رفتن به مطلب

پست های پیشنهاد شده

سلام خدمت دوستان عزیز...

 

به دلیل زیاد شدن سوالات مربوط به متلب و زدن تاپیکای مختلف و داشتن درخواستهای مربوط به متلب تصمیم بر این گرفته شد که یک تاپیک مخصوص برای پرسیدن سوالات زده بشه تا از پراکندگی در بیاد....

 

پس سوالات مربوط به متلب رو در این تاپیک بپرسید....

 

موفق باشید:a030:

به اشتراک گذاری این ارسال


لینک به ارسال

سلام.

 

باید بزرگترین مقدار لیاپانوف اکسپوننت رو برای سری زمانی آشوبناک مکی گلس بدست بیارم.

 

نمیدونم لیاپانوف دقیقا چکار می کنه و خروجی کد متلبش باید چی باشه!!!

 

کسی میتونه کمکم کنه؟

به اشتراک گذاری این ارسال


لینک به ارسال

سلام.

من کد لیاپانوف زیر رو برای داده های مکی گلس استفاده کردم ولی یه خطا داره.
متوجه دلیل خطاش نمی شم!!!!

[CODE]close all;
clear all;

y= xlsread('MackeyGlass.xlsx');
m=0;
tau=0;
%__________________________________________________________________________
% Usage: Calculates largest Lyapunov exponent

% INPUTES:
% y: y is vector of values(time series data)
% tau: embedding lag of state space reconstruction. When you have not
% any information about tau please let it zero. The code will calculates
% the tau.
% m: m is embedding dimension. If you have not any information about
% embedding dimension please let it zero. the code will find proper
% embedding dimension.

% OUTPUTS:
% LLE: Largest Lyapunov Exponent
% lambda: Lyapunov exponents for various ks. Plot of this exponents is
% very helpful. If embedding dimension be selected correctly lambda curve
% will have smooth part(or fairly horizontal). If there is no smooth
% section on the curve, it is better you try with other embedding
% dimensions.

% NOTE1: When user do not have any information about tau, she should let
% tau equal to zero(0). In this case the code will use autocorrelation up
% to orders 10 to select proper embedding lag(tau). The proper lag is the
% lag before of first decline of autocorrelation value below
% exp(-1)=0.367879441.For data with nonlinear dependency autocorrelation
% function is not proper and mutual information criteria will be used for
% selecting proper lag value(tau). when both of criteria ,
% Autocorrelation and mutual information fail to select tau, tau=1 is
% selected automatically.

% NOTE2: When user have not any information about proper value of embedding
% dimension, she should let it zero(0).In this case code automatically
% selects proper m by FNN( False Nearest Neighbors) or if this method
% fails due to high noise in data, the code will use another method named
% symplectic geometry. This method is a graphical in nature however I use
% F test for selection of m based on variance change of eigenvalues.


% NOTE3:The code usually will not give any error, however For noisy data,
% high embedding dimension may cause stop of the code, and error message
% such as follows:


% ??? Attempted to access R(1); index out of bounds because
% numel(R)=0.
% Error in ==> regress at 80
% p = sum(abs(diag(R)) > max(n,ncolX)*eps(R(1)));
% Error in ==> lyaprosen at 342
% [betar]=regress(L(1:Tl), [ones(Tl,1) x]);


% Please reduce the proposed embedding dimension shown in command window.
%


% Ref:
% -Rosenstein,M. T., J. J. Collins and C. J. De Luca,(1993). A practical
% method for calculating largest Lyapunov exponents from small data sets.
% Physica D.
% -Hai-Feng Liu, Zheng-Hua Dai, Wei-Feng Li, Xin Gong, Zun-Hong Yu(2005)
% Noise robust estimates of the largest Lyapunov exponent,Physics Letters
% A 341, 119–127
% -Sprott,J. C. (2003). Chaos and Time Series Analysis. Oxford University
% Press.
% -Lei, M., Wang Z., Feng Z.A method of embedding dimension estimation
% based on symplectic geometry, Physics Letters A 303 (2002) 179–189.
% -Zeng,X., R. Eykholt, and R. A. Pielke (1991)Estimating the
% Lyapunov-Exponent Spectrum from Short Time Series of Low Precision,
% Physical Review Letters, Vol. 66, Number 25.



