Upload
letruc
View
247
Download
4
Embed Size (px)
Citation preview
UNIVERZITET U NOVOM SADU
PRIRODNO-MATEMATIKI
FAKULTET
DEPARTMAN ZA FIZIKU
Nelinearna dinamika analiza fizikih
procesa u ivotnoj sredini
DOKTORSKA DISERTACIJA
Komentori: Kandidat:
Prof. dr Miodrag Krmar MSc Gordan Mimi
Prof. dr Dragutin T. Mihailovi
Novi Sad, 2016. godina
2
Sadraj 1. Uvod 5
I Deo
2. Modeli ivotne sredine 8
2.1. Opti principi i upotreba 8
2.2. Ogranienja 12
3. Domen reenja jednaina u modelima ivotne sredine 14
3.1. Dinamiki sistemi 15
3.2. Stabilnost reenja jednaina 16
3.3. Bifurkacije 19
3.4. Atraktor 22
3.5. Ljapunovljevi eksponenti 24
3.6. Kolmogorovljeva kompleksnost 28
3.7. Analiza reenja jednaine energijskog bilansa na
povrini zemljita 30
II Deo
4. Informacione mere, entropija i kompleksnost 38
4.1. Srednja Kolmogorovljeva kompleksnost 48
4.2. Spektar Kolmogorovljeve kompleksnosti 51
4.3. Maksimalna Kolmogorovljeva kompleksnost 53
4.4. Sveukupna Kolmogorovljeva kompleksnost 53
5. Upotreba informacionih mera u analizi vremenskih serija
dobijenih merenjima fizikih faktora ivotne sredine 57
5.1. Analiza koncentracije radona u peinama 58
5.2. Analiza protoka fluida ivotne sredine 64
5.3. Analiza prostorne raspodele padavina 76
5.4. Analiza temperature vazduha i padavina 80
5.5. Analiza UV-B zraenja 89
3
6. Primena informacionih mera u proceni kompleksnosti
modela ivotne sredine 92
6.1. Kompleksnost modela ivotne sredine 92
6.2. Procene kompleksnosti klimatskih modela 93
7. Zakljuak 102
Literatura 105
Dodatak A 113
4
Predgovor
U ovu doktorsku disertaciju je uloeno dosta energije, ali je u svakom trenutku potovan
princip minimalnog porasta entropije. Veliku zahvalnost dugujem mentoru Prof. dr Dragutinu
Mihailoviu za dugogodinju saradnju. Takoe, zahvaljujem se Prof. dr Darku Kaporu i Doc.
dr Iliji Arseniu na uvek korisnim savetima. Disertaciju posveujem svojim roditeljima.
Novi Sad, 21. april 2016. Gordan Mimi
5
1. Uvod
Atmosfera zajedno sa hidrosferom, litosferom, kriosferom i biosferom ini ivotnu
sredinu svih ivih bia na planeti Zemlji. Kao takva, ivotna sredina je kompleksan sistem i
interakcije izmeu njenih pojedinih delova su nelinearne. Fiziki procesi koji se odvijaju u
ivotnoj sredini mogu da se predstave matematikim modelima. Matematiki model
predstavlja formalan matematiki opis ponaanja ili osobina nekog fizikog sistema. Ako
bismo imali potpuno taan matematiki opis to bi znailo da u potpunosti poznajemo osobine
i ponaanje tog fizikog sistema, i da pod datim uslovima moemo tano da predvidimo
njegovo budue stanje. S obzirom da je, u optem sluaju, nemogue dati ovakav opis onda se
vre odreene aproksimacije, kojima se zanemaruju uticaji koji malo doprinose promeni
stanja sistema, i na taj nain se formira model. U matematikim modelima fiziki procesi su
obino predstavljeni diferencijalnim jednainama. Analitiko reavanje diferencijalnih
jednaina je mogue najee samo za veoma pojednostavljene sluajeve i to uglavnom
linearizovane sisteme jednaina. Reavanje u optem, nelinearnom obliku mogue je jedino
numerikim metodima (Mesinger, 1976). Meutim, kada se jednaine reavaju numeriki,
putem raunara, moraju da se prevedu iz analitikog u numeriki oblik, ime se diskretizuje
raun u prostoru i vremenu i time se delimino gube informacije o procesu. Problem se javlja
i kada jednaina izvedena iz optih zakona fizike ne moe adekvatno da opie neki proces bez
uvoenja dodatnih lanova. Tada mora da se pribegne parametrizaciji procesa. Pri tome, na
osnovu dovoljno velikog broja eksperimentalnih merenja, poluempirijskim metodima
dolazimo do jednaine koja dobro opisuje proces ali pod odreenim okolnostima, tj. pri
odreenoj vrednosti parametara koji figuriu u njoj. Bez obzira koliko su u dananje vreme
modeli ivotne sredine usavreni i sofistikovani, te mogu pouzdano da predvide odreeno
stanje nekog fizikog sistema u nekom buduem periodu, nain na koji oni predstavljaju
procese u atmosferi i dalje nije u potpunosti taan. Kao primer mogu da poslue numeriki
modeli za prognozu vremena, koji za period od dva-tri dana daju prilino tanu prognozu ali
se ipak desi da u odreenoj situaciji prognoziraju kiu na odreenoj lokaciji, a da kia ne
padne.
Pri reavanju diferencijalnih jednaina potrebno je poznavati poetne i granine uslove.
Nelinearne parcijalne diferencijalne jednaine su veoma osetljive na poetne uslove. To znai
da mala promena u poetnim uslovima vodi ka razliitim reenjima, odnosno razliitim
buduim stanjima sistema (Lorenz, 1963a). Lorenc (Edward Lorenz) je prvi ustanovio
divergenciju reenja usled male promene poetnih uslova i takav odziv nazvao efekat
6
leptira, ilustrujui ga hipotetikim primerom da zamah krila leptira na jednom delu planete
moe da utie na stvaranje ciklona na drugom. Iz ovog Lorencovog zapaanja se vremenom
razvila teorija haosa. Ona sa jednog drugaijeg aspekta posmatra nelinearne fenomene i
kompleksne sisteme u prirodi, ispitujui postojanje obrazaca u njihovom ponaanju.
Kompleksan sistem je sastavljen od delova koji meusobno interaguju nelinearno i izmeu
kojih postoji mnotvo veza, pa stoga male promene u sistemu mogu znaajno da utiu na
njegovo budue stanje. Ponaanje sistema jeste deterministiko i evolucija stanja se odvija po
jasnim zakonima, meutim nepotpuno poznavanje sadanjeg stanja nas vodi ka pogrenoj
proceni budueg.
Osnovna informacija koju moemo da imamo o stanju sistema dobija se merenjem
njegovih fizikih karakteristika. Vremenska serija merenih podataka nam govori o stanjima
kroz koja je sistem prolazio u odreenom periodu, iz ega moemo da izvedemo zakljuak o
ponaanju tog sistema, tj. o njegovoj dinamici. Potom se pravi model, odnosno formira
jednaina ili sistem jednaina koje adekvatno opisuju evoluciju stanja usled fizikih procesa
koji se odvijaju u tom sistemu (slika 1.1). Uloga modela jeste da predvidi budua stanja
sistema. to bolje razumemo ponaanje sistema to e na model biti pouzdaniji.
Slika 1.1 Shematski prikaz pristupa prouavanju nekog fizikog sistema.
Za ispitivanje nelinearnih osobina sistema primenjuju se razliite metodologije a sam
postupak se naziva nelinearna dinamika analiza. Jedan pristup predstavljaju elementi teorije
haosa, to ukljuuje ispitivanje stabilnosti reenja jednaina koje opisuju sistem pravljenjem
bifurkacionog dijagrama, upotrebom Ljapunovljevih eksponenata (a a
o) ispituje se osetljivost sistema na poetne uslove, raunanjem atraktora odreuje se
SISTEM
FIZIKE
KARAKTERISTIKE
MERENJE
FIZIKI PROCESI
MODELIRANJE
7
domen reenja u faznom prostoru. Drugi pristup jeste analiza vremenskih serija merenih
podataka o sistemu, raunanjem razliitih mera koje ukazuju na ureenost ili neureenost u
evoluciji stanja sistema, poput enonove entropije (Claude Elwood Shannon), aproksimativne
entropije, entropije uzorka, Kolmogorovljeve kompleksnosti (
) i dr. Na ovaj nain se pokuava stei dublji uvid u osobine datog sistema i to
potpunije razumeti njegovo ponaanje, te samim tim preciznije prognozirati njegova budua
stanja.
U ovoj disertaciji je obavljena nelinearna dinamika analiza nekih fizikih procesa u
ivotnoj sredini, upotrebom oba gore pomenuta pristupa. U prvom delu je napravljen kritiki
osvrt na modele ivotne sredine, nain na koji funkcioniu, za ta mogu da se koriste i koja su
im ogranienja (poglavlje 2). Zatim je objanjena matematika teorija o dinamikim
sistemima kao optijem aspektu modeliranja. Razmatrani su elementi teorije haosa i njena
metodologija, ispitana na primeru logistike jednaine, a potom upotrebljena za konkretan
sluaj u kojem je povrina zemljita posmatrana kao jedan dinamiki sistem, ije se ponaanje
analizira (poglavlje 3). U drugom delu disertacije uvedene su nove informacione mere
bazirane na konceptu Kolmogorovljeve kompleksnosti za ispitivanje nelinearnog ponaanja
sistema kroz analizu vremenskih serija (poglavlje 4). Potom su nove mere testirane na
vremenskim serijama razliitih fizikih parametara ivotne sredine, ispitujui na taj nain
koliinu informacija koje nose o sistemu, prevashodno o nivou nasuminosti. Korieni su
podaci o koncentraciji radona u peini u Slovakoj, koliini padavina i renim protocima u
Bosni i Hercegovini, kao i podaci o temparaturi vazduha, koliini padavina i UV zraenju u
Srbiji (poglavlje 5). Druga primena novih mera se odnosi na analizu rezultata modela ivotne
sredine, ispitivanjem kompleksnosti vremenskih serija dobijenih modeliranjem i
osmatranjima, da bi se utvrdilo koliko relevanto neki klimatski model moe da generie seriju
podataka u odreenom vremenskom periodu i koliko dobro se to slae sa osmatranjima
(poglavlje 6). Poslednje poglavlje je ostavljeno za kratak pregled rada i izvoenje zakljuaka.
8
2. Modeli ivotne sredine
2.1. Opti principi i upotreba
Reavanje diferencijalnih jednaina dinamike i termodinamike atmosfere, kao i ivotne
sredine uopte, analitikim metodima je mogue uglavnom za idealizovane i znatno
pojednostavljene sluajeve linearizovane sisteme jednaina. Njihovo reavanje u optem,
nelinearnom obliku, izvodivo je jedino numerikim metodima (Mesinger, 1976). Numeriko
reavanje jednaina moe da se vri pomou dva metoda. U prvom metodu se izabere skup
taaka u prostoru za koje se raunaju vrednosti zavisno promenljivih veliina (npr.
temperatura, pritisak, vlanost vazduha itd.). Skup taaka se naziva mrea pa se shodno tome
ovakav pristup zove metod mree taaka. U drugom metodu se zavisno promenljive veliine
razviju u ortogonalne redove, koji se zatim uvrste u sistem jednaina. Na taj nain se umesto
sistema parcijalnih diferencijalnih jednaina dobije sistem obinih diferencijalnih jednaina,
pri emu su zavisno promenljive koeficijenti tih redova a nezavisno promenljiva samo vreme.
Ovakav pristup se zove spektralni metod i on je ree u upotrebi.
