Adams 预报校正法

一、直观理解：用“历史斜率”外推，再回炉修正

Euler 与 Runge–Kutta 都是单步法：走下一步只依赖当前点。Adams 方法属于多步法：它记得前几步已经算过的斜率，用多项式去拟合 $f(t,y(t))$ 的历史，再积分到下一步。

预报—校正的两拍节奏是：

Adams–Bashforth（AB）预报：只用已知历史斜率，显式得到 $y_{n+1}^{(p)}$ ；
Adams–Moulton（AM）校正：把预报点处的新斜率纳入，用隐式公式的显式化版本更新为 $y_{n+1}$ 。

直观比喻：预测明天天气时，不只看今天，还参考近几天趋势（预报）；得到初步预报后，再结合“如果明天是这样，大气方程是否更自洽”做一次修正（校正）。

多步法的优势是：阶数提高后，平均每步调用 $f$ 的次数可以少于同阶 RK，适合右端昂贵或需要长时间光滑积分的情形。MATLAB 的 ode113 即是变步长、变阶 Adams–Bashforth–Moulton 实现。

二、适用场景与优缺点

类型	说明
适用场景	解足够光滑、需要长时间积分； $f$ 计算成本高，希望减少调用；作为 `ode113` 的原理说明；与 RK 交叉验证非刚性轨迹。
核心优点	复用历史信息，渐近效率高；预报校正可提供简单误差指示 $\\|y^{(c)}-y^{(p)}\\|$ ；高阶格式对光滑问题精度优秀。
局限与缺点	需要单步法提供启动值；变步长时公式系数不能照搬等步长表；稳定域通常窄于同阶 RK，对突变/刚性更敏感；实现复杂度高于 RK4。

使用前应确认：

问题非刚性，解在启动段后较光滑；
有 RK4/ode45 生成前若干步；
等步长假设成立，或明确使用变步长算法；
准备监控校正量与守恒量。

三、核心原理：多项式积分得到线性多步公式

精确关系：

y(t_{n+1})=y(t_n)+\int_{t_n}^{t_{n+1}} f(t,y(t))\,dt.

1. 四步 Adams–Bashforth 预报（显式）

用 $f_n,f_{n-1},f_{n-2},f_{n-3}$ 做牛顿插值再积分，得

y_{n+1}^{(p)}=y_n+\frac{h}{24}\big(55f_n-59f_{n-1}+37f_{n-2}-9f_{n-3}\big).

2. 四步 Adams–Moulton 校正（隐式，用预报显式化）

y_{n+1}=y_n+\frac{h}{24}\big(9f_{n+1}^{(p)}+19f_n-5f_{n-1}+f_{n-2}\big),

其中 $f_{n+1}^{(p)}=f(t_{n+1},y_{n+1}^{(p)})$ 。这是一次校正的 PECE 模式（Predict–Evaluate–Correct–Evaluate 的简化实现中常再算一次最终 $f_{n+1}$ 供下一步使用）。

3. 阶与误差

上述四步 AB 为 4 阶，配套 AM 校正后整体仍保持高阶（具体实现细节影响误差常数）。局部误差可用

E\approx C\big(y_{n+1}-y_{n+1}^{(p)}\big)

作粗估，供定步长是否过大参考。

4. 启动

$k$ 步方法需要 $y_0,\ldots,y_{k-1}$ 。常用同阶或更高阶 RK 生成，不要用粗 Euler 随便填，否则启动误差会污染后续多步过程。

四、关键决策

步数（阶）选择
建模手写常用 2–4 步；再高阶对光滑性要求更强，稳定域也可能更苛刻。
步长
等步长公式仅在固定 $h$ 下成立。若必须变步长，优先 ode113，避免错误套用系数。
校正次数
一次校正通常足够；迭代校正到收敛接近隐式 AM，成本上升。
与 RK 分工
短区间、强非线性、频繁事件：RK/ode45；长区间光滑：Adams/ode113。
失败信号
校正量持续增大、出现锯齿振荡、与 ode45 分道扬镳 → 减小 $h$ 或换方法。

五、MATLAB 示例

%% 四步 Adams 预报校正：y'=-y, y(0)=1
f = @(t, y) -y;
h = 0.05;
t = 0:h:2;
y = zeros(size(t));

% 用精确启动（实践中可换 RK4 启动）
y(1:4) = exp(-t(1:4));
fHist = zeros(1,4);
for j = 1:4
    fHist(j) = f(t(j), y(j));  % fHist(1) 对应最旧或需小心索引
end
% 重新按时间顺序存储：fn, fnm1, fnm2, fnm3
% 这里用数组 F(n)=f(t_n,y_n)
F = zeros(size(t));
for n = 1:4
    F(n) = f(t(n), y(n));
end

for n = 4:numel(t)-1
    % AB4 预报
    yP = y(n) + h/24 * (55*F(n) - 59*F(n-1) + 37*F(n-2) - 9*F(n-3));
    fP = f(t(n+1), yP);
    % AM3/四系数校正（用到 fP 与前三历史）
    y(n+1) = y(n) + h/24 * (9*fP + 19*F(n) - 5*F(n-1) + F(n-2));
    F(n+1) = f(t(n+1), y(n+1));  % PECE：用校正后的值再评估
end

yTrue = exp(-t);
fprintf("Adams PC 最大误差 = %.3e\n", max(abs(y - yTrue)));

figure;
plot(t, y, "o", t, yTrue, "-"); grid on;
legend("Adams 预报校正", "解析解");
title("四步 Adams 预报校正");