% Copyright(c) Shapour Mohammadi, University of Tehran, 2009
% shmohammadi@gmail.com

% Keywords: Lyapunov Exponents, Chaos, Time Series, Taylor Expansion,
% Direct Method, Full Automatic selection code. Minimum mutual Information,
% Autocorrelation, False nearest neighbors, Symplectic Geometry.


tic
if m==0;

%_________Determination Embeding Dimension: False Nearest Neighbour________
y=y(:);
RT=15;
AT=2;
sigmay=std(y);
[nyr,nyc]=size(y);
%Embeding matrix
maxm=10;

EMmm=lagmatrix(y,0:maxm-1);

%EM after nan elimination.
EEMmm=EMmm(1+(maxm-1):end,:);
[rEEMmm cEEMmm]=size(EEMmm);

mopt=[];

for k=1:cEEMmm
fnn1=[];
fnn2=[];
Dmm=dist(EEMmm(:,1:k)');

for i=1:rEEMmm-maxm-k

d11mm = min(Dmm(i,1:i-1));
d12mm=min(Dmm(i,i+1:end));
Rm=min([d11mm;d12mm]);
l=find(Dmm(i,1:end)== Rm);
if Rm>0
if l+maxm+k-1<nyr
fnn1=[fnn1;abs(y(i+maxm+k-1,1)-y(l+maxm+k-1,1))/Rm];
fnn2=[fnn2;abs(y(i+maxm+k-1,1)-y(l+maxm+k-1,1))/sigmay];
end
end
end
Ind1=find(fnn1>RT);
Ind2=find(fnn2>AT);
if length(Ind1)/length(fnn1)<.1 && length(Ind2)/length(fnn1)<.1;
mopt=k; break

end
end

m=mopt;

is1=isempty(mopt);
if is1==1

%_______Determination Embedding Dimension: Symplectic Geometry Method______

cnt=0;
figure('name','Symplethic Geometry','NumberTitle','off')
for k=3:1:20
cnt=cnt+1;
X=lagmatrix(y,1:k);
X=X(k+1:end,:);
A=X'*X;

[rA cA]=size(A);
HH=ones(cA);

for i=1:cA

S=A(:,i);
if i>1
S(1:i-1,1)=0;
end
if norm(S(i+1:end,1),2)>0;
alpha=norm(S,2);
E=zeros(rA,1);
E(i,1)=1;
roh=norm(S-alpha*E,2);
omega=(1/roh)*(S-alpha*E);
H=eye(rA)-2*omega*omega';
A=H*A;
HH=HH*H;
end

end

lambda1=real(eig(A));
lambda=sort(lambda1,'descend');
sigma=lambda.^2;
SIGMA=log10(sigma/sum(sigma));
for ii=2:length(SIGMA)-1
Hyp(ii,1)= vartest2(SIGMA(ii:end),SIGMA(1:end),0.05);
end

ind=find(Hyp==1);
if ~isempty(ind)
Embddim(cnt,1)=ind(1,1);
end

plot(SIGMA,'-*b')
hold on
end
emdim=find(Embddim>0);
embddim=emdim(1,1);

m=embddim
title (['Symplectic Geometry for Determination of Embedding Dimension']);
end

end


if tau==0;

%___________________Determination of Embeding Lag: tau_____________________

% A: Autocorrelation

y=y(:);
[nyr,nyc]=size(y);

[ACF,Lags,Bounds] = autocorr(y(:,1),10,[],[]);
ACF=ACF(2:end);
for l=1:10
if abs(ACF(l))<=exp(-1),tau=l-1; break,end
end

if tau==0

% B: Minimum Mutual Information
pnts=100;
for im=0:10
z=lagmatrix(y,im);
d=2;
n=length(z(im+1:end));

endp1=ceil(pnts/10);
endp2=ceil(pnts/10);

minz=min(z(im+1:end));maxz=max(z(im+1:end));grz=(maxz-minz)/(pnts-endp1);
miny=min(y(im+1:end));maxy=max(y(im+1:end));gry=(maxy-miny)/(pnts-endp1);

h1z=(4/(3*n))^(1/5)*std(z(im+1:end));
h1y=(4/(3*n))^(1/5)*std(y(im+1:end));

for k=1:pnts
zi(k,1)=minz+grz*(k-endp2);
yi(k,1)=miny+gry*(k-endp2);

fz(k,1)=(1/((2*pi)^0.5*n*h1z))*sum(exp(-((zi(k,1)-...
z(im+1:end)).^2)/(2*h1z^2)));
fy(k,1)=(1/((2*pi)^0.5*n*h1y))*sum(exp(-((yi(k,1)-...
y(im+1:end)).^2)/(2*h1y^2)));

