分形与分形维数

分类号O469 学校代码10495
ＵＤＣ530 学号0145023006
武汉科技学院
硕士学位论文
无序系统中的分形生长研究
作者姓名：田志华
指导教师：田巨平教授
学科门类：工学
专业：机械设计及理论
研究方向：分形与多孔介质
完成日期：二零零七年四月
Wuhan University of Science and Engineering
M. S. Dissertation
The study of fractal growth
in disorder system
By
TIAN Zhi-hua
Directed by
Professor TIAN Ju-ping
April 2007
独创性声明
本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。

除文中已经注明引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写过的作品成果。

对本文的研究作出重要贡献的个人和集体，均已在文中以明确方式标明。

本人完全意识到本声明的法律结果由本人承担。

学位论文作者签名：签字日期：年月日
学位论文版权使用授权书
本学位论文作者完全了解武汉科技学院有关保留、使用学位论文的规定。

特授权武汉科技学院可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。

同意学校向国家有关部门或机构送交论文的复印件和磁盘。

（保密的学位论文在解密后适用本授权说明）
学位论文作者签名：导师签名：
签字日期：年月日签字日期：年月日
论文题目：无序系统中的分形生长研究
专业：机械设计及理论
硕士生：
指导老师：
摘要
本文首先概述了分形理论的发展，分形和分形维数的定义，以及产生分形的物理机制与生长机制。

简要介绍了模拟分形生长的扩散置限凝聚(DLA)、电介质击穿 (DBM)、粘性指延(Viscous Fingering)、渗流等模型。

本文采用映射膨胀法构造了两种不同的Sierpinski地毯，运用Monte Carlo 方法研究了两种Sierpinski地毯中的有限扩散凝聚（DLA）生长。

根据“种子”设置的不同情况，采用DLA模型，通过计算机模拟获得了两种Sierpinski地毯在不同“种子”情况下DLA生长的斑图结构，计算他们的分形维数，获得多重分形谱，并得到下列主要结论。

(1)“种子”为点的情况:我们发现不同空间中DLA生长的斑图结构有着差别：欧氏空间中DLA生长的斑图结构具有明显的空间对称性，而两种Sierpin- ski地毯中DLA生长的斑图结构都存在空间对称性破缺。

不过由于Ⅱ型地毯的空间结构要比Ⅰ型地毯的空间结构更具有对称性，故两种Sierpinski地毯中DLA生长的斑图结构的对称性破缺程度不一样。

Ⅱ型地毯中DLA生长的斑图结构仍还具有类十字结构的特点，而Ⅰ型地毯中DLA生长的斑图结构不存在类十字结构。

Ⅰ型地毯DLA生长的α
∆(多重分形谱谱宽)要比Ⅱ型Sierpinski地毯DLA生长的α
∆小很多,表明Ⅰ型地毯DLA生长的质量分布要比Ⅱ型地毯DLA生长的质量分布均匀；0
∆f(多重分形谱的最大、最小概率子集维数之差)意味
>
着最大概率子集占据主导地位
(2)“种子”为线种的情况:虽然两种Sierpinski地毯的斑图结构有所不同，
∆要比Ⅰ但是他们的DLA生长的斑图结构具有相似性。

Ⅱ型地毯DLA生长的α
型地毯DLA生长的α
∆小很多,表明Ⅱ型地毯DLA生长的质量分布要比Ⅰ型地毯DLA生长的质量分布均匀；0
>
∆f意味着最大概率子集占据主导地位。

本文还采用孔洞位置随机化的方法构造的随机Sierpinski地毯，并给出随机Sierpinski地毯中DLA生长的斑图结构。

另外对于逾渗集团,我给出了在不同占据概率P下的逾渗集团DLA生长的斑图结构，以及他们的分形维数，并且得出随着占据概率P的不断增大，总体来说，逾渗集团DLA生长的维数D越来越大，有一种上升的趋势。