%% 与 ode45 / ode113 对比：轻度振荡问题
fOsc = @(t, z) [z(2); -z(1) - 0.05*z(2)];
z0 = [1; 0];
opts = odeset("RelTol", 1e-7, "AbsTol", 1e-9);
[t1, z1] = ode45(fOsc, [0 40], z0, opts);
[t2, z2] = ode113(fOsc, [0 40], z0, opts);

figure;
plot(t1, z1(:,1), "-", t2, z2(:,1), "--"); grid on;
legend("ode45", "ode113");
xlabel("t"); ylabel("z_1");
title("Adams 型求解器 ode113 与 RK 型 ode45");

%% 手写：RK4 启动 + ABM4
f = @(t, y) -y + sin(t);   % y' + y = sin t
tEnd = 10; h = 0.02;
t = 0:h:tEnd;
y = zeros(size(t));
y(1) = 0;  % 初值
% RK4 启动前 3 步（得到 y2,y3,y4，共 4 个点）
for n = 1:3
    tn = t(n); yn = y(n);
    k1 = f(tn, yn);
    k2 = f(tn+h/2, yn+h/2*k1);
    k3 = f(tn+h/2, yn+h/2*k2);
    k4 = f(tn+h, yn+h*k3);
    y(n+1) = yn + h/6*(k1+2*k2+2*k3+k4);
end
F = arrayfun(@(n) f(t(n), y(n)), 1:4);
F = F(:).';
Fstore = zeros(size(t));
Fstore(1:4) = F;
for n = 4:numel(t)-1
    yP = y(n) + h/24*(55*Fstore(n)-59*Fstore(n-1)+37*Fstore(n-2)-9*Fstore(n-3));
    fP = f(t(n+1), yP);
    y(n+1) = y(n) + h/24*(9*fP + 19*Fstore(n) - 5*Fstore(n-1) + Fstore(n-2));
    Fstore(n+1) = f(t(n+1), y(n+1));
end

% 真解：y = 0.5*(sin t - cos t) + 0.5 e^{-t}
yTrue = 0.5*(sin(t) - cos(t)) + 0.5*exp(-t);
fprintf("RK4 启动 ABM 最大误差 = %.3e\n", max(abs(y - yTrue)));

六、如何解释结果

报告 Adams 预报校正时应写清：

多步阶数、等步长 $h$ 、启动方法（RK4 等）；
预报公式与校正公式（或说明使用 ode113）；
与解析解或 ode45 的误差；
典型校正量水平，以及是否在某时段异常增大；
为何选择多步法（长时间、效率、对照）；
方法假设：光滑性、非刚性、步长固定（若手写）。

若 ode113 与 ode45 结果高度一致，可增强对非刚性轨迹的信心；若显著不一致，应检查容差、刚性与事件。

七、常见误区

1. 没有可靠启动值

用随意猜测或大步 Euler 填历史，等于从源头注入 $O(1)$ 误差。

2. 变步长仍套用经典系数表

等步长 AB/AM 系数在 $h$ 变化时不再正确。

3. 在刚性化学反应上强行高阶 Adams

稳定域不足会导致振荡。应换 BDF/ode15s。

4. 混淆 AB 与 AM 的历史点索引

实现时 off-by-one 非常常见，必须用已知解析例做回归测试。

5. 忽视解的光滑性

解有折点、切换或随机跳跃时，高阶多步可能还不如稳健的低阶单步。

八、小结

Adams 预报校正法的核心思想可以概括为：

用过去若干步的斜率构造多项式，积分得到下一步的显式预报，再把新斜率纳入隐式型公式做一次校正。

它在光滑非刚性的长时间积分中效率出色，也是理解 ode113 的钥匙。建模实践中，手写 ABM 重在公式正确与启动可靠；工程上更常见的是直接调用 ode113，并与 ode45 交叉验证。遇到刚性、强间断或复杂事件，应果断回到单步刚性/非刚性求解器。

一、直观理解：用“历史斜率”外推，再回炉修正​

二、适用场景与优缺点​

三、核心原理：多项式积分得到线性多步公式​

1. 四步 Adams–Bashforth 预报（显式）​

2. 四步 Adams–Moulton 校正（隐式，用预报显式化）​

3. 阶与误差​

4. 启动​

四、关键决策​

五、MATLAB 示例​

六、如何解释结果​

七、常见误区​

1. 没有可靠启动值​

2. 变步长仍套用经典系数表​

3. 在刚性化学反应上强行高阶 Adams​

4. 混淆 AB 与 AM 的历史点索引​

5. 忽视解的光滑性​

八、小结​