pz(k,1)=(1/((2*pi)^0.5*n*h1z))*sum(exp(-((zi(k,1)-...
z(im+1:end)).^2)/(2*h1z^2)))*grz;
py(k,1)=(1/((2*pi)^0.5*n*h1y))*sum(exp(-((yi(k,1)-...
y(im+1:end)).^2)/(2*h1y^2)))*gry;

end

[gz gy]=meshgrid(zi,yi);
sigma=((n*var(z(im+1:end))+n*var(y(im+1:end)))/(n+n))^0.5;
h=sigma*(4/(d+2))^(1/(d+4))*(n^(-1/(d+4)));

for i=1:pnts
for j=1:pnts

fzy(i,j)=(1/(2*pi*n*h^2))*sum(exp(-((gz(i,j)-z(im+1:end)).^2+...
(gy(i,j)-y(im+1:end)).^2)/(2*h^2)));
pzy(i,j)=(1/(2*pi*n*h^2))*sum(exp(-((gz(i,j)-z(im+1:end)).^2+...
(gy(i,j)-y(im+1:end)).^2)/(2*h^2)))*grz*gry;
I1zy(i,j)= pzy(i,j)*log(pzy(i,j)/(pz(i)*py(j)));
end
end

Hz=-(pz'*log(pz));
Hy=-(py'*log(py));

MIzy=(sum(sum(I1zy)));
RMIzy1(im+1,1)=2*MIzy/(Hz+Hy);
RMIzy2(im+1,1)=MIzy/(Hz*Hy)^0.5;
RMIzy3(im+1,1)=MIzy/min(Hz,Hy);
end

MIInd=find(RMIzy1(2:end)<exp(-1)*RMIzy1(1,1));
if MIInd(1,1)>1
tauMI=MIInd(1,1)-1;
else
tauMI=1;
end

tau=tauMI;

end
end
%___________________________Defining lags for y____________________________
yreg=y(:);
maxlag=m;
[nyr,nyc]=size(yreg);
yLreg=lagmatrix(y,1:maxlag);
yreg=yreg(maxlag+1:end,1);
yLreg=yLreg(maxlag+1:end,:);
[ryLreg cyLreg]=size(yLreg);

% Regressors Up to 3 degree

X1=yLreg;

num1=0;
num2=0;
X2ij=[];
X3ijk=[];
for i=1:cyLreg
for j=i:cyLreg
X2ij=[X2ij yLreg(:,i).*yLreg(:,j)];
Indexij(num1+1,1)=i;
Indexij(num1+1,2)=j;
num1=num1+1;
for k=j:cyLreg
X3ijk=[ X3ijk yLreg(:,i).*yLreg(:,j).*yLreg(:,k)];
Indexijk(num2+1,1)=i;
Indexijk(num2+1,2)=j;
Indexijk(num2+1,3)=k;
num2=num2+1;

end
end
end

X=[ones(ryLreg,1) X1 X2ij X3ijk];

beta =inv (X'*X)*X'*yreg;
e=yreg-X*beta;
myreg=yreg-mean(yreg);
R2=1-e'*e/(myreg'*myreg);
if R2<0
R2=1;
end

%______________________Defining lags for y:tau_____________________________

%Embeding matrix.(time delay)
EM(1:nyr,1:m)=nan;
for lead=0:m-1
EM(1+lead*tau:nyr,lead+1)=y(1:nyr-lead*tau);
end

%EM after nan elimination.
EEM=EM(1+(m-1)*tau:nyr,:);
[rEEM cEEM]=size(EEM);

%_______________________Loop for distance calculations_____________________

dd=pdist(EEM,'chebychev');
dd=squareform(dd);


mad=std(y);
dd=dd+eye(rEEM)*10*mad;


for k=0:20
for n=1:rEEM-k

l1=find(0.05*(1/R2)*mad<dd(n,1:end-k)<0.1*(1/R2)*mad)';

u=dd(l1+k,n+k);
LL(n,1) = log(mean(u));

end
L(k+1,1)=nanmean(LL);
K(k+1,1)=k;

end

lambda=diff(L)./diff(K);

figure('name','Lyapunov Exponent','NumberTitle','off')
plot(K,L,'.');
title(['Lyapunov Exponent'])
%_________________Nonlinear Regression Layapunov Exponents_________________