最后获得了各向异性DLA集团的标度性质以及线种DLA集团的标度性质。

关键词：分形；多重分形；Sierpinski地毯；Monte Carlo方法；逾渗
研究类型：理论研究
Subject : The study of fractal growth in disorder system
Specialty ：Machine design and theories
Name ：
Instructor：
AB S TRACT
Firstly, We generalize the development of fractal theory, the definition of fractals and fractional dimension, and the physical mechanism of the fractal occurrence. Then, the Diffusion Limited Aggregation (DLA), Dielectric Breakdown (DBM),Viscous Fingering and Percolation models are introduced simply.
And then, We construct two different kinds of Sierpinski carpets by means of the Mapping Dilation Method in the artical, and apply Monte Carlo method to study Diffusion Limited Aggregation（DLA）growth in two different kinds of Sierpinski carpets. Based on the different setting seed, pattern structures about DLA growth in two different kinds of Sierpinski carpets are obtained by computer simulation, count their fractal dimension, obtain their multifractal spectrum and main conclusions are summarized as follow.
(1) Seed for point of circumstance: The research discovers that pattern structures about DLA growth in different kinds of space have distinction: pattern structure about DLA growth in Euclidean space has obvious space symmetry, but pattern structures in two different kinds of Sierpinski carpets have symmetry break. However want to has symmetry more than the space structure of theⅠtype carpet because of the space structure of the Ⅱtype carpet, in two kinds of Sierpinski carpets DLA growth of pattern structure of the symmetry break to lack degree different. There is similar to cross structure inⅡtype carpet, but the cross structure disappear inⅠtype carpet. α
∆(the width of Multifractal Spectrum)inⅠtype carpet is much smaller than inⅡtype carpet, the result show that the pattern inⅠtype carpet becomes less irregular and less nonuniform; ∆f(the gap of maximal probability subclass and minimal probability 0
>
subclass )means maximal probability subclass to occupy a predominance position.
(2) Seed for lineseed of circumstance: Although the pattern structures in two kind of Sierpinski carpets have a little difference, they are similar. α
∆inⅡtype carpet is much smaller than inⅠtype carpet, the result show that the pattern structure inⅡtype carpet becomes less irregular and less nonuniform; 0
∆f
> means greatest probability subclass to occupy a predominance position.
By means of hole-position randomizing method, to build the random Sierpinski carpet, and obtain the pattern structure, in the fourth chapter.
We introduced to the formation process of percolation cluster briefly in the fifth chapter. We afford to pattern structures about DLA growth in different occupied probability P in percolation cluster, count their fractal dimension, and obtain the fractal dimension increase with the occupied probability P increase.
Finally, we obtain the scaling behaviour of anisotropy diffusion DLA cluster and DLA cluster with linseed.
Key words：fractal; multifractal; Sierpinski carpet; Monte Carlo method;
percolation
Thesis ：Theories research
目录
1.绪论 (1)
1.1 引言 (1)
1.2 非欧氏几何学 (1)
1.3 分形的提出 (3)
1.4 本文的主要研究内容 (4)
2.分形与分形维数 (5)
2.1 分形原理概述 (5)
2.1.1 分形的定义 (5)
2.1.2 分形的两个重要特征 (6)
2.1.3 分形的分类 (6)
2.1.4 分形维数的定义 (7)
2.1.5 分形维数的测定 (9)
2.1.6 分形的实际应用 (14)
2.2 多重分形 (16)
2.2.1 多重分形的理论方法 (16)
2.2.2 本文采用的多重分形的计算理论 (18)
2.3 多重分形维数计算程序 (19)
2.4 本章小节 (19)
3.产生分形的物理机制与生长模型 (20)
3.1 产生分形的物理机制 (20)
3.2 分形生长模型 (21)
3.2.1 分形生长的基本模型 (21)
3.2.2 分形生长的其他模型 (22)
3.3 本章小节 (24)
4.Sierpinski地毯中有限扩散凝聚标度性质 (25)
4.1 DLA生长的Monte Carlo模拟 (25)
4.2 Sierpinski地毯的构造 (27)
4.3 模拟方法 (29)
4.3.1 “种子”为一点的情况 (29)
4.3.2 “种子”为线种的情况 (29)
4.3.3 图形比较 (31)
4.4 两种“种子”情况下不同Sierpinski 地毯DLA 生长比较 (31)
4.4.1 分形维数 (31)
4.4.2 },{q D q 图 (31)
4.4.3 )}(,{ααf 图 (33)
4.5 随机Sierpinski 地毯 (35)
4.5.1 随机Sierpinski 地毯的构造 (35)
4.5.2 模拟方法 (36)
4.6 本章小节 (37)
5.逾渗集团中的有限扩散凝聚的标度性质 (38)
5.1 逾渗集团的构造 (38)
5.2 模拟方法与维数 (38)
5.2.1 模拟方法 (38)
5.2.2 分形维数 (40)
5.3 本章小节 (40)
6.DLA 集团的标度性质 (41)
6.1各向异性扩散DLA 集团的标度性质 (41)
6.1.1 各向异性扩散方程 (41)
6.1.2各向异性扩散DLA 的分形维D (42)
6.2线种DLA 集团的标度性质 (42)
6.2.1 模拟方法与分形维 (42)
6.2.2 },{q D q 图、)}(,{ααf 图与多重分形谱参数 (45)
6.3 本章小节..............................................................................46 总结与展望.................................................................................47 附录A ..........................................................................................49 附录B ..........................................................................................51 参考文献....................................................................................52 致谢..........................................................................................55 攻读硕士期间发表的论文 (56)
1绪论
1.1 引言
“分形“学科是由法国数学家Mandelbrot提出并发展起来的一门新的数学分支，它被用来描述自然界的不规则以及杂乱无章的现象和行为。