Kod metoda mree taaka, u oblasti za koju se vri integracija neke diferencijalne
jednaine, potrebno je definisati skup taaka. Data diferencijalna jednaina se u tim takama
zamenjuje priblinom jednainom koja koristi jedino vrednosti zavisno promenljivih. Na ovaj
nain se dobija skup algebarskih jednaina. Poznavanjem poetnih vrednosti u svim takama i
graninih vrednosti u takama na granicama oblasti, mogue je reiti sistem jednaina
ponavljanjem rauna veliki broj puta. Poznavanje samo skupa diskretnih vrednosti neke
funkcije, umesto nje cele, uzrokuje smanjenje koliine informacija o toj funkciji. Rastojanje
izmeu dve susedne take u mrei se naziva korak mree. Ukoliko je korak mree manji tada
je koliina informacija o datoj funkciji sigurno vea ali se odreene informacije u ovakvom
pristupu svakako gube. Nain na koji se za datu diferencijalnu jednainu formira priblina
jednaina sastoji se u tome da se izvodi u njoj zamene kolinicima konanih razlika. Postoji
vie naina na koji to moe da se izvede ali je najvanije da kolinik bude konzistentan, a to
znai da tei izvodu kada korak mree tei nuli. Priblina jednaina se naziva aproksimacija
ili ema u konanim razlikama. Ostatak koji se zanemari u aproksimaciji se naziva greka
odsecanja. Reenje koje se dobije pomou eme se esto naziva numeriko reenje. Ono moe
da se razlikuje od reenja polazne diferencijalne jednaine, koje se obino naziva tano
reenje. Razlika numerikog i tanog reenja predstavlja greku reenja. Posebno je vano
poznavati ponaanje greke reenja kada prostorni i vremenski korak tee nuli
(konvergencija) i kada broj raunskih koraka neogranieno raste (stabilnost). Diferenciranje
9
po vremenu moe da se vri na nekoliko naina, zavisno od broja vremenskih nivoa za koje se
koriste vrednosti funkcije pri jednom izraunavanju, pa stoga postoji nekoliko vremenskih
ema.
Vilhelm Bjerknes (Vilhelm Friman Koren Bjerknes) je 1904. godine prvi izneo ideju o
prognozi vremena reavanjem sistema hidrodinamikih jednaina koje opisuju fizike procese
u atmosferi, na osnovu poznavanja osmotrenog stanja. Tokom Prvog svetskog rata Luis Fraj
Riardson (Lewis Fry Richardson) se osmelio na prvi praktian pokuaj raunanja budueg
stanja atmosfere. Iako su rezultati nakon dugotrajnog prorauna bili pogreni, ovo se smatra
velikim doprinosom meteorologiji i prvom realizacijom ideje o numerikoj prognozi
vremena. Nakon Drugog svetskog rata, uz pomo prve raunske maine ENIAC, na
Univerzitetu Prinston, arni (Jule Gregory Charney), Fjortoft (Ragnar Fjrtoft) i fon Nojman
(John von Neumann) su uradili prvu uspenu numeriku integraciju jednaina kretanja,
koristei jednostavan model zasnovan na barotropnoj jednaini vrtlonosti (Charney et al.,
1950). Tokom druge polovine 20. veka deava se intenzivan razvoj numerikih modela za
prognozu vremena i neprestano se radi na njihovom usavravanju. U poetku su se pravili
modeli opte cirkulacije atmosfere ili okeana, da bi se vremenom poeli upotrebljavati modeli
za ogranienu oblast prostora, sa finijom rezolucijom. Godine 1975. poinje sa radom
Evropski centar za srednjoronu prognozu vremena (European Centre for Medium-Range
Weather Forcast - ECMWF) u Redingu (Velika Britanija) koji okuplja veliki broj strunjaka
iz celog sveta. Sa druge strane Atlantskog okeana, u SAD-u, se razvijaju Nacionalni centri za
predvianja ivotne sredine (National Centers for Environmental Prediction - NCEP). Iz ove
dve institucije potiu vodei svetski modeli koji se danas koriste u operativne i istraivake
svrhe.
U Republikom hidrometeorolokom zavodu Srbije se ve dui niz godina u operativne
svrhe koristi numeriki model za prognozu vremena WRF NNM (Weather Research and
Forcast Nonhydrostatic Mesoscale Model). Razvijen je u NCEP-u a njegovom razvoju je
veliki doprinos dao na istaknuti naunik Zavia Janji. To je model koji se koristi za
ogranienu oblast prostora. Osnovne odlike su mu upotreba potpunog sistema jednaina
(hidrostatikih i nehidrostatikih), smanjenje raunskog vremena kada se koristi nia
prostorna rezolucija, kao i korienje metoda u kojima su umovi maksimalno prigueni
(Janji, 2010). Vertikalna koordinata je hibridna sigma- (hidrostatiki pritisak). Sigma
koordinata dobro prati orografiju terena i njen uticaj koji postoji do odreene visine (priblino
420 mb), nakon koje se koristi pritisak. Sistem osnovnih jednaina dinamike i termodinamike
za neviskozni fluid koji se kree adijabatski ukljuuje: jednainu kretanja u horizontalnom
10
pravcu, jednainu termodinamike, jednainu kontinuiteta, hipsometrijsku jednainu,
jednainu kretanja u vertikalnom pravcu, kao i nehidrostatiku jednainu kontinuiteta. Uticaj
nehidrostatikih procesa postaje uoljiv kada se prostorni korak smanji ispod 10 km i veoma
je bitan. Model koristi metod mree taaka i radi u Arakavinoj (Akio Arakawa)
polurazmaknutoj E mrei. Model se sastoji od velikog broja ema za parametrizaciju raznih
fizikih procesa, npr. zraenja, povrinskih procesa, konvekcije, turbulentnih procesa itd. Na
slici 2.1 je prikazano prognostiko polje temperature vazduha na 2 m za odreenu oblast
prostora i u odreenom terminu, kao rezultat upotrebe WRF NMM numerikog modela.
Slika 2.1 Prognostiko polje temperature vazduha na 2 m za 09.09.2015. u 9 asova, dobijeno pomou
modela WRF NMM (preuzeto sa www.hidmet.gov.rs).
WRF-Hydro je hidroloki model koji moe da se koristi samostalno ili spregnut sa
atmosferskim modelom. Slui za prouavanje hidrolokih procesa na zemljitu i u njemu,
povrinski i podzemni oticaj, vodotok u kanalima, vodne rezervoare, razmenu vode izmeu
zemljita i atmosfere itd. Radi u mrei taaka i na ogranienoj oblasti, kako bi bio usklaen sa
atmosferskim modelom.
WRF-Chem predstavlja hemijski model koji simulira emisiju, transport, meanje i
hemijsku transformaciju gasova i aerosola pod odreenim meteorolokim uslovima. U analize
koje mogu da se izvedu sa ovim modelom spadaju: formiranje organskih aerosola, formiranje
sekundarnih organskih aerosola u vidu rastvora, uzdizanje gasova i aerosola pri dubokoj
11
konvekciji, ponaanje estica pri peanim olujama, stvaranje ozona pri strujanjima u gornjoj
troposferi, stvaranje azotnih oksida prilikom elektrinih pranjenja u atmosferi itd.
Kao primer modela opte crikulacije atmosfere moe da se navede ECHAM5 (European
Centre HAMburg 5). Nastao je prepravkama globalnog, spektralnog prognostikog modela
korienog u Evropskom centru za srednjoronu prognozu vremena. Razvijen je od strane
naunika u Maks Plank institutu za Meteorologiju u Hamburgu (Nemaka), u svrhu
istraivanja klime (Roeckner et al., 2003). Povezivanjem sa okeanskim modelom koristi se
kao klimatski model, i zvanino od strane Meuvladinog panela za klimatske promene
(Intergovernmental Panel on Climate Change - IPCC), za klimatske simulacije na globalnom
nivou u 21. veku. Neki od rezultata istraivanja promene klime, pomou ECHAM5/MPI-OM
modela, prikazani su na slici 2.2. Poreene su srednje godinje vrednosti povrinske
temperature vazduha dobijene upotrebom A1B scenarija klimatskih promena, za periode
2071-2100. i 1961-1990. Prema ovim rezultatima oekuje se porast temperature na globalnom
nivou a naroito u oblasti severnog pola, to bi uzrokovalo dodatno topljenje leda i imalo
mnoge druge posledice.
Slika 2.2 Promene u srednjoj godinjoj povrinskoj temperaturi vazduha (oC) u periodu 2071-2100. u
odnosu na period 1961-1990., prema A1B scenariju klimatskih promena, dobijene pomou
ECHAM5/MPI-OM klimatskog modela (May, 2008).
12
2.2. Ogranienja
Osnovno ogranienje bilo kojeg modela ivotne sredine odnosi se na prognozljivost.
Postavlja se pitanje koliko tano model moe da predvidi budue stanje nekog sistema i za
koji vremenski period. Postoje procesi koji se odvijaju u pravilnim vremenskim razmacima i
za takve procese kaemo da su periodini, kao npr. kretanje planeta u Sunevom sistemu,
pojava plime i oseke, ciklus Sunevih pega i sl. Periodine procese je relativno lako
prognozirati, jednostavnom ekstrapolacijom u budunost. Meutim, mnogi procesi u prirodi,
a naroito u atmosferi, su neperiodini. U disipativnim sistemima koji su opisani sistemom
linearnih jednaina, konstantno dejstvo uzrokuje konstantan odgovor, dok periodino dejstvo
vodi ka periodinom odgovoru. Stoga se za neperiodian tok kae da je posledica nasuminog
dejstvovanja. Rezonovanje koje vodi do ovakvih zakljuaka ne moe da se primeni u sluaju
nelinearnih jednaina. Ako jednaina sadri lan koji opisuje advekciju, odnosno prenoenje
neke osobine fluida samim kretanjem fluida, na konstantno forsiranje moe da se javi razliit
odgovor (Lorenz, 1963b). Lorenc je prouavao konvektivne procese u fluidu koji se nalazi u
rotirajuem sudu, a koji se pritom na jednom kraju zagreva a na drugom hladi. Napravio je
matematiki model ovakvog sistema, predstavljen sa tri obine diferencijalne jednaine i
posmatrao njegova reenja. Zakljuio je da je najvanija osobina neperiodinog toka fluida
pojava nestabilnosti u njemu, gledano u odnosu na male promene u amplitudi.
Lorenc je pisao i o prognozljivosti hidrodinamikog toka (Lorenz, 1963a). On je pustio
dvoslojni model barokline atmosfere sa 12 jednaina. Kada je na osnovu trenutnog stanja svih
promenljivih vrio predvianje jedne promenljive za naredni dan prognoza je bila prilino
tana, ali kada je radio prognozu za naredna dva dana, poeli su da se uoavaju nedostaci.
Lorenc je zakljuio da se poveanjem prognostikog perioda smanjuje pouzdanost prognoze
odnosno da se greka u prognozi udvostruuje ve u periodu od pet dana. Drugo veoma bitno
opaanje se sastoji u sledeem. Pustio je model za nekoliko dana unapred a zatim je u nekom
trenutku rezultate prognoze sa est cifara zaokruio na tri cifre i iskoristio ih kao poetne
uslove za novu simulaciju. Naporedo je pratio kako se odvijaju obe simulacije. Male razlike u
poetnim uslovima dovele su na kraju prognostikog perioda do razliite prognoze. Na ovaj
nain se moe uoiti kako mali poremeaj raste u svakom raunskom koraku. Primenjeno na
atmosferu, mala greka prilikom osmatranja poetnih uslova e se vremenom akumulirati i na
kraju dovesti do pogrene prognoze. S obzirom da su greke merenja neizbene izvodi se
zakljuak da je prosto nemogue da dugorona prognoza bude nepogreiva s obzirom da dva
veoma bliska poetna stanja mogu da evoluiraju u potpuno razliita stanja (Lorenz, 1985).
13
U atmosferi stanje u jednoj taki prostora zavisi dosta od stanja u okruenju, kao i od
interakcije sa okruenjem, koja se odvija nelinearno. Ova interakcija je u jednainama
dinamike predstavljena advektivnim lanom. Ukoliko elimo da prognoziramo budue stanje
atmosfere u nekoj taki mree, bolju prognozu emo dobiti ukoliko poznajemo stanje u toj
taki i u nekoj njoj bliskoj taki za par dana unazad, nego da poznajemo samo stanje u toj
taki za nekoliko godina u nazad. To znai da bitan faktor koji utie na prognozljivost
vremenskih prilika jesu nelineane veze meu pojedinim delovima atmosfere.
