《Symmetry》：Beyond Numerical Discretization: The Differential Transform Method as an Efficient Framework for Solving the Duffing Equation
编辑推荐：
该论文对微分变换方法（Differential Transform Method, DTM）与经典数值方法（如欧拉法和龙格-库塔法）进行了比较分析，以非线性杜芬方程（Duffing equation）作为代表性算例。该方程作为展现混沌行为的动力系统原型模型，为
该论文对微分变换方法（Differential Transform Method, DTM）与经典数值方法（如欧拉法和龙格-库塔法）进行了比较分析，以非线性杜芬方程（Duffing equation）作为代表性算例。该方程作为展现混沌行为的动力系统原型模型，为求解常微分方程近似解的技术提供了严苛的测试环境。研究旨在评估所考虑方法在精度、稳定性和计算效率方面随系统参数变化的性能。基于微分变换和级数表示解的DTM方法与经典离散化方案进行了比较。在DTM框架中，系统的对称性并非显式施加，而是由初始条件和用于确定级数系数的递归结构自然涌现。然而，由于级数截断及数值误差传播，这种对称性的保持可能被破坏，从而导致非对称性。所得结果表明，DTM可成为传统方法的有竞争力的替代方案，尤其适用于非线性动力系统的短期模拟，能在相对较低的计算成本下提供高精度。
**论文解读文章**
**研究背景与问题**
在近几十年中，解析与数值方法在求解常微分方程（Ordinary Differential Equations, ODEs）和偏微分方程（Partial Differential Equations, PDEs）方面得到了蓬勃发展，尤其针对非线性模型。技术、物理与工程科学中的问题日益复杂，迫切需要既能获得高精度解又能限制计算成本的方法。经典数值方法如欧拉法（Euler method）和龙格-库塔法（Runge–Kutta method）因其通用性而广泛应用，但它们基于离散网格，需谨慎选择积分步长，步长直接影响稳定性与累积误差。在混沌系统中，即便微小的近似误差也可能导致解偏离真实轨迹，从而丧失物理意义。半解析方法如微分变换方法（Differential Transform Method, DTM）基于幂级数变换（通常为麦克劳林展开），无需先验线性化或区间离散化，能保留解的连续本质，尤其适合强非线性问题。然而，DTM的精度受限于泰勒展开的收敛半径，在长时积分中截断误差可能迅速传播。因此，系统评估DTM与经典离散方法在强非线性振荡器（如杜芬方程）中的表现，具有重要理论与实际意义。本论文发表于《Symmetry》。
**研究内容与结论**
研究人员以非线性杜芬方程（Duffing equation）为测试案例，系统比较了DTM、欧拉法和龙格-库塔法在精度、稳定性和计算效率方面的性能。研究表明，DTM在短期模拟中能提供高精度（误差量级达10
-12），且计算成本较低（CPU时间仅0.013秒，而四阶龙格-库塔法为0.018秒）。通过四个算例（含初始值问题和边界值问题）的验证，研究人员证明了DTM的连续解析形式避免了网格离散误差，而其递归结构便于符号计算实现。值得注意的是，在边界值问题中，DTM无需迭代打靶法，可通过符号化处理未知初始系数直接满足边界条件。此外，理论定理9证明了当杜芬方程退化为线性简谐形式时，DTM能直接给出精确解。
**主要关键技术方法**
研究人员采用了以下关键技术方法：（1）微分变换方法（DTM），基于泰勒变换将原问题转化为递归关系，通过求解级数系数获得解析近似解；（2）经典数值方法（欧拉法和四阶龙格-库塔法）作为对照，在离散网格上逐步积分；（3）符号计算环境（Wolfram Mathematica）实现算法自动化与系数递归求解；（4）对于边界值问题，DTM将缺失的初始条件设为符号参数，通过边界条件建立非线性方程组求解。所有算例均使用同一计算平台（Intel Core i9-10900F CPU @ 2.80 GHz, 32 GB RAM）。
**研究结果**
**5.1 算例1：线性退化情形**
通过定理9的归纳证明，研究人员表明：当杜芬方程退化为无阻尼、无驱动的线性简谐振荡器时（即β=0, γ=0, Γ=0），DTM递归公式得到的级数系数精确对应余弦函数的麦克劳林展开，从而获得了精确解析解x(t)=cos(t)。该结论证明DTM在特定条件下可还原精确解。
**5.2 算例2：有阻尼驱动系统**
针对含阻尼和外部驱动的杜芬方程（α=-0.5, β=1, δ=0.25, γ=1, ω=2, 初始条件x(0)=0.5, x'(0)=0），采用步长Δt=0.01的欧拉法和龙格-库塔法，以及仅取前20项级数的DTM进行对比。结果显示（表1-4, 图1）：欧拉法在t≈15时出现明显振幅衰减和相位漂移；DTM与龙格-库塔法高度吻合，误差量级达10
-12；相图分析（图2）确认DTM能更好地保持轨道稳定性。DTM的CPU运行时间为0.013 s，低于四阶龙格-库塔法的0.018 s。
**5.3 算例3：强非线性大振幅驱动**
参数设置为α=-1, β=100, δ=0, γ=100, ω=10，初始条件x(0)=0, x'(0)=0。欧拉法因步长过大立即崩溃（解发散至非物理增长）；DTM（前20项）与龙格-库塔法完美重合，精准捕捉由立方非线性β=100引起的高次谐波畸变。
**5.4 算例4：边界值问题**
参数设为α=1, β=1, δ=0, γ=1, ω=1，边界条件x(0)=0, x(1)=0。DTM将未知初始系数p=x'(0), q=x''(0)设为符号变量，通过递归公式得到含参近似解，再结合边界条件求解非线性方程组。方程组有9个实解，通过误差比较选择最优解（p=-0.580407, q=-0.290861）。而经典方法需依赖迭代打靶法，计算复杂度更高。图4显示DTM解在整个区间内平滑满足边界条件。
**总结与讨论**
研究人员在结论部分指出：DTM的核心优势在于其连续本质——无需选择积分步长，由递归结构直接给出解析级数解，避免了离散误差的逐点累积。在混沌敏感系统中，这一特性尤为关键。DTM的递归结构使其在符号环境（如Mathematica）中实现简便，参数修改无需重写核心算法。然而，研究也强调：DTM的高精度严格限定在泰勒级数收敛半径内的短-中期积分域；对于长时间模拟，标准DTM的截断误差会严重增长，需采用多步或分段DTM（MsDTM）来维持精度。因此，不应将本研究的精度优势无条件泛化至所有非线性或刚性系统。
论文结论原文翻译：“本项研究以非线性杜芬方程为案例，对微分变换方法（DTM）与经典数值格式（欧拉法和龙格-库塔法）进行了详细的比较分析。由于该系统的特定性质——强非线性及对混沌行为的敏感性——它为所研究的算法提供了严苛的测试环境。所得结果清楚表明，DTM是传统离散方法的一种高效、稳定且准确的替代方案。DTM的主要优势在于其连续本质。……此外，本研究突显了DTM因递归结构而具有的卓越通用性和易用性。……尽管DTM以相对较少的级数项即可实现10
-12量级的高精度，但必须限定这些发现：所观察到的优于传统离散方法的精度并非无条件，而是严格局限于安全位于局部泰勒级数收敛半径内的短、中期积分域。未经更广泛、更多样化的强非线性、刚性或混沌动力系统的详尽测试，这些精度优势不应被全局推广。对于长时间仿真，标准DTM的性能自然会下降，这强调了有必要采用先进的多步或分段混合框架以在更宽时间范围内维持精度。”