分形现象广泛存在于自然科学和社会科学的众多领域，分形几何的应用对自然科学和社会科学的发展产生了深远的影响[1]，正因为如此，人们说“分形是大自然的几何学”[2]，“分形处处可见”[3-4]。

为了描述分形的生长机理，许多模型[5-9]已经被提出,但是最基本的模型还是Witten和Sander提出的有限扩散凝聚（DLA）模型[5]。

Jensen，Mathiesen 和Procaccia研究了DLA的调和测度[10]，Ferreira，Martins和Vilela研究了一个改进型的DLA模型[11]，Goold，Somfai和Ball研究了三维空间中各向异性DLA凝聚[12]，Sander和Somfai研究了楔子几何学的 DLA [13]，Alves和Ferreira分析了DLA模型和弹射模型的标度性质[14]。

1.2 非欧氏几何学
欧氏几何学是一门具有2000多年历史的数学分支，他是以规整几何图形为其研究对象。

所谓规整几何图形就是我们熟悉的点、直线与线段；平面与平面上的正方形、矩形、梯形、菱形、各种三角形以及正多边形等；空间中的正方体、长方体、正四面体等等另外一类就是曲线或曲面所组成的几何图形。

这些点、直线、平面图形、空间图形的维数（欧氏维数）分别为0、1、2和3。

这种维数只取整数，是拓扑学意义下的维数[15]，它反映的是为了确定一个点在空间的位置所需的独立坐标的数目或独立方向的数目[16]。

对规整几何图形的几何测量是指对其长度(边长、周长等)、面积与体积的测量。

而且对这些几何图形的测量是以其长度为基础的。

在欧氏几何中对规整几何图形的测量，可以用下面的表达式来进行表示：
长度=l
面积A=al2
体积V=bl3
式中a和b为常数，称为几何因子，与具体的几何图形的形状有关。

当几何图形的周界曲线或曲面可以用解析函数给出时，几何量的计算可以用微积分给出。

由此可见，微积分是以欧式几何为基础的，它所给出的几何量（长度、面积和体积）的量纲分别是长度单位的1，2和3次方，它们恰好与这些几何图形存在的空间的欧氏维数相一致，而且均为整数。