Teorijska ogranienja koja se javljaju pri modeliranju ivotne sredine razmatrana su u
radu Mihailovia i Mimia (2012), koji su napravili pregled nekih kljunih pitanja. Prvo i
osnovno pitanje koje se namee kada pravimo matematiki model nekog prirodnog fenomena
jeste da li mi u potpunosti razumemo kako se taj fenomen odvija? Dalje, kada fenomen
opisujemo nekom diferencijalnom jednainom kako moemo da budemo potpuno sigurni da
su lanovi i parametri u jednaini adekvatni? Pomenuto je ve ranije da je reavanje
nelinearnih diferencijalnih jednaina mogue samo numerikim putem. Tom prilikom je
potrebno prei sa diferencijalnog oblika na diferencni pri emu se u procesu diskretizacije
gube odreene informacije o promenljivim. Konano, kako da budemo sigurni da je dobijena
diferencna jednaina dobra aproksimacija polazne diferencijalne jednaine? Jedan od naina
jeste da se reenja jednaine uporede sa eksperimentalnim podacima ali sva matematiki tana
reenja ne moraju da budu fiziki mogua. Kolmogorov je ovo tumaio razliitim poimanjem
nasuminosti u matematici i fizici. Tradicionalna matematika analiza fizikih sistema
preutno podrazumeva da su svi realni brojevi, bez obzira koliko mali ili veliki bili, fiziki
mogui. Ovakav pristup vai u inenjerstvu i nekim oblastima fizike, ali nam nije od koristi
pri prouavanju kompleksnih sistema kakvi su atmosfera ili neki bioloki sistemi (Kreinovich
and Kunin, 2003). Zbog toga se u poslednje vreme razvija oblast nauke pod nazivom
nelinearna dinamika analiza koja razmatra pojavu haosa u fizikim sistemima, ispituje
njihove nelinearne osobine, prouava njihovu dinamiku i prognozljivost. Pri razmatranju
nekog fizikog sistema, haotine fluktuacije mogu da se pojave iz dva razloga: numerkog,
zato to pokuavamo da naemo diferencnu jednainu ija su reenja dobra aproksimacija
reenja date diferencijalne jednaine ili fizikog, zato to je sistem sam po sebi haotine
prirode, to e biti analizirano u narednom poglavlju.
14
3. Domen reenja jednaina u modelima ivotne sredine
Nelinearni fenomeni se javljaju u prirodi u irokom opsegu razliitih konteksta; fizikih,
hemijskih i biolokih, koji objedinjeni predstavljaju ivotnu sredinu, u irem smislu. Kao
primer nelinearnih fenomena mogu da se navedu turbulentni hidrodinamiki tok, kinetika
hemijskih reakcija, bioloki i ekoloki sistemi, i sl. Pored toga to pripadaju razliitom
kontekstu nelinearne pojave esto pokazuju zajednike osobine ili mogu da budu objanjene
upotrebom slinih koncepta. Slinost u sloenom ponaanju ovakvih sistema nije samo
povrna i na deskriptivnom nivou nego je zasnovana na eksperimentalnim podacima. Ove
injenice proistiu iz moderne teorije o nelinearnim sistemima ili preciznije od kvalitativne i
kvantitative teorije o dinamikim sistemima, koja prouava ureenost u haosu i haos izvan
ureenosti (Zeng, 1992). Prvo se odnosi na solitone, koherentne strukture i formiranje
obrazaca dok se drugo odnosi na raunanje fraktalnih dimenzija, Ljapunovljevih eksponenata,
raznih vidova entropije i kompleksnosti. Re haos se prvi put pojavljuje u matematikoj
literaturi 1975. godine da bi se oznaili naizgled nasumini rezultati nekih jednaina (Li and
York, 1975). Obino se pojam haos (ili preciznije deterministiki haos) odnosi na nepravilno,
nepredvidivo ponaanje u deterministikim, disipativnim i nelinearnim dinamikim
sistemima. Treba naglasiti da haos ne moe jednostavno da se poistoveti sa neredom, nego da
je prikladnije da se razmatra kao jedan poseban vid reda ali bez periodinosti. Kao to je ve
pomenuto, Lorenc je pokazao da je osetljivost nekog sistema na poetne uslove povezana sa
neperiodinim ponaanjem tog sistema i da male promene u poetnim uslovima mogu da
dovedu do znaajno razliitih stanja tog sistema u budunosti (Lorenz, 1963b). Pod
dinamikim sistemom se smatra bilo koji sistem iz prirode ili ivotne sredine koji moe da se
predstavi matematikim modelom (u obliku diferencijalne jednaine ili iterativne mape)
pomou kojeg je mogue opisati ponaanje tog sistema i predvideti njegova budua stanja.
U narednim potpoglavljima su objanjeni elementi nelinearne dinamike analize i
demonstrirani na primeru logistike mape kao najjednostavnijeg sistema koji ispoljava
nelinearne osobine, pri emu postoje razni procesi u prirodi, ali i u drutvu, koji mogu da se
opiu ovim modelom. Na kraju je uraena kompletna analiza spregnutog sistema jednaina sa
dve promenljive, koji slui za prognozu temperature na povrini i u dubljem sloju zemljita, a
koji proizilazi iz jednaine energijskog bilansa. U analizi je razmatran domen reenja ovih
jednaina.
15
3.1. Dinamiki sistemi
Teorija dinamikih sistema prouava matematike modele fizikih pojava koje se menjaju
tokom vremena. Matematiki model je obino predstavljen jednom ili vie jednaina, zavisno
od toga koliko promenljivih je potrebno da se pojava u potpunosti opie. Jednaine koje se
koriste su u diferencijalnom ili diferencnom obliku, u zavisnosti od toga da li vreme
posmatramo kontinualno ili u diskretnim koracima. Diferencijalne jednaine mogu da budu
obine ili parcijalne, to zavisi od toga da li je u njima diferenciranje po vremenu
predstavljeno totalnim ili lokalnim izvodom, odnosno da li je zavisno promenljiva veliina
funkcija vremena i prostora ili samo vremena. Diferencne jednaine imaju oblik iterativnih
mapa. Jedna od podela dinamikih sistema jeste na autonomne i neautonomne. U
autonomnim dinamikim sistemima vreme kao nezavisno promenljiva se ne pojavljuje
eksplicitno dok su sve promenljive zavisne od vremena. U neautonomnim sistemima vreme se
pojavljuje eksplicitno, to se najee javlja u situacijama kada na sistem koji razmatramo
deluje neka vremenski zavisna sila. Obino se pri analizi neautonomni sistem transformie u
autonomni tako to se uvede nova promenljiva iji je vremenski izvod jednak jedinici. Na taj
nain se poveava broj zavisno promenljivih ali se izbegava potekoa u analizi, jer lan koji
eksplicitno sadri vreme nikada nema prvi izvod jednak nuli (Hilborn, 2011).
Veoma bitan pojam u proavanju dinamikih sistema jeste fazni prostor ili prostor stanja.
Izraz fazni prostor prvi je upotrebio Gibs (Josiah Willard Gibbs) pri izuavanju statistike
mehanike, a posle su ga koristili i ostali. Meutim, izraz prostor stanja je adekvatniji iz
razloga sto svaki skup vrednosti promenljivih predstavlja jedno stanje sistema, samim tim sva
mogua stanja sistema se nalaze u prostoru stanja. Pri evoluciji nekog sistema, on prelazi iz
jednog stanja u drugo to je predstavljeno trajektorijom u prostoru stanja. Kako bi se smanjio
broj ponavljanja rei stanje nadalje e biti korien izraz fazni prostor. Broj dimenzija
faznog prostora jednak je broju promenljivih, odnosno jednaina koje opisuju sistem. Taka
iz koje kree evolucija sistema predstavlja njegovo poetno stanje. Teorema o nepresecanju
kae da se dve razdvojene trajektorije ne presecaju u konanom vremenskom periodu, niti
jedna trajektorija moe da presee samu sebe u nekom buduem trenutku (Hilborn, 2011).
Pod razdvojenim trajektorijama se smatra to da jedna trajektorija ne poinje iz take koja lei
na drugoj trajektoriji. Glavni fiziki smisao ove teoreme se ogleda u determinizmu. Evolucija
stanja sistema je jasno predodreena jednainama koje opisuju sistem i njegovim poetnim
stanjem.
16
3.2. Stabilnost reenja jednaina
Logistika mapa, data diferencnom jednainom (3.1), predstavlja primer najprostijeg
dinamikog sistema. Ova jednodimenziona mapa veoma dobro opisuje pojedine procese u
biologiji, kao npr. evoluciju populacije raznih biolokih vrsta a naroito insekata i ima
primenu u genetici, kao i u epidemiologiji. U ekologiji se koristi pri prouavanju modela
predator-plen. U ekonomiji se koristi kao model koji opisuje vezu izmeu koliine robe i cena
kao i u teoriji ekonomskih ciklusa itd. Ona ima primenu i u sociolokim naukama (May,
1976). Da bi neka funkcija uopte bila mapa, njen domen mora biti jednak kodomenu,
odnosno preslikavanje mora da se vri iz jednog skupa elemenata na taj isti skup. U sluaju
logistike mape
1 (1 )n n nx rx x , (3.1)
svi elementi skupa lee u intervalu (0,1). Parametar r je tzv. kontrolni parametar i u zavisnosti
od njega logistika mapa ispoljava razliito ponaanje (slika 3.1). Nelinearna funkcija s desne
strane jednaine (3.1) moe da se oznai sa f(x). Maksimalna vrednost funkcije f(x) se dobije
za sluaj kada je x=1/2 i iznosi r/4. S obzirom da vrednost ne moe da bude vea od 1 izvodi
se zakljuak da logistika mapa pokazuje netrivijalno ponaanje za vrednosti parametra r < 4.
Sa druge strane, kada je r < 1, sve trajektorije zavravaju u taki x=0, pa je potpuni uslov za
netrivijalno ponaanje 1 < r < 4.
0 1x0
1
x
n
n+1
Slika 3.1 Logistika mapa za r=4.
17
Take ravnotee ili fiksne take dinamikog sistema dobijaju se reavanjem algebarske
jednaine, iz uslova f(x)=x. Na osnovu jednaine (3.1) sledi da logistika mapa ima dve fiksne
take, x*=0 to bi bilo trivijalno reenje i netrivijalno reenje x*=11/r, kada je r u intervalu 1
< r < 3. Fiksne take zapravo predstavljaju one vrednosti od x koje se preslikavaju same u
sebe. To znai da trajektorija u faznom prostoru konvergira ka fiksnoj taki. Naredna stvar
koju treba razmotriti jeste stabilnost fiksnih taaka. Analogija moe da se uspostavi sa
stabilnom i labilnom ravnoteom iz mehanike. Kada se loptica nae na dnu doline ona je u
stabilnoj ravnotei a kada je na vrhu brega onda je ravnotea labilna. Stabilna fiksna taka
ima osobinu da take koje se nalaze u njenoj blizini tokom evolucije dinamikog sistema
bivaju privuene ka njoj, dok se od nestabilne fiksne take one sve vie udaljavaju tokom
vremena (Alligood et al., 1996). Pitanje stabilnosti je bitno iz razloga to su realni sistemi
veoma esto pod dejstvom perturbacija. Ravnotenom stanju nekog realnog sistema mora da
odgovara stabilna fiksna taka. Ukoliko je ona nestabilna, mali poremeaj stanja moe da
odvede trajektoriju daleko od fiksne take. Prvi izvod mape u fiksnoj taki predstavlja meru
divergencije i pokazuje kako se rastojanje izmeu fiksne take i neke njoj bliske take
poveava ili smanjuje tokom iteracija. Npr. ukoliko posmatramo take 0 i 0.1, one su u
poetku udaljene za 0.1. Nakon odreenog broja iteracija dobijaju se take koje su na nekoj
drugoj udaljenosti. Ukoliko udaljenost od fiksne take raste onda je ta fiksna taka nestabilna.
Pojam blizine u fazom prostoru se definie pomou okoline pri emu je mali, pozitivan
broj.
Definicija 3.1 Neka je funkcija f(x) mapa u skupu realnih brojeva R i neka je x* realan
broj koji predstavlja fiksnu taku date mape. Ako su sve take iz okoline ( > 0) koje su
dovoljno bliske x* tokom iteracija privuene od strane x*, tada je x* ponor ili privlana fiksna
taka a ukoliko su odbijene od x* onda je x* izvor ili odbojna fiksna taka.
