·1.资源内容简介： --------------------------------------------------------------- 这是一篇论文，对于做2009年ICM题非常有用。 --------------------------------------------------------------- ·2.资源使用方法 Adobe pdf浏览 --------------------------------------------------------------- ·3.文件组成形式 格式：pdf文件 /**********************************************/ 文件名如下： 基于MatLab的三种群Volterra模型数值求解.pdf /**********************************************/ --------------------------------------------------------------- ·4. wogeguaiguai的附言： 1.我的其他数学建模资源也欢迎您下载，都是非常好的准备比赛要用的资料。 2.本资料绝对是准备数模美国赛的超级经典资料。 希望对准备该赛的同学们有所帮助。 3.下载本文件后，您可以获得所有信息，不必再零散下载，给您带来很大的方便。 4.1个资源分，绝对物超所值。评论后，您就可以获得2个资源分，欢迎您评论！ --------------------------------------------------------------- ·5.如有问题，请在此留言，谢谢。 --------------------------------------------------------------- ·6.上传时间 2010-2-24-afternoon

正交方法用于Volterra级数的识别。 它是Lee-Schetzen方法的扩展，有两个主要改进：1.减少对角核点的识别不确定性。 2.可以识别具有不同方差输入的每个Volterra内核。 此功能减少了低阶内核上的识别噪声，并提高了高阶内核上的“分辨率”。 有关参考，请参见：Simone Orcioni。 使用互相关方法提高Volterra级数的逼近能力。 DOI：10.1007 / s11071-014-1631-7。 2861-2869页。 在《非线性动力学》中-ISSN：0924-090X vol。 78（4）2014年。

针对非线性模拟电路软故障诊断的难题，基于Volterra核二次型分布-wigner Ville分布(WVD)，提出一种故障特征提取的新方法．首先计算待测试电路(CUT)的Volterra核；然后对该Volterra核进行WVD转换，得到WVD函数，从中提取出故障特征，完成非线性模拟电路的软故障诊断．仿真实验结果表明，该方法能有效地解决故障混叠难题，提升故障元件检测和定位的能力．

求一类非线性分数阶Volterra积分微分方程数值解,给出了Adomian分解法.将Adomian多项式与分数阶积分定义有效结合,得到了Adomian级数解.收敛性分析证明了所得级数解收敛于精确解,并给出最大截断误差.结果表明:随着Adomian多项式个数的增加,数值解的精度也越来越高.数值算例表明了该方法的可行性和有效性.与已有的方法相比,Adomian分解法操作更有效、更方便.

基于MatLab的三种群Volterra模型数值求解.pdf

受高斯白噪声输入信号影响的非线性动态系统的 Volterra-Wiener 表征。 函数 [h0,h1,h2]=Volterra_Wiener_Id(x,y,MaxLag1,MaxLag2) 输入x：输入信号大小（N*1） y：大小（N*1）的输出信号MaxLag1：第一个内核的最大滞后数MaxLag2：第二个内核的最大滞后数 输出h0：零阶内核h1：大小的第一个内核（MaxLag1+1,1） h2：大小的二阶核(MaxLag2+1,MaxLag2+1) ------------------------------- 可以使用以下函数通过使用已识别内核预测输入的输出来验证已识别模型： 函数 y=Volterra_Wiener_Forecast(x,h0,h1,h2) 输入x：大小为（N * 1）的输入信号h0：零阶内核h1：大小的第一个内核（MaxLag1+1,1） h2：大小

求解两个物种的 Lotka-Volterra 竞争（物流）模型。 物种 1：dx1/dt = alpha1*x1[(K1-x1-beta*x2)/K1] 物种 2：dx2/dt = alpha2*x2[(K2-x2-gamma*x1)/K2] 在哪里; K1＆2 =承载能力，alpha1＆2 =增长率，beta和gamma =物种的相互依赖性。 根据初始条件（物种的初始种群）和恒定参数（增长率和物种相互依赖性）模拟了四种情况。

该算法使用 Runga-Kutta 方法求解 lotka-volterra（捕食者-猎物）模型。

在此代码中，我们将使用传统的二阶自适应 Volterra 滤波器识别非线性系统。 这些类型的滤波器也称为参数线性非线性自适应滤波器。 可以从最近这篇论文的表 I 中获得二阶 Volterra 扩展： X. Guo、Y. Li、J. Jiang、C. Dong、S. Du 和 L. Tan，“用于非线性有源噪声控制的非线性次级路径的稀疏建模”，IEEE 仪器与测量汇刊，第 2 卷。 67，没有。 3，第 482-496 页，2018 年 3 月。 顺便说一句，李坦教授和江江教授是自适应沃尔泰拉滤波器的“发明家”。 在这个例子中，我们在非线性系统识别场景中使用了这个滤波器，其中非线性是由扬声器引入的。 更多详细信息，请参阅我们实验室的以下论文。 V. Patel、V. Gandhi、S. Heda 和 NV George，“基于自适应指数函数链接网络的非线性滤波器的设计”，IEEE

Lotka--Volterra方程是生物种群之间的捕食者-猎物的数学模型. 用两个变量 x 和 y 代表两个物种的种群大小, 传统的模型中分别被叫做“兔子” (猎物) 和“狐狸” (捕食者).