以上所讨论的维数都是整数，它们的数值与决定几何形状的变量个数及自由度数是一致的。

图1.1所示为科赫(Koch)曲线的形成过程，即取一单位长直线段（n＝0），将其三等分，舍去中间的一段，而代之以底边在被舍去线段上的等边三角形的另两边，这样形成n＝1级，即Koch曲线的生成元；接下来对n＝1级的曲线中的每一段实施如前的步骤，得到n＝2级曲线，以此往复，便得到科赫曲线。

科赫曲线属于自相似(similarity)的，但是其处处都不能微分，
图1.1 科赫曲线
这类图形被称为非规整几何图形。

此外，属于这一非规整几何图形的还有康托尔(Cantor)集，谢宾斯基(Sierpinski)集等，在非规整几何中，其基本均呈现出不光滑或不规则形状的集合(或无序系统)，只有极少数可以被当作个别的特例，可以利用一般理论进行研究，而在多数情况下，以欧氏几何和黎曼几何为代表的传统几何学对它们是无能为力的，因此研究人员将这些集称之为病态几何图形[17]，在很长一段时间里都认为它们是不值得研究的而不予以理睬。

然而大自然或日常生活中有很多这样的系统，它们的图形是如此的不规则和支离破碎，
具有较高程度的复杂性，且拥有完全不同层次的复杂度。

也就是说，这些不规则集比经典的几何图形能更好的反映许多自然现象，运用传统的方法就意味着回避了大自然中很多更为本质的东西，也就不能从更深的层次解释自然界的千变万化、瑰丽多彩，因此研究人员必须加紧对这些非欧氏几何图形的研究。

研究非规整几何图形的几何学是非欧几里德几何学的一种。

为了正确对非欧氏几何图形进行表述，必须从根本上考虑维数的问题，为此研究人员提出了不少关于维数的定义，相似维数就是其中最易理解且与分形维数有密切关系的一个。

就以科赫曲线为例，当n＝1是为产生科赫曲线的第一阶段。

在这条曲线中，每一线段的长度为1/3，线段的数目N＝4，曲线的总长度L(1/3)＝4/3。

按这种方法一个阶段一个阶段地继续进行下去。

在每一阶段中取代的线段按比例缩小的形状来代替被取代的线段。

用D s表示科赫曲线的相似维数，则有：
D s＝ln4/ln3＝1.2628
即，对相似维数而言，其数值不一定是整数。

提出相似维数是把经验维数扩大为非整数值的划时代的进展，但是由于其仅对具有严格的自相似性的有规非欧氏几何图形适用，因此其适用范围非常有限，不能适用于包括随机图形在内的任意图形。

1.3 分形的提出
在自然界中，许多物体的形状和现象十分复杂：崎岖的山岳地带，纵横交错的江河流域，蜿蜒曲折的海岸线，夜空繁星的分布，奇怪形状的积云，小至如尘粉的飘逸，分子与原子的无规运动的轨迹等等。

关于这些形状和现象，欧氏几何毫无办法对它们作出合乎逻辑的解释。

正如Mandelbrot所说的“云不是球，山岳不是锥体，海岸线不是圆，树皮不是光滑的，闪电也不是沿直线传播的”。

自然界的大部分都不是有序的、稳定的、平衡的和确定性的，而它们是处于无序的、不稳定的、非平衡的和随机的状态之中，其存在着无数的非线性过程，在这个非线性的世界中，随机和复杂性是其主要的特征。

但是同时，在这些极为复杂的现象背后，还存在着某些规律性。

“分形”(fractal)一词是由哈佛大学曼德勃罗特(Benoit B. Mandelbrot)教授于1975年[1, 2]首先提出的，是为高度不规则的集合给出的命名，其原义是“不规则的、分数的、支离破碎的”物体，这一名称是在参考拉丁文fractus(弄碎的)后创造的，其含意和fracture(断裂)和fraction(分数)均有联系，它的意思为
“碎片的”和“不规则的”。