Lmax=max(L);
L0=L(1);
Lm=L0+0.9*(Lmax-L0);
Ldiff=abs(L-Lm);

Tl=find(Ldiff==min(Ldiff));

x=K(1:Tl);

[betar]=regress(L(1:Tl), [ones(Tl,1) x]);



for iii=1:100
beta = nlinfit(K(1:Tl),L(1:Tl) @nonlin1,[betar;randn(1,1)]);
LLE1(iii,1)=beta(2,1);
end
LLE=mean(LLE1);

toc
function yhat = nonlin1(beta,x)
b1 = beta(1);
b2 = beta(2);
b3 = beta(3);
yhat =b1+b2*x+b3*x./exp(b2*x);

[/CODE]

به اشتراک گذاری این ارسال


لینک به ارسال
سلام.

 

من کد لیاپانوف زیر رو برای داده های مکی گلس استفاده کردم ولی یه خطا داره.

متوجه دلیل خطاش نمی شم!!!!

 

 

در مورد صحت کدتون هیچ نظری ندارم اما این دو مورد رو رعایت کنید مشکلتون حل میشه و کد اجرا میشه

 

۱- خط ۳۸۱ برنامه تو متلب (دهمین خط از پایین کدی که اینجا گذاشتید) رو به صورت زیر اصلاح کنید


[font=Courier]beta = nlinfit(K(1:Tl),L(1:Tl),[at]nonlin1,[betar;randn(1,1)]);[/font]

که تو برنامه خط بالا منظورم از [at] علامت اتساین هست که تو کد html فک کنم باهاش مشکل داره و کاما پشتشو پاک میکنه و من مجبور شدم این شکلی بنویسم...شما تو متلب اتساین بذارید

 

۲- قسمت مربوط به فانکشن رو به یه ام فایل جدید ببرید و با نام nonlin1 ذخیره کنید. یعنی این قسمت کد رو کات کنید و در ام فایل جدید به اسمی که گفتم بذارید:

 

[font=Courier][color=#0433ff]function[/color] yhat = nonlin1(beta,x)[/font]
[font=Courier]b1 = beta(1);[/font]
[font=Courier]b2 = beta(2);[/font]
[font=Courier]b3 = beta(3);[/font]
[font=Courier]yhat =b1+b2*x+b3*x./exp(b2*x);[/font]

 

موفق باشید

به اشتراک گذاری این ارسال


لینک به ارسال

سلام

 

جناب یاسر، خیلی خیلی متشکرم از پاسختون. راستش تاپیک رو منتقل کرده بودند و من فکر کردم کلا حذف شده.

الان پاسختون رو دیدم. خیلی لطف کردید. الحمدلله خطا رو برطرف کردم

به اشتراک گذاری این ارسال


لینک به ارسال

[CODE]%% Lyapunov Exponent
clc;
close all;
clear all;

y= xlsread('MackeyGlass.xlsx');
plot (y)

m=0;
tau=0;

tic
if m==0;

%_________Determination Embeding Dimension: False Nearest Neighbour________
y=y(:);
RT=15;
AT=2;
sigmay=std(y);
[nyr,nyc]=size(y); %#ok
%Embeding matrix
maxm=10;

EMmm=lagmatrix(y,0:maxm-1);

%EM after nan elimination.
EEMmm=EMmm(1+(maxm-1):end,:);
[rEEMmm, cEEMmm]=size(EEMmm);

mopt=[];

for k=1:cEEMmm
fnn1=[];
fnn2=[];
Dmm=dist(EEMmm(:,1:k)');

for i=1:rEEMmm-maxm-k

d11mm = min(Dmm(i,1:i-1));
d12mm=min(Dmm(i,i+1:end));
Rm=min([d11mm;d12mm]);
l=find(Dmm(i,1:end)== Rm);
if Rm>0
if l+maxm+k-1<nyr
fnn1=[fnn1;abs(y(i+maxm+k-1,1)-y(l+maxm+k-1,1))/Rm]; %#ok
fnn2=[fnn2;abs(y(i+maxm+k-1,1)-y(l+maxm+k-1,1))/sigmay]; %#ok
end
end
end
Ind1=find(fnn1>RT);
Ind2=find(fnn2>AT);
if length(Ind1)/length(fnn1)<.1 && length(Ind2)/length(fnn1)<.1;
mopt=k; break

end
end

m=mopt;

is1=isempty(mopt);
if is1==1

%_______Determination Embedding Dimension: Symplectic Geometry Method______

cnt=0;
figure('name','Symplethic Geometry','NumberTitle','off')
for k=3:1:20
cnt=cnt+1;
X=lagmatrix(y,1:k);
X=X(k+1:end,:);
A=X'*X;

