吸引盆地

当一个系统存在多种可能的长期结果时，每个初始状态都属于其趋向的结果所对应的吸引盆。通过为这些吸引盆着色，预测便转化为几何图形。

五个吸引子将平面划分为多个区域，这些区域的共享边界在越来越小的尺度上依然相互交织。图片: Björn Kindler / MandelKit · MandelKit Wissensgrafik · Eigene Darstellung · Own work

内部确定性，边界不确定性

在盆地深处，微小的误差不会改变结果。而在分形边界附近，任意微小的扰动都可能导致系统进入另一个盆地。边界的维数可以量化不确定性随测量精度的变化程度。

在吸引盆的深处，初始状态的微小变化通常会趋向于同一个吸引子。而在边界处，每个邻域可能包含具有不同最终位置的点。这种局部不可预测性创造出了精致的相互交织的图案，同时又不致使算法在所有区域都变得不可预测。地图应区分吸引盆内部与边界附近区域，例如通过将最终位置与收敛时间或距离相结合来实现。

某些系统具有和田边界：每个边界点与三个或更多流域相邻。因此，同一可见边界同时属于所有演化结果，这使得局部预测尤为棘手。

当存在三个或更多吸引子时，可能会出现“和田边界”（Wada boundary），即每个边界点同时与所有吸引子盆地相邻。从视觉上看，每种颜色都会反复穿透相同的边缘区域。栅格图像只能暗示和田边界特性；要确立该特性，需要进行拓扑或数值控制测试。仅凭色彩斑斓的纠缠图案本身是不够的。

盆地图像取决于停止条件、积分精度和最大时间。收敛缓慢的点可能会被误分类为独立的结果。在将彩色丝状结构视为系统属性之前，必须进行分辨率研究和独立验证。

终止条件决定了图像的形态。一个轨道可能缓慢收敛，在奇点附近发生跳跃，或超出计算域。这些情况需要分别定义状态，而非使用任意的盆地颜色。更高的精度和迭代深度应能保持主要边界稳定，同时增加更精细的嵌套结构。如果整个色域发生位移，那么可见的可能是分类器而非动力学过程。

本文以原文措辞总结了以下专业资料来源。访问并经编辑审核于 12 年 2026 月。