Drugaije reeno, za glatku funkciju f koja ima sve izvode i koji su pri tome neprekidne
funkcije, a predstavlja mapu u skupu R, fiksna taka x* e biti ponor ako je '( *) 1f x
odnosno bie izvor ako je '( *) 1f x .
Zanimljivo je ispitati kako se x pribliava fiksnoj taki kada iteracija krene iz neke
poetne vrednosti x0 koja se razlikuje od x*. Pratiemo primere koje je u svojoj knjizi obradio
Sprot (Julien Clinton Sprott). U sluaju koji je prikazan na slici 3.2 izabrana je vrednost
kontrolnog parametra r=2.8 a poetna vrednost x0=0.1. Ve nakon 50 iteracija funkcija
dosegne fiksnu taku sa vrednou x*=0.642859 i ona predstavlja ponor, odnosno stabilnu
18
fiksnu taku. Za finalno stanje se kae da je ciklus perioda 1, zato to je svaka naredna
iteracija jednaka prethodnoj. Dobijeni dijagram se iz oiglednih razloga naziva paukova
mrea (Sprott, 2003).
0.0 0.2 0.4 0.6 0.8 1.0
x
0.0
0.2
0.4
0.6
0.8
1.0
x
n
n+1
Slika 3.2 Dijagram paukova mrea za logistiku mapu sa vrednostima r=2.8 i x0=0.1.
Kada parametar r dostigne vrednost 3 fiksna taka x*=11/r i dalje postoji ali se menja iz
stabilne u nestabilnu i postaje odbojna. Za vrednosti r > 3 deava se rapidno udaljavanje od
fiksne take (slika 3.3). Meutim, ovo udaljavanje ne traje zauvek. Umesto toga, dostigne se
stanje u kojem je svaka druga iteracija meusobno jednaka i vrednosti osciluju izmeu
0.799455 i 0.513045.
0.0 0.2 0.4 0.6 0.8 1.0x
0.0
0.2
0.4
0.6
0.8
1.0
x
n
n+1
Slika 3.3 Dijagram paukova mrea za logistiku mapu sa vrednostima r=3.2 i x0=0.1.
19
Ovakvo ponaanje se naziva ciklus perioda 2 i dobija se iz uslova f(f(x))=x, reavanjem
algebarske jednaine etvrtog stepena:
3 4 3 3 2 2 22 (1 ) ( 1) 0r x r x r r x r x . (3.2)
Prvo reenje je oigledno i trivijalno x*1=0, a odgovara nestabilnoj fiksnoj taki. Druga
nestabilna fiksna taka se dobija za x*2=11/r. Preostala dva reenja su
2 2
3,4 2
2 3*
2
r r r r rx
r
(3.3a)
to elegantinje moe da se zapie kao
3,41 ( 3)( 1)
*2
r r rx
r
. (3.3b)
Kada je r u intervalu 0 < r < 3, izraz pod korenom u reenju (3.3b) je negativan i realna
reenja ne postoje. Za r > 3 postoje dva realna korena jednaine (3.2) izmeu kojih x
naizmenino osciluje tokom iteracija i to su stabilna stanja. Prvi put vidimo da dolazi do
ravanja nestabilnog reenja u dva stabilna stanja, odnosno dolazi do bifurkacije reenja.
3.3 . Bifurkacije
Period 2 postoji za svako r > 3 ali postaje nestabilan kada r dostigne vrednost 1 6 , to
je priblino na r=3.449490. Tada se javljaju stabilna reenja sa periodom 4. Proces se
nastavlja sa uzastopnim periodima udvajanja tako to se pojavi novi period kada prethodni
postane nestabilan. Ovakav proces predstavlja bifurkacije (slika 3.4). Logistika mapa moe
da ima samo jednu stabilnu periodinu orbitu za svaku vrednost r. Orbita predstavlja skup
vrednosti promenljive x koje pripadaju odreenoj trajektoriji u faznom prostoru. Poetak
novog perioda je teko odrediti i analitiki i numeriki, ali su sad ve to opte poznate
vrednosti, pa tako period 8 nastaje kada parametar r ima priblino vrednost r=3.544090,
period 16 se javlja za r=3.564407, period 32 za r=3.568759, period 64 za r=3.569692, period
128 za r=3.569891, itd (slika 3.5). Periodi udvajanja postaju sukcesivno sve blii da bi se na
kraju nagomilali u taki 3.5699456718r . Ova taka se naziva taka nagomilavanja i u njoj
period postaje beskonaan tj. nikada se ne ponavlja i orbita prolazi kroz beskonano mnogo
vrednosti x.
20
0 1 2 3 4
r
0.0
0.2
0.4
0.6
0.8
1.0
x
Slika 3.4 Bifurkacioni dijagram logistike mape za r u intervalu 0 < r < 4.
Rastojanje izmeu uzastopnih bifurkacija dostie konstantnu vrednost koja se naziva
Fajgenbaumov broj (Mitchell J. Feigenbaum). Vrednost ove konstante se rauna kao
1
1
lim 4.669201...n nn
n n
r r
r r
. (3.4)
Znaajna osobina konstante jeste njena univerzalnost, a to znai da ima istu vrednost za sve
kvadratne mape sa jedinstvenim maksimumom, poput logistike mape (Feigenbaum, 1978).
2.8 3.0 3.2 3.4 3.6 3.8 4.0
r
0.0
0.2
0.4
0.6
0.8
1.0
x
Slika 3.5 Bifurkacioni dijagram logistike mape za r u intervalu 2.8 < r < 4 na kojem se jasnije vide
periodi udvajanja i tranzicija u haos.
21
Kada vrednosti za r rastu preko take nagomilavanja pojavljuje se haos sa beskonano dugim
periodom. Meutim, mestimino se pojavljuju i prozori periodinosti u odreenim
intervalima r, s tim da se irina prozora smanjuje sa porastom perioda. Svaki prozor
periodinosti se pojavljuje iznenada i sa porastom r poinje svoje bifurkacije koje ga vraaju
ponovo u haos sa istim Fajgenbaumovim brojem. Lako uoljivi prozor perioda 3 se javlja
kada r dostigne vrednost 1 8 , odnosno kada je priblino r=3.82842712. Ciklus perioda 3 je
poseban sluaj, s obzirom da je arkovski ( ) dokazao
da jednodimenziona neprekidna mapa sa ciklusom perioda 3 za odreenu vrednost parametra
ima cikluse svakog perioda (ukljuujui i beskonano) za datu vrednost parametra, i da je
stoga mapa haotina ukoliko su sve orbite nestabilne (Sarkovskii, 1964). Obrnuto tvrenje ne
vai, haotian sistem ne mora da ima ciklus perioda 3. Ova teorema se poziva na ureenje
arkovskog, posebnom poretku prirodnih brojeva koji izgleda na sledei nain
2 2 2
3 2
3 5 7 ... 2 3 2 5 2 7 ... 2 3 2 5 2 7 ...
2 3 2 5 2 7 ... 2 .... 2 2 2 1.n n n n
Sluaj kada je r=4 je specijalan zato to nema ponore, i onda se postavlja pitanje gde se orbite
zavravaju (slika 3.6). Postoje dve fiksne take x*=0 i x*=0.75 ali su obe nestabilne. U ovom
sluaju mapa pokazuje veoma zanimljivu dinamiku. Ukoliko posmatramo x osu na intervalu
od 0 do 1 kao gumenu traku, tada se tokom iteracija ona istee tako da joj srednja taka
(xn=0.5) dostigne xn+1=1 a potom se udaljeni kraj (xn=1) savija na drugu stranu u xn+1=0. Ovo
istezanje i savijanje je odgovorno za haos. Iako ponaanje izgledao kao nasumino, detaljnije
ispitivanje pokazuje ubrzan porast na malim vrednostima xn, zatim veliku vrednost xn prate
male vrednosti xn, kao i porast oscilovanja oko nestabline fiksne take x*=0.75 (slika 3.7).
0 1x0
1
x
n
n+1
Slika 3.6 Dijagram paukova mrea za logistiku mapu sa vrednostima r=4 i x0=0.1.
22
0 50 100 150 200 250
broj iteracija, n
0.0
0.2
0.4
0.6
0.8
1.0
xn+1
Slika 3.7 Prvih n=250 iteracija logistike mape sa r=4 i poetnim uslovom x0=0.1.
3.4 . Atraktor
Na primeru logistike jednaine pokazano je postojanje privlane fiksne take za
odreene vrednosti parametra r date jednodimenzione mape. Sve take iz neposredne okoline,
koje su joj dovoljno bliske, e tokom iteracija biti privuene od strane fiksne take, koja za
njih predstavlja ponor. U sluaju viedimenzionih mapa ili sistema diferencijalnih jednaina,
dakle kada postoji vie promenljivih, javlja se analogon privlanoj fiksnoj taki i naziva se
atraktor. Atraktor je skup taaka u faznom prostoru koji za odreene vrednosti parametara
privlai sve trajektorije koje poinju u njegovoj neposrednoj blizini. Zapremina u faznom
prostoru koja obuhvata atraktor i koja sadri sve take koje tokom iteracija zavre na atraktoru
se naziva bazen atrakcije. Ovaj bazen moe da se odredi tako to se vre iteracije jednaina sa
mnogo poetnih uslova i posmatra se da li trajektorije zavre na atraktoru. U sluaju
takozvanog udnog atraktora postoji osetljiva zavisnost na poetne uslove, iz kojih
trajektorija poinje. Primer atraktora koji nije udan jesu upravo privlane fiksne take.
Termin udni atraktor se pojavio prvi put u javnosti u radu koji su objavili Ruelle i Takens
(1971). Veoma vaan uslov koji se odnosi na atraktor jeste uslov nedeljivosti, a oznaava to
da skup taaka u faznom prostoru koji predstavlja atraktor ne moe da bude podeljen na dva
razliita atraktora (Ruelle, 1980). Verovatno najpoznatiji udni atraktor u svetskoj naunoj i
popularnoj literaturi jeste Lorencov atraktor (slika 3.8).
23
Slika 3.8 Lorencov atraktor u xz ravni, koji izgledom podsea na krila leptira.
Lorenc je koristio pojednostavljeni model konvekcije u atmosferi kada je primetio veliku
osetljivost rezultata na poetne uslove i postojanje udnog atraktora (Lorenz, 1963b). Sistem
diferencijalnih jednaina koji zapravo opisuje konvektivno kretanje fluida u rotirajuem
cilindru koji se zagreva sa donje strane a hladi odozgo, ima oblik
( )dx
y xdt
(3.5a)
dy
rx xz ydt
(3.5b)
dz
xy bzdt
, (3.5c)
pri emu parametri r i odgovaraju Rejnoldsovom (Osborne Reynolds) i Prantlovom (Ludwig
Prandtl) broju, bezdimenzionim indikatorima turbulentnog kretanja, dok b predstavlja razmer
cilindra. Vrednosti parametara za koje se javlja haos u ovakvom sistemu su =10, b=8/3 i r >
24.74. Na slici 3.9 je prikazan atraktor za sluaj kada je r=25. Promenljive x, y i z nisu
uobiajene prostorne promenljive nego su malo vie apstraktne, tako da je x brzina rotacije, sa
pozitivnim vrednostima pri kretanju u smeru kazaljke na satu i negativnim u smeru suprotnom
24
od kazaljke na satu, y je temperaturna razlika izmeu uzdiueg i sputajueg fluida, dok je z
odstupanje od linearnog vertikalnog temperaturnog profila.
Slika 3.9 Lorencov atraktor u tri dimenzije pri izboru parametara =10, b=8/3 i r =25.
3.5. Ljapunovljevi eksponenti
Haotino ponaanje proizvodi neku vrstu nasuminosti, koja bi mogla da objasni
kompleksno ponaanje realnih sistema. Upravo zbog toga je vano kvantifikovati haos.