[rA, cA]=size(A);
HH=ones(cA);

for i=1:cA

S=A(:,i);
if i>1
S(1:i-1,1)=0;
end
if norm(S(i+1:end,1),2)>0;
alpha=norm(S,2);
E=zeros(rA,1);
E(i,1)=1;
roh=norm(S-alpha*E,2);
omega=(1/roh)*(S-alpha*E);
H=eye(rA)-2*omega*omega'; %#ok
A=H*A;
HH=HH*H;
end

end

lambda1=real(eig(A));
lambda=sort(lambda1,'descend');
sigma=lambda.^2;
SIGMA=log10(sigma/sum(sigma));
for ii=2:length(SIGMA)-1
Hyp(ii,1)= vartest2(SIGMA(ii:end),SIGMA(1:end),0.05); %#ok
end

ind=find(Hyp==1);
if ~isempty(ind)
Embddim(cnt,1)=ind(1,1); %#ok
end

plot(SIGMA,'-*b')
hold on
end
emdim=find(Embddim>0);
embddim=emdim(1,1);

m=embddim;
title (['Symplectic Geometry for Determination of Embedding Dimension']); %#ok
end

end


if tau==0;

%___________________Determination of Embeding Lag: tau_____________________

% A: Autocorrelation

y=y(:);
[~,nyc]=size(y); %#ok

[ACF,Lags,Bounds] = autocorr(y(:,1),10,[],[]);
ACF=ACF(2:end);
for l=1:10
if abs(ACF(l))<=exp(-1),tau=l-1; break,end
end

if tau==0

% B: Minimum Mutual Information
pnts=100;
for im=0:10
z=lagmatrix(y,im);
d=2;
n=length(z(im+1:end));

endp1=ceil(pnts/10);
endp2=ceil(pnts/10);

minz=min(z(im+1:end));maxz=max(z(im+1:end));grz=(maxz-minz)/(pnts-endp1);
miny=min(y(im+1:end));maxy=max(y(im+1:end));gry=(maxy-miny)/(pnts-endp1);

h1z=(4/(3*n))^(1/5)*std(z(im+1:end));
h1y=(4/(3*n))^(1/5)*std(y(im+1:end));

for k=1:pnts
zi(k,1)=minz+grz*(k-endp2); %#ok
yi(k,1)=miny+gry*(k-endp2); %#ok

fz(k,1)=(1/((2*pi)^0.5*n*h1z))*sum(exp(-((zi(k,1)-...
z(im+1:end)).^2)/(2*h1z^2))); %#ok
fy(k,1)=(1/((2*pi)^0.5*n*h1y))*sum(exp(-((yi(k,1)-...
y(im+1:end)).^2)/(2*h1y^2))); %#ok

pz(k,1)=(1/((2*pi)^0.5*n*h1z))*sum(exp(-((zi(k,1)-...
z(im+1:end)).^2)/(2*h1z^2)))*grz; %#ok
py(k,1)=(1/((2*pi)^0.5*n*h1y))*sum(exp(-((yi(k,1)-...
y(im+1:end)).^2)/(2*h1y^2)))*gry; %#ok

end

[gz, gy]=meshgrid(zi,yi);
sigma=((n*var(z(im+1:end))+n*var(y(im+1:end)))/(n+n))^0.5;
h=sigma*(4/(d+2))^(1/(d+4))*(n^(-1/(d+4)));

for i=1:pnts
for j=1:pnts

fzy(i,j)=(1/(2*pi*n*h^2))*sum(exp(-((gz(i,j)-z(im+1:end)).^2+...
(gy(i,j)-y(im+1:end)).^2)/(2*h^2))); %#ok
pzy(i,j)=(1/(2*pi*n*h^2))*sum(exp(-((gz(i,j)-z(im+1:end)).^2+...
(gy(i,j)-y(im+1:end)).^2)/(2*h^2)))*grz*gry; %#ok
I1zy(i,j)= pzy(i,j)*log(pzy(i,j)/(pz(i)*py(j))); %#ok
end
end

