变量空间与多维演替系统 吴先生再回复:谢谢你简单介绍的你的 变量空间 的工作 ! 即分别把植被生态学中的物种和样本为轴撑起的空间 , 分别称为 M- 空间 和 N- 空间 , 你是在 M- 空间,中探寻样本之间关系 , 即 :Q- 分析 . 你的 变量空间 ,就是 M- 空间 , 即 : 以物种为轴,撑起的空间 . 是否就是 : 以各个不同的物种作为你那 变量空间 的各个不同的轴 ? 如果是这样 ? 你那 变量空间 究竟代表的是什么呢 ? 如果你要在你那 变量空间 建立矢量 , 那么 , 它沿各轴的各分量 , 就应是各物种单位的相应倍数 , 这究竟是什么矢量呢 ? 能由它怎样能分析什么问题呢 ? 你能否举个具体例子说明 ! 至于 , 当任意维空间建立后 , 其中矢量的各种代数和解析矢算就都能具体给出 !( 请见本博客有关博文 !) 而且 , 即使 3 维空间的通常矢量 , 也是有相应除法的商 , 即 : 相应的 倒易矢 ! 供你参考 ! 以上引自 http://www.sciencenet.cn/m/user_content.aspx?id=357545 再答吴先生:变量空间与多维演替系统 真是遇见了高人。所提问题刀刀见血。 您的理解与我在上博里想表达的是一致的(也说明我的汉文水平还可以,嘻)。 对于您进一步的问题,我试回答如下,有些还没有写进《超球面模型讲座》中: 你那 变量空间 究竟代表的是什么呢 ? M- 变量空间 的点是 M- 向量,表示的是 M 元演替系统 的一个状态。 能由它怎样能分析什么问题呢 ? 在时间 K ,多维演替系统有 K+1 个子系统,分别表示从初始( 0 )到当今( K )的 K+1 个 系统状态系列 。 对于一个特定的时间,比如 K ,超球面模型用不同的 多元向量 分别从几个不同的角度刻画 多维演替系统: Y k , D k , E k , P k , E k , T k (它们都是 M 元向量,用黑体表示)。 其中: Y k 表示时间 k 的 系统状态 ; D k 是 实测值 ,实际取样值; E k 是我们对系统状态的 期望值 。在初始( 0 )时刻, E 0 = D 0 ,但监测开始后 E k = D k + P k , 等于实测值和推测值的加权平均 (这里,在模式讨论中,我们忽略 P k D k 各自的权重 ALPHA 和 BETA ( ALPHA=0 , BETA=0 ,且 ALPHA + BETA=1 )。 P k : 推测值 。计算期望的 D k 是可以通过实际测量得到的。而 P k 是用系统 K-1 的状态 推算出来的, P k = T k-1 * E k-1 。其中: E k-1 ,是前一时刻的 期望 ,而 T k-1 是前一时刻的 趋势, 等于当今和以前的 标准化期望 的比: T k-1 = E k-1 / E k-2 , 其中, 标准化 是向量各分量除以 向量长度 (投影到单位超球面) E k = E k /| E k | , 其中 | E k | 是向量长度,等于各分量的平方和的算术根(各分量的向量和)。 通过脱括号,带换,我们可以看到,系统的当今状态与从初始以来的每一个系统状态都有关。而且,离当前越远,影响越小,呈指数衰减。这有一个专门的术语: FADING MEMORY 记忆消退 描述这种现象。 你能否举个具体例子说明 ! 举例说明: 在《难题征解》中,已知多维演替系统前五天的数据,问第六天的估计值。根据我们上面的定义和计算公式: E 6 = D 6 + P 6 = D 6 + ( T 5 * E 5 ) = D 6 + ( T 5 * ( D 5 + P 5 ) = D 6 + ( T 5 * ( D 5 + ( T 4 * E 4 ) = D 6 + ( T 5 * ( D 5 + ( T 4 * ( D 4 + P 4 ) = D 6 + ( T 5 * ( D 5 + ( T 4 * ( D 3 + ( T 3 * E 3 ) = D 6 + ( T 5 * ( D 5 + ( T 4 * ( D 3 + ( T 3 * D 3 + P 3 ) = D 6 + ( T 5 * ( D 5 + ( T 4 * ( D 3 + ( T 3 * D 3 + T 2 * E 2 ) = D 6 + ( T 5 * ( D 5 + ( T 4 * ( D 3 + ( T 3 * D 3 + T 2 * D 1 + P 1 ) = D 6 + ( T 5 * ( D 5 + ( T 4 * ( D 3 + ( T 3 * D 3 + T 2 * D 1 + D 0 ) 由于 T 也可以用 D 表示,所以说,第六天的估计值是从初始到第六天的实测值组成的;而且,越旧的数据,贡献越小。 这有点象生物的遗传信息包含所有祖先的经验。每一代都把自己的经验加入到遗传信息里,越古老的祖先的作用越小,越近的祖先的作用越大。 文中讨论的向量的乘法的定义是: 分量的积做积的分量 ,除法的定义是: 分量的商做商的分量 (Bai, 1997 ) 主要参考文献 Bai, T. Jay, Tom Cottrell, Dun-Yuan Hao, Tala Te, Robert J. Brozka , 1997, Multi-dimensional sphere model and instantaneous vegetation trend analysis. Ecological Modelling, 97(1997)75-86. 白图格吉扎布,梁应权,2008,植被监测及趋势分析-植被数量生态学中几个理论问题的探讨。植物生态学报,32(4)967-976。 相关链接: 答吴中祥先生 : 关于 Q- 分析 http://www.sciencenet.cn/m/user_content.aspx?id=365984 三答吴先生:关于变量空间 http://www.sciencenet.cn/m/user_content.aspx?id=366569 四答吴先生:关于变量独立的问题 http://www.sciencenet.cn/m/user_content.aspx?id=366960