Potrebno je imati jasan i merljiv nain za prepoznavanje haosa i razdvajanje pravog haotinog
ponaanja od ponaanja sa prisustvom uma ili nepravilnosti. Jo jedan od razloga za
kvantifikovanje haosa jeste to da bismo mogli da naslutimo ili uoimo neke opte osobine,
bilo kvalitativne ili kvantitativne, koje opisuju ponaanje sistema ili promene u njegovom
ponaanju kada je u haotinom reimu, prilikom promene parametara sistema. Konano, tei
se tome da moemo da poveemo promene u merama haotinog ponaanja sa promenama u
fizikom ponaanju sistema (Hilborn, 2011).
25
Glavni pristup koji se koristi za kvantifikovanje haotinog ponaanja jeste analiza
vremenskih serija podataka o sistemu. Vremenska serija predstavlja niz podataka u nekom
periodu vremena, i govori o promeni stanja sistema u pravilnim vremenskim intervalima.
Podaci su zapravo vrednosti neke promenljive koja opisuje ponaanje sistema i nose osnovne
informacije o sistemu.
Kao to je ve pomenuto, jedna od glavnih karakteristika haotinog ponaanja jeste velika
osetljivost na poetne uslove, koja se manifestuje divergencijom bliskih trajektorija u faznom
prostoru. Mera koja najbolje pokazuje ovu divergenciju, a samim tim i ukazuje na haos, jeste
Ljapunovljev eksponent. Mada, ovo vai samo za iterativne mape. Izraz Ljapunovljev
eksponent je uveo Oseledec (1968). Osnovni koncept e biti pokazan na primeru
jednodimenzione mape xn+1=f(xn), kao to je logistika mapa. Posmatrajmo dve bliske poetne
take x0 i x0+x0. Nakon jedne iteracije ove dve take e biti razdvojene za
1 0 0 0 0 0( ) ( ) '( )x f x x f x x f x , gde je f'(x)=df/dx. Lokalni Ljapunovljev eksponent
se definie u x0 kao 1 0/e x x odnosno 1 0 0ln / ln '( )x x f x . Veliina 1 0/x x
jeste lokalni Ljapunovljev broj i predstavlja meru rastezanja u x=x0. Apsolutna vrednost
osigurava da Ljapunovljev broj bude pozitivan, tako da e prirodni logaritam odnosno
Ljapunovljev eksponent biti realan broj. Ako je ovaj odnos 1 0/x x negativan znai da
bliske take menjaju mesta tokom iteracija. Poznavanje naina na koji se Ljapunovljev
eksponent menja u prostoru omoguava nam da otkrijemo oblasti u kojima je dobra ili loa
prognozljivost budueg stanja sistema ukoliko postoje male greke u poetnim uslovima
(Sprott, 2003). Globalni Ljapunovljev eksponent se dobija osrednjavanjem za veliki broj
iteracija
1
0
1lim ln '( )
N
nN
n
f xN
(3.6)
i predstavlja srednji eksponencijalni rast udaljenosti izmeu dva bliska poetna uslova ili
srednje istezanje prostora. Pozitivna vrednost ukazuje na haos a negativna vrednost se odnosi
na fiksnu taku ili periodian ciklus.
U sluaju logistike mape f(x)=rx(1x) njen prvi izvod e biti f '(x)=r(12x). Kada to
uvrstimo u izraz (3.6) dobija se Ljapunovljev eksponent oblika
1
0
1lim ln (1 2 )
N
nN
n
r xN
. (3.7)
26
Na slici 3.10 su prikazane vrednosti Ljapunovljevog eksponenta za r u intervalu 2.8 < r < 4
zajedno sa bifurkacionim dijagramom, kako bi se lake pratilo ponaanje sistema.
2.8 3.0 3.2 3.4 3.6 3.8 4.0
r
0.0
0.2
0.4
0.6
0.8
1.0
x
2.8 3.0 3.2 3.4 3.6 3.8 4.0
r
-1
0
1
Lja
pu
no
vlj
ev
i ek
spo
nen
ti
Slika 3.10 Bifurkacioni dijagram i Ljapunovljevi eksponenti za logistiku mapu u intervalu 2.8 < r < 4.
Ljapunovljev eksponent je pozitivan svaki put kada bifurkacioni dijagram ukazuje na haos, a
negativan kada ukazuje na periodinost, ukljuujui i prozore periodinosti koji se pojavljuju
za odreene vrednosti parametra r u razvijenom haosu. Eksponent ima vrednost nula u svakoj
bifurkacionoj taki gde je reenje na ivici nestabilnosti. Izmeu dve nule postoji vrednost r za
koju je eksponent jednak . Ove superstabilne orbite se pojavljuju kada jedna od iteracija
periodine orbite ima vrednost x=0.5, pri emu je f '=0. One privlae poetne uslove u svoj
27
bazen atrakcije sve bre i bre kako se pribliavaju reenju. Postoji beskonano mnogo
ovakvih taaka ak i u regionu 3.57 < r < 4, gde je dinamika preteno haotina. Dovoljno je
da sistem ima barem jedan pozitivan Ljapunovljev eskponent da bi se njegovo ponaanje
smatralo haotinim. Iz tog razloga se esto ispituje najvei Ljapunovljev eksponent.
Kod viedimenzionih mapa i sistema diferencijalnih jednaina u izrazu za Ljapunovljev
eksponent umesto prvog izvoda stoji Jakobijan sistema ili Jakobijeva matrica (Carl Gustav
Jacob Jacobi). Stepen divergencije moe da bude razliit za razliitu orijentaciju poetnog
vektora koji razdvaja dve bliske take u faznom prostoru. Zbog toga se rauna spektar
Ljapunovljevih eksponenata i njegov broj odgovara broju dimenzija faznog prostora. Ukoliko
posmatramo skup poetnih uslova u faznom prostoru dvodimenzionog sistema sa
promenljivim x i y tada e tokom iteracija poetni oblik kvadrata da se izoblii u paralelogram
(slika 3.11). Povrina paralelograma e da se smanjuje ali e on biti sve vie istegnut u
odreenom pravcu. Za ovo istezanje su odgovorni lanovi van dijagonale u Jakobijanu.
x
y
n=0
n=1
n=2
Slika 3.11 Ilustrativan prikaz evolucije poetnih uslova za dvodimenzioni sistem.
Kada sistem nije opisan jednainama koje predstavljaju njegovu dinamiku, nego je na
raspolaganju vremenska serija podataka o promeni stanja sistema, zadatak postaje znatno tei.
Prema jednom metodu, ne vri se perturbacija orbita ve se pretrauje vremenska serija u
potrazi za bliskim takama u faznom prostoru ije se orbite prate odreeni broj vremenskih
koraka ili dok se skroz ne razdvoje, posle ega se trae druge bliske take koje su razdvojene
u istom pravcu (Wolf et al., 1985). Ovaj algoritam pretpostavlja ali ne moe da potvrdi
eksponencijalnu divergenciju trajektorija, pa stoga ne moe da razdvoji haos od uma.
28
3.6. Kolmogorovljeva kompleksnost
Mera koja ukazuje na neperiodinost, nasuminost i neureenost, a moe da se koristi u
analizi vremenskih serija, jeste Kolmogorovljeva kompleksnost (Li and Vitanyi, 1997). Ovu
meru su nezavisno jedan od drugoga osmislili Solomonov (Ray Solomonoff) i Kolmogorov
tokom ezdesetih godina 20. veka, da bi se tek kasnije pojavio algoritam koji omoguava
njeno izraunavanje (Lempel and Ziv, 1976). Vie rei o Kolmogorovljevoj kompleksnosti e
biti u drugom delu disertacije. Trenutno je od interesa da vidimo kako se ona slae sa
Ljapunovljevim eksponentom i kako se primenjuje na vremenske serije. Algoritam za
raunanje Kolmogorovljeve kompleksnosti vremenske serije {xi}, i=1,2,3,...,N gde je N broj
lanova serije, sastoji se u sledeem. Vremenska serija se kodira u niz sastavljen od karaktera
0 i 1, zapisan kao {s(i)}, i=1,2,3,...,N, tako to se vrednost svakog lana poredi sa izabranim
pragom x*
0, *
( )1, *
i
i
x xs i
x x
. (3.8)
Obino se za prag izabere srednja vrednost vremenske serije (Zhang et al., 2001). Potom se
rauna broja kompleksnosti c(N) koji se definie kao minimalan broj razliitih obrazaca u
datom nizu, i koji zavisi od duine niza N. Vrednost c(N) se pribliava krajnjoj vrednosti
b(N), kako se N pribliava beskonanosti
2
( )log
Nb N
N . (3.9)
Na posletku se dobija normalizovana mera kompleksnosti Ck(N), definisana kao
2log( )
( ) ( )( )
k
Nc NC N c N
b N N . (3.10)
Vrednosti su bliske nuli za periodine i ureene vremenske serije a za potpuno nasumine
serije vrednost dostie jedinicu, iako za krae serije vrednost moe da bude i vea od jedan
(Hu et al., 2006). U principu, za nelinearne vremenske serije vrednosti lee u intervalu izmeu
nula i jedan. Sada e na primeru logistike mape biti ispitano koliko Kolmogorovljeva
kompleksnost moe da ukae na haotino ponaanje sistema. Za poetni uslov x0=0.2 i
29
kontrolni parametar u intervalu [3.5, 4]r sa korakom od 0.001, raeno je 500 iteracija
logistike mape radi stabilizacije a onda jo 1000 iteracija. Zatim su za svako r raunati
Ljapunovljev eksponent i Kolmogorovljeva kompleksnost za datih 1000 taaka odnosno
stanja sistema (slika 3.12).
3.5 3.6 3.7 3.8 3.9 4.0
r
-2.0
-1.5
-1.0
-0.5
0.0
0.5
1.0
1.5
Ind
ikacij
a h
ao
sa
Ljapunovljev eksponent
Kolmogorovljeva kompleksnost
Slika 3.12 Ljapunovljev eksponent i Kolmogorovljeva kompleksnost logistike mape za 3.5 < r < 4.
Bifurkacije reenja logistike jednaine poinju za r=3 i prilikom svake naredne bifurkacije
Ljapunovljev eksponent ima vrednost 0. Kada vrednost kontrolnog parametra postane vea od
one u taki nagomilavanja ( 3.5699456718r ) javlja se haos i Ljapunovljev eksponent
postaje pozitivan. Meutim, vrednosti Kolmogorovljeve kompleksnosti su i dalje bliske nuli.
Sa slike se vidi da vrednosti nikad nisu jednake nuli zato to u nizu uvek postoje najmanje tri
razliita obrasca; 0, 1 i ostatak (Kaspar and Schuster, 1987). Kada r raste preko 3.6 dinamika
sistema je haotina, Kolmogorovljeva kompleksnost takoe poinje da raste i u potpunosti
prati Ljapunovljev eksponent. Svaki put kada se javi prozor periodinosti Ljapunovljev
eksponent postaje negativan a Kolmogorovljeva kompleksnost pada na vrednosti bliske nuli.
Usaglaenost ove dve mere haotinosti nas dovodi do ideje da bismo, u sluaju kada imamo
vremensku seriju podataka a ne dinamike jednaine, mogli da koristimo upravo
Kolmogorovljevu kompleksnost kao indikator haotinog ponaanja.
30
3.7. Analiza reenja jednaine energijskog bilansa na povrini zemljita
U dananje vreme, naune oblasti koje se bave prouavanjem ivotne sredine imaju
multidisciplinaran pristup velikom broju tema koje su povezane sa procesima u biosferi.
Jedna od njih jeste modeliranje procesa na dodirnim povrinama u ivotnoj sredini. To su
mesta gde se razliiti sistemi ili razliiti delovi istog sistema sustiu i razmenjuju bilo koji vid
informacija. Dodirna povrina (eng. interface) u ivotnoj sredini se definie kao povrina
izmeu dva iva ili neiva sistema koja su u relativnom kretanju i razmenjuju energiju,
materiju i informacije putem fizikih, hemijskih ili biolokih procesa, koji variraju u prostoru
i vremenu (Mihailovi and Bala, 2007). U prirodi postoji mnogo primera dodirnih povrina u
ivotnoj sredini kao npr. izmeu elija, izmeu tela oveka ili ivotinja i okruenja, izmeu
neke prirodne ili vetake podloge i atmosfere, i dr. (Mihailovi et al., 2012). Tipian primer
dodirne povrine u ivotnoj sredini jeste povrina zemljita, na kojoj se javljaju sva tri
mehanizma prenoenja energije; dolazno i odlazno zraenje, konvekcija toplote sa vlagom u
atmosferu i provoenje toplote u dublje slojeve zemljita.