Hz=-(pz'*log(pz));
Hy=-(py'*log(py));

MIzy=(sum(sum(I1zy)));
RMIzy1(im+1,1)=2*MIzy/(Hz+Hy); %#ok
RMIzy2(im+1,1)=MIzy/(Hz*Hy)^0.5; %#ok
RMIzy3(im+1,1)=MIzy/min(Hz,Hy); %#ok
end

MIInd=find(RMIzy1(2:end)<exp(-1)*RMIzy1(1,1));
if MIInd(1,1)>1
tauMI=MIInd(1,1)-1;
else
tauMI=1;
end

tau=tauMI;

end
end
%___________________________Defining lags for y____________________________
yreg=y(:);
maxlag=m;
[nyr,nyc]=size(yreg);
yLreg=lagmatrix(y,1:maxlag);
yreg=yreg(maxlag+1:end,1);
yLreg=yLreg(maxlag+1:end,:);
[ryLreg, cyLreg]=size(yLreg);

% Regressors Up to 3 degree

X1=yLreg;

num1=0;
num2=0;
X2ij=[];
X3ijk=[];
for i=1:cyLreg
for j=i:cyLreg
X2ij=[X2ij yLreg(:,i).*yLreg(:,j)]; %#ok
Indexij(num1+1,1)=i; %#ok
Indexij(num1+1,2)=j; %#ok
num1=num1+1;
for k=j:cyLreg
X3ijk=[ X3ijk yLreg(:,i).*yLreg(:,j).*yLreg(:,k)]; %#ok
Indexijk(num2+1,1)=i; %#ok
Indexijk(num2+1,2)=j; %#ok
Indexijk(num2+1,3)=k; %#ok
num2=num2+1;

end
end
end

X=[ones(ryLreg,1) X1 X2ij X3ijk];

beta =inv (X'*X)*X'*yreg; %#ok
e=yreg-X*beta;
myreg=yreg-mean(yreg);
R2=1-e'*e/(myreg'*myreg);
if R2<0
R2=1;
end

%______________________Defining lags for y:tau_____________________________

%Embeding matrix.(time delay)
EM(1:nyr,1:m)=nan;
for lead=0:m-1
EM(1+lead*tau:nyr,lead+1)=y(1:nyr-lead*tau);
end

%EM after nan elimination.
EEM=EM(1+(m-1)*tau:nyr,:);
[rEEM, cEEM]=size(EEM);

%_______________________Loop for distance calculations_____________________

dd=pdist(EEM,'chebychev');
dd=squareform(dd);


mad=std(y);
dd=dd+eye(rEEM)*10*mad;


for k=0:20
for n=1:rEEM-k

l1=find(0.05*(1/R2)*mad<dd(n,1:end-k)<0.1*(1/R2)*mad)';

u=dd(l1+k,n+k);
LL(n,1) = log(mean(u)); %#ok

end
L(k+1,1)=nanmean(LL); %#ok
K(k+1,1)=k; %#ok

end

lambda=diff(L)./diff(K);

figure('name','Lyapunov Exponent','NumberTitle','off')
plot(K,L,'.');
title(['Lyapunov Exponent']) %#ok
%_________________Nonlinear Regression Layapunov Exponents_________________

Lmax=max(L);
L0=L(1);
Lm=L0+0.9*(Lmax-L0);
Ldiff=abs(L-Lm);

Tl=find(Ldiff==min(Ldiff));

x=K(1:Tl);

[betar]=regress(L(1:Tl), [ones(Tl,1) x]);

for iii=1:100
beta = nlinfit(K(1:Tl),L(1:Tl) @nonlin1,[betar;randn(1,1)]);
LLE1(iii,1)=beta(2,1); %#ok
end
LLE=mean(LLE1);

toc

[/CODE]

این کد رست شده هستش.
قراره لیاپانوف، بهترین داده های مکی گلاس رو برای پیش بینی بوسیله انفیس بده. اما خروجی این برنامه، فقط یک عدده!!
معنی این عدد چیه؟ باید چطور از اون برای تعیین ورودی های انفیس استفاده کنم؟

به اشتراک گذاری این ارسال


لینک به ارسال

سلام....بر دوستان متلبی گل

 

حرف حساب این کدها چ میباشد..:banel_smiley_4:..من متلبم خیلی ضعیفه متاسفانه....:5c6ipag2mnshmsf5ju3....باید یکم تایمم خلوت شد حتما برم دنبالش....:whistle:....اگر پروژه ها بذارن....icon_razz.gif

