从随机微分方程解中提取某些参数的值

时间:2016-05-25 13:15:18

标签: matlab stochastic-process

我在matlab中求解随机微分方程。 例如: 考虑随机微分方程

dx=k A(x,t)dt+  B(x,t)dW(t)

其中k是常数,A和B是函数,dW(t)是Wiener过程。

我在[0,20]中为所有t绘制解决方案。我们知道dW(t)是随机生成的。我的问题是:我想知道特定的t值和特定子区间的A(x,t),B(x,t),dW(t)的值,比如说[3,6]。我可以使用Matlab中的哪个命令?

以下是我根据D.Higham的论文使用的代码:

clear all
close all

t0   = 0;     % start time of simulation
tend = 20;   % end time

m=2^9; %number of steps in each Brownian path

deltat= tend/m; % time increment for each Brownian path
D=0.1; %diffsuion 
R=4;
dt =  R*deltat; 
dW=sqrt( deltat)*randn(2,m);
theta0=pi*rand(1);
phi0=2*pi*rand(1);
P_initial=[ theta0; phi0];

L =  m/ R;
pem=zeros(2,L);
EM_rescale=zeros(2,L);
ptemp=P_initial;

for j=1:L
   Winc = sum(dW(:,[ R*(j-1)+1: R*j]),2);
   theta=ptemp(1);% updating theta
   phi=ptemp(2); % updating phi
   %psi=ptemp(3); % updating psi

   A=[  D.*cot(theta);...
       0];% updating the drift

   B=[sqrt(D)  0 ;...
      0 sqrt(D)./sin(theta) ]; %% updating the diffusion function

   ptemp=ptemp+ dt*A+B*Winc;
   pem(1,j)=ptemp(1);%store theta
   pem(2,j)=ptemp(2);%store phi

   EM_rescale(1,j)=mod(pem(1,j),pi); % re-scale theta
   EM_rescale(2,j)=mod(pem(2,j),2*pi);   % re-scale phi
end

plot([0:dt:tend],[P_initial,EM_rescale],'--*')  

假设我想知道每个特定时间点或任何时间间隔的所有参数(包括随机:布朗)。怎么做?

1 个答案:

答案 0 :(得分:1)

我在这里尽力理解你的问题,但对我来说还是有点不清楚。

将循环更改为:

for ii=1:L
   Winc = sum(dW(:,[ R*(ii-1)+1: R*ii]),2);

   theta=ptemp(1);% updating theta
   phi=ptemp(2); % updating phi

   A{ii}=[  D.*cot(theta);...
       0];% updating the drift

   B{ii}=[sqrt(D)  0 ;...
      0 sqrt(D)./sin(theta) ]; %% updating the diffusion function

   ptemp = ptemp + dt*A{ii}+B{ii}*Winc;
   pem(:,ii) = ptemp;

   EM_rescale(1,ii) = mod(pem(1,ii),pi); % re-scale theta
   EM_rescale(2,ii) = mod(pem(2,ii),2*pi);   % re-scale phi

end

现在,您可以通过以下方式获取AB的值:

t = 3;
t_num = round(m/tend*t);

A{t_num}
B{t_num}
ans =
        0.0690031455719538
                         0
ans =
         0.316227766016838                         0
                         0          0.38420611784333