U radu Mihailovia i Mimia (2012) je pokazano da povrina zemljita moe da se tretira
kao sistem kod kojeg se javljaju haotine fluktuacije prilikom raunanja njegove temperature.
To je zapravo dinamiki sistem, osetljiv na poetne uslove, gde odreeni poremeaj moe da
dovede do nepredvidivog ponaanja. U pomenutom radu donji granini uslov, odnosno
temperatura u dubljem sloju zemljita je smatrana konstantom, jer je sporo promenljiva
veliina. Ovde je, ipak, posmatrana njena promena tokom vremena, pomou prognostike
jednaine. Iz jednaine energijskog bilansa sledi prognostika jednaina za temperaturu na
povrini zemljita a zajedno sa prognostikom jednainom za temperaturu u dubljem sloju
zemljita dobija se spregnut sistem jednaina koji e u daljem delu teksta biti predmet
nelinearne dinamike analize (Mimi et al., 2013).
Jedan od najvanijih uslova za funkcionisanje bilo kojeg sistema jeste odgovarajue
snabdevanje energijom. Dinamika razmene energije je zasnovana na jednaini energijskog
bilansa. U sluaju povrine zemljita kao dodirne povrine u ivotnoj sredini, jednaina
energijskog bilansa u diferencnom obliku izgleda ovako
g
g net
TC R H E G
t
(3.11)
gde su: Tg temperatura na povrini zemljita, t vremenski korak, Cg toplotni kapacitet
zemljita, Rnet ukupno zraenje, H fluks osetne toplote, E fluks latentne toplote i G fluks
31
toplote u zemljite (slika 3.13). lanovi sa desne strane jednaine (3.11) mogu da se uz
odreene pretpostavke raspiu na sledei nain (Bhumralkar, 1975): prvo, koristimo izraz za
ukupno zraenje Rnet=CR(Tg Ta) pri emu je Ta temperatura vazduha na referentnom nivou a
CR koeficijent zraenja. Fluks osetne toplote moe da se parametrizuje kao H=CH(TgTa), gde
je CH koeficijent prenosa osetne toplote. Razvojem u red eksponencijalnog lana u izrazu za
latentnu toplotu i zadravajui se na drugom lanu reda dobija se E=CLd[b(TgTa)+b2
(Tg
Ta)2/2], CL je koeficijent prenosa vodene pare, b=0,06337
oC
1, d je parametar koji se pojavi
prilikom razvoja u red. Dalje, izraz za provoenje toplote u dublje slojeve zemljita moe da
se zapie kao G=CD(TgTd), CD je koeficijent provoenja toplote a Td temperatura u dubljem
sloju zemljita.
Slika 3.13 lanovi u jednaini energijskog bilansa.
Prognostika jednaina za temperaturu u dubljem sloju zemljita u konanim razlikama je
1
( )d g dT
T Tt
(3.12)
je vremenski razmer od jednog dana i iznosi =86400 s. Sada e sistem jednaina u
konanim razlikama biti:
32
2
2
( ) ( )
[ ( ) ( ) ] ( )2
g
g R g a H g a
L g a g a D g d
TC C T T C T T
t
bC d b T T T T C T T
(3.13a)
1
( )d g dT
T Tt
. (3.13b)
Koeficijenti CR, CH, CL, CD su fizike prirode, dobijaju se grupisanjem parametara koji
figuriu u lanovima energijskog bilansa i njihove vrednosti variraju u zavisnosti od
meteorolokih uslova (Pielke, 2002). Sada korienjem vremenske eme unapred, deljenjem
sistema jednaina (3.13) sa nekom konstantnom temperaturom T0 (npr. srednjom globalnom
temperaturom vazduha T0=288 K) i oduzimanjem Ta na obe strane, dobija se sistem
1
0 0 0 0 0
22
0 2
0 0 0
( )
2
n n n n n
g a g a g a g a g a
R H L
g g g
n n ng a g a d a
L D D
g g g
T T T T T T T T T Tt t tC C C bd
T T C T C T C T
T T T T T Tt b t tC dT C C
C T C T C T
(3.14a)
1
0 0 0 0
nn n ng ad a d a d a
T TT T T T T Tt t
T T T T
(3.14b)
gde je n broj iteracije. Uvodei smenu z=(TgTa)/T0 i y=(TdTa)/T0, pri emu je z
bezdimenziona temperatura na povrini zemljita a y bezdimenziona temperatura u dubljem
sloju zemljita, dobija se spregnut sistem
2
1n n n nz Az Bz Cy (3.15a)
1 (1 )n n ny Dz D y (3.15b)
gde su: 1 ( )R H L Dg
tA C C C bd C
C
,
2
02
L
g
b tB C dT
C
, D
g
CC t
C i
tD
. Uvodei
smenu zn=xnA/B, gde je xn modifikovana bezdimenziona temperatura na povrini zemljita,
moemo da piemo
1 (1 )n n n nCB
x Ax x yA
(3.16a)
33
1 (1 )n n n
DAy x D y
B . (3.16b)
Ispitivanjem vrednosti parametara A, B, C i D na osnovu velikog broja rezultata dobijenih
pomou eme za parametrizaciju povrinskih procesa LAPS (Land Air Parameterization
Scheme) pokazano je da oni lee u sledeim intervalima (0,4]A a B, C i D u intervalu [0,1]
(Mihailovi, 1996). Parametar A odgovara kontrolnom parametru u logistikoj jednaini i bie
oznaen sa r. Vrednosti preostalih parametara lee u istom intervalu i pod odreenim
meteorolokim uslovima mogu da budu jednaki. Zbog toga e u spregnutom sistemu (3.16)
biti zamenjeni sa . Konano, dobija se sistem spregnutih mapa
1 (1 )n n n nx rx x y (3.17a)
1 ( )n n ny x y (3.17b)
pri emu prvi lan sa desne strane u jednaini (3.17a) ima oblik poznate logistike mape.
U nastavku je ispitano ponaanje spregnutog sistema (3.17) za razliite vrednosti
kontrolnog parametra r i parametra sparivanja . Sistem je posmatran u obliku Xn+1=F(Xn) gde
je F(Xn)=(rxn(1xn)+yn, (xn+yn)) pri emu Xn=(xn,yn) predstavlja vektor ije su komponente
bezdimenziona temperatura na povrini zemljita i u dubljem sloju zemljita, redom. Traimo
fiksne take sistema (3.17) iz uslova X=F(X). Reavanjem ove jednaine dobijaju se dve
fiksne take; (0,0) kao trivijalno reenje i ((r+2/(1 ) 1)/r,/(1)[r+
2/(1) 1)/r]). Za
fiksnu taku (0,0) postoje dve svojstvene vrednosti 2 21,2 ( 2 5 ) / 2r r r .
Koristei vrednost sa znakom plus, koja je vea po apsolutnoj vrednosti i uslov da je fiksna
taka privlana ako je || < 1 a odbojna ako je || > 1, dobijaju se oblasti u (,r) ravni iz kojih
se vidi za koji par vrednosti parametara e fiksna taka (0,0) biti privlana ili odbojna.
Primenjujui isti postupak za drugu fiksnu taku ((r+2/(1 ) 1)/r,/(1)[r+
2/(1) 1)/r])
ije su svojstvene vrednosti
2
3,4
2 2 3 2
1/ [2( 1)]( 2 3 )
(2 3 ) 4( 1)( 2 3 )
r r
r r r r
dobija se potpuno ista oblast privlaenja i odbijanja u (,r) ravni (slika 3.14). Ove fiksne take
se odnose na period 1. Fiksne take za periode vee od 1 nisu razmatrane iz razloga to je
postupak za njihovo ispitivanje veoma komplikovan.
34
Slika 3.14 Grafika interpretacija fiksnih taaka spregnutog sistema (3.17) u funkciji od vrednosti
parametara r i . Obe fiksne take su u datim oblastima: privlane (bela) i odbojne (siva).
Bifurkacioni dijagrami promenljivih x i y su predstavljeni na slici 3.15 u funkciji od
kontrolnog parametra r u intervalu (0,4) pri vrednosti parametra sparivanja =0.1. Primetili
smo da maksimalna vrednost od y mnogo zavisi od vrednosti parametra sparivanja . Za male
vrednosti bifurkacioni dijagram promenljive x je veoma slian logistikoj mapi. Na oba
dijagrama bifurkacije poinju za r=3 a kada je r > 3.57 javlja se haotino ponaanje.
0 1 2 3 4
r
0.0
0.2
0.4
0.6
0.8
1.0
x
a)
0 1 2 3 4
r
0.0
0.2
0.4
0.6
0.8
1.0
y
b)
Slika 3.15 Bifurkacioni dijagrami spregnutog sistema (3.17) za r u intervalu (0,4), =0.1 i poetnim
uslovima x0=0.2 i y0=0.4.
Za poetne uslove x0=0.2 i y0=0.4 i pri izboru parametara =0.1 i r=3.7, dakle u haotinom
reimu, uraeno je 10 000 iteracija za ove spregnute mape da bi se ispitalo postojanje
atraktora u faznom prostoru (slika 3.16).
35
0.0 0.2 0.4 0.6 0.8 1.0
x
0.00
0.05
0.10
0.15
y
Slika 3.16 Izgled atraktora u faznom prostoru spregnutog sistema (3.17) za vrednosti parametara r=3.7
i =0.1, pri poetnim uslovma x0=0.2 i y0=0.4.
Sa slike 3.16 se vidi da atraktor podsea na Henonov (Michel Hnon) udni atraktor to je i
moglo da se oekuje s obzirom da u sluaju kada parametar D u sistemu jednaina (3.16) ima
vrednost D=1, spregnuti sistem je veoma slian Henonovoj dvodimenzionalnoj mapi (Hnon,
1976). Sada ispitujemo domen moguih atraktora sistema u zavisnosti od parova vrednosti
parametara (r,) (slika 3.17). Oblast bele boje pokazuje za koje parove vrednosti parametara
(r,) postoji atraktor sistema dok u oblasti sive boje atraktor ne postoji, pri poetnim uslovima
x0=0.2 i y0=0.4. Testiranje je pokazalo da izbor poetnih uslova ne utie znaajno na izgled
domena.
0.0 0.2 0.4 0.6 0.8 1.0
0
1
2
3
4
r
Slika 3.16 Domen moguih atraktora sistema u zavisnosti od vrednosti parametara (r,).
36
Najzanimljivije, haotino ponaanje logistika mapa pokazuje kada je kontrolni parametar
r u intervalu [3,4] a spregnuti sistemi kada parametar sparivanja ima male vrednosti, u
intervalu (0,0.1). Imajui u vidu da je opseg vrednosti za x i y izmeu 0 i 1 dolazimo do
odreenih matematikih ogranienja. Iz jednaine (3.17b) sledi da parametar sparivanja ne
sme da bude vei od 0.5 ( 0.5) dok iz jednaine (3.17a), gde se najvea vrednost lana koji
sadri x dobija kada je x=0.5 a najvea vrednost drugog lana za y=1, sledi novi uslov r/4+ <
1. Iz navedenih razloga sistem (3.17) emo detaljnije ispitati upravo za sledee vrednosti
parametara [3.6,3.8]r i [0.05,0.1] . Najvei Ljapunovljev eksponent se rauna prema
izrazu
1
ln
lim
n
s
s
n n
(3.18)
gde je n broj iteracija spregnutih mapa, to je u naem sluaju iznosilo 1000 a s jakobijan
sistema
(1 2 )s
s
r x
. (3.19)
U izabranom intervalu vrednosti parametara i pri poetnim uslovima x0=0.2 i y0=0.4
Ljapunovljev eksponent ima preteno pozitivne vrednosti to potvruje haotino ponaanje
sistema (slika 3.18).
Slika 3.18 Ljapunovljevi eksponenti spregnutog sistema (3.17) koji ukazuju na postojanje uskih
regiona stabilnosti u veoma razvijenom haosu.