خوب معادله موج یک بعدیِ این رو میدونم....اما سینتکس ها چی میگن رو میخوام بدونم...:ws3:

 

 

syms B;syms A;syms x;tempU=0;syms x;syms t;tempA=0;tempB=0;

L=input('please enter the length of your cord: ');

C=input('and now,let the computer know the value of c^2 in your equation\n c is:');

c=sqrt©;

T=1;

for n=drange(1:1:10)

p=n*pi/L;

Y=n*pi*c/L;%f=sin2x

F=sin(2*x)*sin(p*x);%defining F(x) function;

A=(2/L)*(int(F,'x',0,L));

tempA=tempA+A;

g=t;

G=g*sin(p*t);%defining G(t) function

B=(2/(L*Y))*(int(G,'t',0,L));

tempB=B+tempB;

u=(A*cos(Y*T)+B*sin(Y*T))*sin(p*x);%defining u(x,t) function;

tempU=tempU+u;

ezplot(tempU,[0,2*L]);

end

disp('A is:');disp(tempA);

disp('B is:');disp(tempB);

disp('u is:');disp(tempU);

grid on;

به اشتراک گذاری این ارسال


لینک به ارسال

سلام دوستان

کسی میتونه بم کمک کنه

یه بردار دارم با 50000 عدد که تصادفی هستن رو و بردارشون به همچین شکلیه مثلا

[000123004500069870002330021500003654]

میخوام اعدادی که بین صفر ها هستن هر کدوم توی یه ماتریس قرار بگیرن

باید چه کار کنم

به اشتراک گذاری این ارسال


لینک به ارسال
سلام دوستان

کسی میتونه بم کمک کنه

یه بردار دارم با 50000 عدد که تصادفی هستن رو و بردارشون به همچین شکلیه مثلا

[000123004500069870002330021500003654]

میخوام اعدادی که بین صفر ها هستن هر کدوم توی یه ماتریس قرار بگیرن

باید چه کار کنم

 

سلام

این برداری که نوشتی فقط یه درایه داره، فاصله اعداد جا افتاده؟ اعداد تک رقمی هستن؟

به اشتراک گذاری این ارسال


لینک به ارسال
سلام

این برداری که نوشتی فقط یه درایه داره، فاصله اعداد جا افتاده؟ اعداد تک رقمی هستن؟

سلام مرسی از لطفتون

یه ماتریسه یه ستون داره 50000 تا سطر تو هر سطر یه عدد داره بطور تصادفی بین هر چند عددی چند تا صفر داره اون فاصله بین اعداد صفر نوشته بودم من

من میخوام هر تیگه اعداد بین صفرها تو یه ماتریس جداگونه ذخیره بشه

به اشتراک گذاری این ارسال


لینک به ارسال
سلام مرسی از لطفتون

یه ماتریسه یه ستون داره 50000 تا سطر تو هر سطر یه عدد داره بطور تصادفی بین هر چند عددی چند تا صفر داره اون فاصله بین اعداد صفر نوشته بودم من

من میخوام هر تیگه اعداد بین صفرها تو یه ماتریس جداگونه ذخیره بشه

حلش کردم اینم کدش

clc;clear all;
close all;
a=[0;0;1;2;3;0;0;5;6;0;0;8;9;6;4;]
j=1;
k=0;
[m n]=size(a)
for i=1:m
   if a(i)~=0
  
       b{k}(j,1)=a(i,1)
       j=j+1;
   end
  if (a(i)==0) & (a(i+1)~=0)
      k=k+1;
      j=1;
  end
end


به اشتراک گذاری این ارسال


لینک به ارسال

Join the conversation

You can post now and register later. If you have an account, sign in now to post with your account.

مهمان
ارسال پاسخ به این موضوع ...

×   شما در حال چسباندن محتوایی با قالب بندی هستید.   حذف قالب بندی

  تنها استفاده از ۷۵ اموجی مجاز می باشد.

×   لینک شما به صورت اتوماتیک جای گذاری شد.   نمایش به عنوان یک لینک به جای

×   محتوای قبلی شما بازگردانی شد.   پاک کردن محتوای ویرایشگر

×   شما مستقیما نمی توانید تصویر خود را قرار دهید. یا آن را اینجا بارگذاری کنید یا از یک URL قرار دهید.


×
×
  • جدید...