[发明专利]一种区块链的李雅普诺夫指数混沌模型监测方法

摘要

本发明涉及一种区块链的李雅普诺夫指数混沌模型监测方法，即以区块链为研究对象，基于混沌理论，重构区块链相空间，研究如何提取区块链的动力学信息特征，探讨区块链相空间中的非线性预测方案，然后应用到实际预测和安全监测中的物理建模分析方法，属于电力领域。其特征在于所述方法依序包括的具体步骤为：(1)按照全年365天每天24小时整点提取生态资源数据，组成区块链时间序列；(2)对于区块链时间序列，首先用自相关函数法确定最佳延迟时间τ，用饱和关联维数法确定最佳嵌入维数m，重构系统的相空间；(3)在相空间中选取1个初始相点Y_i，其邻近相点为Y_j，它们的初始距离为d_j(0)＝|Y_i‑Y_j|(4)相点演化kΔt时间后，邻近相点间的距离变为d_j(i)＝|Y_i+kΔt‑Y_j+kΔt|等。

主权项

1.一种区块链的李雅普诺夫指数混沌模型监测方法，其特征在于所述方法依序包括的具体步骤为：A、按照全年365天每天24小时整点提取生态资源数据，组成区块链时间序列；B、对于区块链时间序列，首先用自相关函数法确定最佳延迟时间τ，用饱和关联维数法确定最佳嵌入维数m，重构系统的相空间：Y₁＝(x₁，x_1+τ，...，x_1+(m‑1)τ)^TY₂＝(x₂，x_2+τ，...，x_2+(m‑1)τ)^T     …     …   …Y_N＝(x_N，x_N+τ，...，x_N+(m‑1)τ)^T其中N＝n‑(m‑1)*τ为向量序列的长度；C、在相空间中选取1个初始相点Y_i，其邻近相点为Y_j，它们的初始距离为d_j(0)＝|Y_i‑Y_j|；D、相点演化kΔt时间后，邻近相点间的距离变为：d_j(i)＝|Y_i+kΔt‑Y_j+kΔt|；E、对区块链序列估计其最大的Lyapunov指数λ₁的数值计算方法；F、区块链相空间中的预测状态点为Y₀(t)，与其最相似相点Y_s(t′)，经过演化步长T后分别演化为Y₀(t+T)和Y_s(t′+T)。