37
Meutim, na slici 3.18 se primeuju i uski regioni u obliku traka u kojima Ljapunovljev
eksponent ima negativne vrednosti, gde su reenja spregnutog sistema stabilna i koji ukazuju
na domene stabilnosti. Prilikom raunanja Kolmogorovljeve kompleksnosti sistema za isti
interval vrednosti parametara r i , [3.6,3.8]r i [0.05,0.1] , koriene su vremenske serije
dobijene nakon 1000 iteracija mapa. Rezultati pokazuju da Kolmogorovljeva kompleksnost
sistema veoma zavisi od vrednosti parametra r (slika 3.19). Vee vrednosti Kolmogorovljeve
kompleksnosti ukazuju na veoma razvijeno haotino ponaanje sistema. Kada se uporede
slike 3.18 i 3.19 primeuje se izvesno slaganje sa Ljapunovljevim eksponentima. Takoe, za
odreene vrednosti parametara postoje uske oblasti u kojima Kolmogorovljeva kompleksnost
ima vrednosti bliske nuli (oblasti obojene ljubiasto), to ukazuje na domene stabilnosti
sistema, u kojima se ispoljava ponaanje koje nije haotine prirode.
Slika 3.19 Kolmogorovljeva kompleksnost sistema (3.17) u funkciji parametara r i .
Nelinearnom dinamikom analizom sistema (3.17) je pokazano da pri odreenim fizikim
uslovima postoji mogunost za pojavu haosa u sistemu, ime se unosi nesigurnost prilikom
raunanja temperature na povrini zemljita. Na ovaj nain se istie mana trenutnih modela
ivotne sredine jer postoje situacije u kojima nije pouzdano reavanje jednaine energijskog
bilansa, izmeu ostalog i usled haotinog ponaanja. Rezultati ukazuju na to da mala promena
u vrednostima parametara moe da utie na ponaanje sistema. Jednaina energijskog bilansa
u diferencnom obliku obuhvata razmenu energije na dodirnim povrinama u ivotnoj sredini
kako na lokalnom nivou, u smislu jedne take mree u modelu, tako i na globalnom nivou.
38
Neki od prvih modela opte cirkulacije atmosfere bili su bazirani upravo na ovoj jednaini.
to se tie vremenskog razmera, energijski bilans se odrava na svim skalama, pri malom i
velikom vremenskom koraku. Uobiajen vremenski korak u emama za parametrizaciju
povrinskih procesa, poput LAPS-a, iznosi pola sata. U ovom vremenskom intervalu, pri
izraenom forsiranju zraenjem, povrina zemljita moe da primi veliku koliinu energije
koja dovodi do pojave haotinog ponaanja. Tano je da pretpostavka Tg,Td Ta, koja je
koriena u jednainama (3.14a) i (3.14b) biva naruena u mnogim atmosferskim uslovima,
meutim postoje situacije kada je temperatura na povrini zemljita, takozvana skin
temperatura, i za 10 oC vea od temperature vazduha na 2 m.
4. Informacione mere, entropija i kompleksnost
Osnovne informacije koje imamo o nekom sistemu dobijamo osmatranjem stanja tog
sistema, merenjem nekih njegovih karakteristika. Ukoliko sistem pratimo dovoljno dugo tada
moemo da uoimo odreene obrasce u njegovom ponaanju. Razumevanje evolucije sistema
nam omoguava da predvidimo njegova budua stanja. Ako je ponaanje sistema takvo da ne
postoji veliki broj razliitih stanja, ako se odreena stanja ponavljaju periodino, ako je
odgovor sistema na signale iz okoline linearan, tada moemo da kaemo za sistem da je
jednostavan. Meutim, postoje sistemi ije je ponaanje veoma sloeno i ija budua stanja je
teko predvideti. Njih nazivamo kompleksni sistemi. Sistem koji ne moe prosto da se rastavi
na svoje sastavne delove koji meusobno interaguju i za koje je on logian zbir, zbog velikog
broja veza izmeu pojedinanih delova koje upravljaju dinamikom samog sistema, predstavlja
kompleksan sistem (Rosen, 1991). Pojam kompleksnosti u sebi sadri tri nivoa znaenja
(Edmonds, 1999):
- postojanje samoorganizacije i iskrsavanje (eng. emergence) osobine ili ponaanja koje
pojedinani delovi sistema ne pokazuju;
- sistem nije organizovan centralno nego na distributivan nain, postoje mnoge veze
izmeu njegovih delova, i
- teko je modelirati i predvideti ponaanje sistema ak i ako su u velikoj meri poznati
njegovi delovi i veze izmeu njih.
Da bi se razumela evolucija kompleksnog sistema potrebno je koristiti metod koji e da
omogui merenje koliine informacija sadranih u podacima koji opisuju ponaanje sistema.
Koliina informacija koju neki dogaaj proizvede e biti vea ukoliko dovede u stanje koje se
ne javlja esto, nego da je ishod dogaaja stanje koje se esto ponavlja. Nesigurnost u
39
predvianju budueg stanja zavisi od broja stanja u kojima sistem moe da postoji i od
verovatnoe pojave svakog stanja. to je disperzija u raspodeli verovatnoe vea to nam je
potrebno vie informacija da bismo predvideli budue stanje. Iz navedenih razloga nas zanima
ukupna koliinu informacija sa kojom moemo opisati uzorkovane podatke.
Prvi problem koji se javlja pri prouavanju kompleksnih sistema jeste semantike prirode
poto ne postoji opte prihvaen i formulisan pojam o tome ta je tano kompleksnost.
Intuitivno se pojam kompleksnosti vezuje za postojanje strukture i potrebno ga je razdvojiti
od neureenosti (Grassberger, 2012). Sledei intuiciju, kompleksnost smetamo izmeu
potpune ureenosti i potpune nasuminosti (slika 4.1). Ono to je veoma bitno naglasiti jeste
to da kompleksnost nosi sa sobom odreeni smisao, odnosno informaciju.
Slika 4.1 Grafik kompleksnosti nasuprot nasuminosti dobijen sledei intuiciju.
Razmotrimo sada jedan jeziki primer koji ukazuje na vezu izmeu informacija i
kompleksnosti. Ako pisac na nekom jeziku nasumino izabere 1000 rei i proglasi to priom,
mala je verovatnoa da e ona da nosi neku informaciju u sebi a kompleksnost e biti jednaka
nuli. Meutim, ukoliko pisac napie basnu od 1000 rei najmlai itaoci e da je doive kao
priu o ivotinjama i dobie odreene informacije iz nje. U tom sluaju kompleksnost e biti
razliita od nule. Stariji itaoci e u basni prepoznati i preneseno znaenje prie i dobiti vie
informacija. Za itaoca koji je upuen u pievu biografiju i socijalne uslove pod kojima je
delo nastalo moe da uoi jo neke poruke koje je pisac implicitno uneo u delo. Takav italac
e da dobije dodatne informacije i on meri jo veu kompleksnost knjievnog dela. Izvodi
se zakljuak da koliina informacija koju neko dobija osmatranjem zavisi od samog
posmatraa i koliine informaciju koju prethodno poseduje. Da bi informacija uopte
postojala, jedna strana treba da alje tu informaciju a druga da je prima. Dakle, informacija ne
moe da postoji bez konteksta (Vedral, 2014).
40
Zbog razliite interpretacije u naunoj literaturi, u dananje vreme postoji mnogo veliina
koje predstavljaju meru kompleksnosti. Svi do sada poznati i korieni pristupi mogu da se
svrstaju u tri kategorije: fraktalnost, metodi nelinearne dinamike i entropija (Tang et al.,
2015). Iako potiu iz razliite perspektive ove tri kategorije su usko povezane i njihove
tehnike esto zavise jedna od druge. Teorija fraktala se bazira na samo-slinosti, analizirajui
podatke o ponaanju sistema na razliitim skalama. U ovoj disertaciji fraktali nisu razmatrani.
Metodi nelinearne dinamike ispituju dinamiku sistema prouavanjem udnog atraktora u
faznom prostoru. Najpopularnija tehnika jeste raunanje Ljapunovljevog eksponenta. Vie
rei o ovoj kategoriji je bilo u prvom delu disertacije. Entropija predstavlja neureenost
sistema i bie joj posveeno vie panje u narednom delu disertacije. Razliite mere entropije
mogu da se svrstaju u dve grupe: strukturalne i dinamike entropije. Strukturalne entropije
mere strukturalnu kompleksnost odnosno distribuciju frekvencija unutar vremenske serije dok
dinamike entropije mere razliite obrasce u vremenskoj seriji i promene u obrascima pri
promeni strukture faznog prostora.
Klod enon se smatra zaetnikom teorije informacija. On je istakao da je osnovni problem
u komunikaciji prenos poruke sa jednog mesta na drugo. Poruke najee nose odreeno
znaenje koje je povezano sa fizikim sistemom ili odreenim konceptom. enon je prvi
pokuao da uvede meru koliine informacija iz podataka koje neki sistem produkuje, kao
duinu opisa samog niza podataka. Metod poiva na pretpostavci da su podaci dobijeni iz
poznatog izvora nasuminih podataka i da su oni karakteristika samog izvora (Grnwald and
Vitnyi, 2004). Posmatrajmo sada nasuminu promenljivu X koja uzima diskretne vrednosti
xi, i=1,2,...,N . Verovatnoa da X ima odreenu vrednost xi Prob(X = xi) se oznaava sa pi, uz
uslov da je 0 pi 1 i 1ii
p . Tada se entropija ili neodreenost funkcije X definie kao
21
( ) logN
i i
i
H X p p
. (4.1)
Na ovaj nain se entropija definie kao funkcija koja preslikava skup nasuminih brojeva u
realne brojeve (Shannon, 1948). Izbor logaritamske funkcije potie zbog njenih osobina, koje
su u skladu sa teorijom verovatnoe. Osobine entropije koje se lako uoavaju su sledee:
- H(X) 0 uvek, izuzev kada je pi=0 za sve ishode osim za samo jedan x1 i tada je
H(X)=0;
41
- za fiksni broj N maksimalna vrednost za H(X) se dobija kada su sve verovatnoe pi
meusobno jednake i iznose pi=1/N, tada je H(X)=log 2N.
Iz ove dve osobine sledi da je entropija H zapravo mera neodreenosti sa jedne strane, a sa
druge strane moe da se interpretira i kao srednja informacija koju dobija neko ko osmatra
vrednosti od X. enonova entropija spada u grupu strukturalnih entropija.
Renji (Alfrd Rnyi) je predloio modifikovani izraz za enonovu entropiju prema kojem
informacija moe da se alje u delovima, bez gubitaka i na neki nain postaje aditivna veliina
2
1
1( ) log
1
N
i
i
H X p
(4.2)
gde je > 0 i 1. Definisana na ovaj nain moe da se smatra i kao entropija reda
distribucije P=(p1,p2,...,pN), H(X)= H
[P]. U graninom sluaju kada limes od tei 1 dobija
se izraz za enonovu entropiju. Posmatrajmo sada dve distribucije verovatnoe P=
(p1,p2,...pN) i Q=(q1,q2,...,qM). Oznaimo sa P * Q direktan proizvod distribucija P i Q, izraen
brojevima piqj, i=1,2,...N i j=1,2,...,M. Tada e H [P * Q] = H [P] + H [Q]. Ovo znai da je
entropija kombinovanog eksperimenta sastavljenog od dva nezavisna eksperimenta jednaka
zbiru entropija pojedinanih eksperimenata (Rnyi, 1961). Pretpostavimo sada da je
nasumina promenljiva X zapravo par promenljivih X=(Y,Z) sa ishodom eksperimenta
oznaenim sa dva indeksa i i j, xij=(yi,zj). Oznaimo sa pj verovatnou da Z ima vrednost zj a
sa ( )|
X
i jp uslovnu verovatnou da Y ima vrednost yi kada Z ima vrednost zj. Tada e entropija od
Z biti H(Z) a entropija od Y uz uslov Z=zj e biti ( ) ( )
2| |( | ) logX Xj
ii j i j
H Y z p p . Sledi da je
( ) ( , ) ( ) ( | ) ( ) ( | )j jj
H X H Y Z H Z p H Y z H Z H Y Z . Dakle, da bismo odredili ishod
od X prvo treba da odredimo ishod od Z a zatim da naemo srednju informaciju od Y u
zavisnosti od Z, ako su Y i Z meusobno zavisne. Poznavanje ishoda od Z moe samo da
smanji neodreenost ishoda od Y i nikada ne moe da je povea. To se naziva redundancija ili
uzajamna informacija. Proirujui definiciju entropije na n-torku nasuminih promenljivih S =
(S1, ..., Sn) koje predstavljaju diskretan niz vrednosti, pri emu je P(s1, s2, ..., sn) verovatnoa
da je Sk=sk za 1 k n dobija se izraz
1 2 2 1 21,...,
( , ,... ) log ( , ,... )n n nns s
H P s s s P s s s . (4.3)
42
Da bi se niz opisao potrebno je navesti svaki lan, redom. Ukoliko je opis bez redundancije
tada e srednja duina opisa po svakom lanu biti jednaka hn=Hn+1Hn. Veliina hn se tumai
kao koliina informacija potrebna da se odredi n+1 lan niza ukoliko je svih n prethodnih
lanova poznato, odnosno kao srednja uslovna informacija. Poznavanje to vie prethodnih
lanova niza moe da smanji neodreenost sledeeg lana niza ali ne i da je povea, pa otuda
hn+1 hn. Ako je niz dovoljno dugaak bie lim nn
h h
. Na ovaj nain se definie entropija
niza h, a ukoliko niz predstavlja vrednosti dobijene nekim dinamikim procesom onda se
naziva Kolmogorov-Sinajeva (Yakov Sinai) entropija ili metrika entropija dinamikog
sistema. Suma svih pozitivnih Ljapunovljevih eksponenata nekog dinamikog sistema daje
procenu Kolmogorov-Sinajeve entropije (Pesin, 1977).
