系统拟和模型研究,都不能很好地处理这种复杂情况。抽样统计分析只能依赖经验积累对试验统计数据进行简单的主观上的趋势性分析,不能提取系统的内在复杂规律;而对系统仿真模型研究,一般模型的拟和效果与模型复杂度成正比,要比较精确的研究系统内部规律性,只能依赖复杂的系统模型,而这又大大降低了模型的可计算性和可操作性。
系统混沌性是持续性和随机性在同一系统中相互矛盾统一的结果,在一定程度上体现了系统内部动态复杂特性。时间序列混沌识别技术的发展,包括Poincare截面分析、关联维分析、Lyapunov指数混沌性分析等从多个侧面反映了系统的复杂规律特性,且均建立在统计数据分析的基础上,可操作性强。另一方面当前迅速兴起的小波分析技术将系统的复杂性分解到不同的时间尺度下,讨论了不同采样时间间隔对系统复杂性的影响。同时小波去噪技术则能够消除系统统计数据中由于试验操作等一些非系统因素引起的误差,从而使研究结果能够更加真实的反映系统的内在复杂特性。因此混沌识别以及小波分析技术拓宽了复杂系统研究思路,使研究更加精确有效。
基于当前生态学研究及复杂系统分析技术的发展现状,本文的主要做了如下几方面的工作:
1)首先将时间序列混沌识别和小波分析技术引入到生态系统复杂性分析中,实现了生态学研究中理论分析与实际操作的有机结合,丰富了研究思路,且大大提高了研究的可操作性;
2)构造出多分辨混沌性分析技术。首先利用小波变换的多尺度分解特性将数据序列的复杂性分解到不同时间尺度下,然后对各尺度下的分解数据进行混沌性分析。用以比较分析不同采样时间间隔对系统混沌性研究的影响;
3)提出了小波去噪混沌性分析方法。先利用小波去噪技术对系统原统计数据进行去噪处理,然后对去噪后的干净数据进行混沌性分析。用以分析环境条件变化、试验操作误差等噪声对系统混沌性的影响。
4)基于以上理论分析技术,对某市生态系统进行了多角度混沌性实证分析,从多个角度分析了该种群系统的混沌特性。
5)根据混沌系统的短期可预测性,对文章中研究的鼠群系统进行了混沌预测。