U grupu strukturalnih entropija, kao mera kompleksnosti vremenskih serija spada i
permutaciona entropija (Bandt and Pompe, 2002). Osnovna ideja jeste da se meusobno
porede susedni lanovi u vremenskoj seriji sa elementima xi, i=1,2,...,N. lanovi sa jednakim
vrednostima xi* = xi, i* i se ne uporeuju, ve se razmatraju samo nejednakosti meu
lanovima. Ova entropija moe da se rauna za razliite vrednosti strukturne dimenzije
faznog prostora m, koja zavisi od broja posmatranih suseda (dva, tri ili vie). Ukoliko, na
primer, posmatramo seriju od sedam lanova x=(4, 7, 9, 10, 6, 11, 3) tada e biti est parova
suseda od kojih za etiri vai nejednakost xi < xi+1 a za dva para vai xi > xi+1. U prvom sluaju
etiri para su predstavljena permutacijom 01 a u drugom sluaju dva para su predstavljena sa
10. Permutaciona entropija reda m=2 e biti mera verovatnoe za permutacije 01 i 10, i
raunae se kao 2 2(2) (4 / 6) log (4 / 6) (2 / 6) log (2 / 6) 0.918H . Pri poreenju tri
susedne vrednosti kombinacije (4, 7, 9) i (7, 9, 10) predstavljaju permutaciju 012 zato to su
poredane u rastuem poretku xi < xi+1 < xi+2, (9, 10, 6) i (6, 11, 3) odgovaraju permutaciji 201
jer je xi+2 < xi < xi+1, dok je (10, 6, 11) permutacija tipa 102 zbog toga to je xi+1 < xi < xi+2.
Permutaciona entropija reda m=3 e biti 2 2(3) 2(2 / 5) log (2 / 5) (1/ 5) log (1/ 5) 1.522H .
Za vremensku seriju {xi}, i=1,2,...,N posmatramo svih m! permutacija reda m koje
predstavljaju mogui raspored m razliitih lanova serije. Za svako se odreuje relativna
frekvencija
1# |1 ,( ,..., )
( )1
i i mi i N m x x je tipap
N m
(4.4)
43
koja za izabrani red m kae koliki broj parova je permutacija tipa u odnosu na ukupan broj
parova. Tada se permutaciona entropija reda m 2 definie kao
!
2
1
( ) ( ) log ( )m
i i
i
H m p p
. (4.5)
Ona nam daje informaciju o vremenskoj seriji poreenjem m uzastopnih njenih lanova.
Vrednosti uvek lee u intervalu 0 H(m) log2(m!). Na primeru logistike mape je pokazano
dobro slaganje permutacione entropije sa Ljapunovljevim eksponentom, utvreno je da ova
mera moe da napravi razliku izmeu periodine, nasumine i haotine vremenske serije kao i
to da mali um ne menja znaajno kompleksnost haotinog signala (Bandt and Pompe, 2002).
Dinamike entropije ispituju kompleksnost sistema posmatrajui promenu obrazaca
unutar vremenske serije podataka i njihove dinamike, u smislu uslovne verovatnoe da dve
sekvence u faznom prostoru ostanu sline jedna drugoj pri promeni strukturne dimenzije
faznog prostora m. Dugo vremena je korelaciona dimenzija bila u upotrebi kao algoritam pri
analizi podataka (Grassberger and Procaccia, 1983). Za datu vremensku seriju koja se sastoji
od N lanova x=(x1, x2, ..., xN) koji su mereni u jednakim vremenskim intervalima i uz izbor
pozitivnog celog broja m i pozitivnog realnog broja r, konstruie se niz vektora
1 2 1, ,...,m m m
N mX X X definisanih kao 1 1( , ,..., ), 1, 2,..., 1m
i i i N mX x x x i N m . Tada je
# ,
( )1
m m
i jm
i
d X X rC r
N m
(4.6)
broj j sluajeva za koje je distanca izmeu vektora manja od izabranog r. Distanca izmeu
vektora se definie kao [0, 1], max
m m
i j k m i k j kd X X x x . Sada e biti
1
1
1( ) ( )
1
N mm m
i
i
C r C rN m
(4.7)
i za dovoljno veliko m korelaciona dimenzija se rauna kao
20
2
log ( )lim lim
log
m
mr N
C r
r
. (4.8)
44
Pokazano je da korelaciona dimenzija moe da ukae na razliku izmeu korelisanih i
nekorelisanih uzastopnih lanova niza, sa veim vrednostima dimenzije u sluaju
nekorelisanih podataka (Pincus, 1991). Grasberger (Peter Grassberger) i Prokaia (Itamar
Procaccia) su u svom radu iz 1983. godine predloili meru za koliinu informacija u
haotinoj vremenskoj seriji na osnovu Kolmogorov-Sinajeve entropije. Takens (Floris
Takens) je izmenio njihovu formulu uvodei distancu izmeu vektora (Takens, 1983) a
Ekman (Jean-Pierre Eckmann) i Ruele (David Ruelle) su modifikovali Takensovu formulu
kako bi direktno izraunali Kolmogorov-Sinajevu entropiju (Eckmann and Ruele, 1985).
Definisali su izraz
1
2
1
1( ) log ( )
1
N mm m
i
i
r C rN m
(4.9)
pomou kojeg se dobija Ekman-Rueleova entropija
1
0lim lim lim ( ) ( )m mr m N
E R r r
. (4.10)
S obzirom da Ekman-Rueleova entropija ima beskonanu vrednost za vremensku seriju
superponiranu umom bilo kojeg intenziteta, potrebno je napraviti aproksimaciju za realne
eksperimentalne podatke, za neku odreenu vrednost parametra r koja je obino u intervalu
10-20% standardne devijacije vrednosti podataka (Pincus, 1991)
1( , , ) ( ) ( )m mApEn m r N r r . (4.11)
Na ovaj nain se dobija aproksimativna entropija koja meri verovatnou da obrasci u
vremenskoj seriji koji su slini ostanu slini i kada se porede u vioj strukturnoj dimenziji m.
Mala vrednost aproksimativne entropije odraava visok stepen regularnosti u nizu podataka.
Osnovni nedostatak ove mere jeste to to je osetljiva na duinu niza i za krae nizove ima
vrednosti manje od oekivanih. Druga stvar se odnosi na konzistentnost, koja joj nedostaje.
Ako jedna vremenska serija ima veu vrednost aproksimativne entropije u odnosu na drugu,
onda bi trebalo da je zadri pri testiranju pod razliitim uslovima, odnosno za razliite
vrednosti parametara, to ponekad nije sluaj. U algoritmu za raunanje ove mere ablonski
vektor koji se poredi sa ostalim vektorima, poredi se i sa sobom kako bi se izbegao sluaj da
je verovatnoa jednaka nuli i da bi se uvek mogao izraunati logaritam verovatnoe.
45
Nedostaci aproksimativne entropije su ispravljeni uvoenjem nove mere koja se naziva
entropija uzorka (eng. sample entropy) (Richman and Moorman, 2000). Iskljueno je samo-
podudaranje ablonskog vektora i jedini zahtev je da vektor duine m nae slian vektor
duine m+1. Za vektor m
iX definiemo Bi koje predstavlja broj vektora j (1 j Nm), pri
emu je ji da bi bilo iskljueno samo-podudaranje, za koje je rastojanje ,m mi jd X X r .
Tada je, za i u intervalu 1 i Nm, ( ) / ( 1)mi iB r B N m i definiemo
1
( ) ( ) / ( )N m
m m
i
i
B r B r N m
kao verovatnou da se dve sekvence podudaraju za m taaka.
Na isti nain se za vektore 1m
iX
i 1mjX definie
1
( ) ( ) / ( )N m
m m
i
i
A r A r N m
i predstavlja
verovatnou da se dve sekvence podudaraju za m+1 taaka. Konano se dobija izraz sa
entropiju uzorka
( )
( , , ) ln( )
m
m
A rSampEn m r N
B r (4.12)
ija vrednost moe da se izrauna uvek, osim kada je Bm(r)=0, u sluaju da ne postoji niti
jedno podudaranje i kada je Am(r)=0, to znai da je uslovna verovatnoa jednaka 0. Najmanja
vrednost uslovne verovatnoe, razliita od nule, koju algoritam moe da izrauna jeste 2[(N
m1) (Nm)]1
dok je gornja granica vrednosti entropije uzorka ln (Nm)+ln (Nm1) ln 2
(Richman and Moorman, 2000). Entropija uzorka pokazuje veu konzistentnost u odnosu na
aproksimativnu entropiju prilikom istih testova, mada ni ona sama ne mora da bude uvek
konzistentna. Entropija uzorka je statistika mera koja broji koliko se vektora u nekoj
vremenskoj seriji meusobno podudara. Ako svaki vektor predstavlja neki dogaaj onda e
statistika biti nepouzdana ukoliko su ti dogaaji retki, to vodi do manjka konzistentnosti.
Entropija uzorka, kao i druge entropije, moe da se analizira i na razliitim vremenskim
skalama. Diskretna vremenska serija sa N lanova {xi}, i=1,2,...,N se za odreenu vrednost
faktora vremenskog skaliranja transformie u novu seriju tako to se podeli na podintervale
duine koji se meusobno ne preklapaju, a potom se svi podaci koji se nalaze u jednom
intervalu usrednje. Na taj nain se dobije serija grublje rezolucije
( )
( 1) 1
1 j
j i
i j
y x
(4.13)
46
pri emu je 1 j N/. Za > 1 nova vremenska serija ima N/ lanova. Potom se rauna
entropija uzorka za svaku novu vremensku seriju dobijenu za razliite vrednosti faktora
vremenskog skaliranja (Balzter, 2014). Ukoliko su vrednosti entropije jedne vremenske serije
na raznim vremenskim skalama vee u odnosu na drugu, tada je prva serija kompleksnija od
druge. Termin kompleksnija u sluaju vremenske serije znai da je serija manje ureena i da
se obrasci u njoj pojavljuju skroz nasumino, pa da je zbog toga teko predvideti naredne
lanove niza.
U teoriji informacija enonova entropija predstavlja meru prosene koliine informacija
koja je potrebna da bi se kodirao neki niz podataka, odnosno da bi se prenela poruka, ali ona
ne uzima u obzir informacije potrebne za opisivanje samog postupka kodiranja, koji zavisi od
raspodele verovatnoe. Kolmogorovljeva kompleknost je povezana sa enonovom entropijom
na taj nain da je njena oekivana vrednost za neki nasumian niz priblino jednaka entropiji
d