分形几何是一门几何学，它研究的对象是欧氏空间的一类子集，这类子集结构较为复杂。

分形是非线性科学中的一个前沿课题，它直接从非线性复杂系统的本身入手，从未经过简化和抽象的研究对象本身去认识其内在的规律，这是分形理论与线性近似处理方法本质上的区别，大量事实表明，自然界广泛存在着分形。

到目前为止，分形已经被广泛应用于物理学[18, 19]、化学[20]、生物学[21]、地质学[22]、气象学[23]以及材料科学[24]等领域，分形几何己经成为非线性科学的重要组成部分。

1.4 本文的主要研究内容
本文的主要研究内容包括如下几个方面：
在第二章，本文介绍了分形理论的概念、分形的特征、分形的分类、分维及其测量方法、分形的应用，多重分形的理论及其概念。

在第三章，本文介绍了分形的物理机制及其分形的生长模型。

在第四章，本文重点研究了在几种Sierpinski地毯中的DLA生长的斑图结构、分形维数及其多重分形谱。

在第五章，本文重点研究了在不同概率下的逾渗集团中的DLA生长的斑图结构、分形维数。

在第六章，本文重点研究了各向异性DLA的Laplace方程，线种DLA的标度性质。

2 分形与分形维数
2.1 分形原理概述
2.1.1 分形的定义
分形是指一类介于有序和无序，微观和宏观之间的中间状态。

定义1：如果一个集合在欧氏空间中的Hausdorff维数D h恒大于其拓扑维数D t，即
D h>D t
则成该集合为分形集，简称为分形。

这个定义是有Mandelbrot在1982年提出的，四年以后，他又提出了一个实用的定义：
定义2：组成部分以某种方式与整体相似的形体叫分形。

对于定义1而言，一方面在数学上是比较抽象的，不是很直观，另一方面这一定义又将一些明显的分形集排除在外了，因此，这一定义存在有很多明显的不足。

对于定义2而言，突出了分形的“自相似性”，既通俗又直观，很受实验科学家的欢迎，但它并没有从数学的角度为分形下一个严密的定义，而且没有说出分形应有的其它性质，如分形体无限可分为自相似部分等。

因此，从这个角度而言，这个关于分形的定义也是不完善的。

原则地讲，分形是一些简单空间上的一些“复杂”的点的集合，这种集合具有某些特殊的性质，首先它是所在空间的紧子集，并且具有下面列出的典型的几何性质[17]：
(1)分形具有精细的结构，即有任意小比例的细节。

(2)分形是如此的不规则，以至它的整体与局部都不能用传统的几何语言来描述。

(3)分形通常有某种自相似的形式，可能是近似的或统计的。

(4)分形的“分形维数”一般大于它的拓扑维数。

(5)在大多数令人感兴趣的情形下，分形可以以非常简单的方法来定义，可
能由迭代产生。

(6)通常分形都具有“自然”外貌。

对于各种不同的分形，有的可能同时具有上述的全部性质，有的可能只具有上述条件中的大部分性质，而对某个性质出现例外，但这并不影响研究过程中把这个集合称为分形。

类似地，Edgar在1990年给出了一个分形的粗略定义[25]，即：“分形集就是比经典几何考虑的集合更不规则的集合。

这个集合无论被放大多少倍，越来越小的细节仍能看到”。

要注意的一点是，自然界和各门类应用科学中涉及的分形，绝大部分都是近似的，当尺度缩小到分子的尺寸时，分形也就消失了，严格的分形只存在于理论研究之中。

由此可见，分形的严格定义仍然是一个没有解决的问题，这一定义需要有足够的宽度以包括所有特殊情形，但又不能太宽以防止与其他领域的定义相混同。

认识从实践开始，新的概念往往从现象、经验中归纳出来，然而归纳法在逻辑推理上要得到准确的结论，通常需要附加一些条件，不似演绎法从简单的公理推出准确的结论。

直到现在，也还有人在继续讨论分形的严格定义，甚至出现了一个新的学科分支：分形几何和分形理论命名学。

2.1.2 分形的两个重要特征
自相似性和标度不变性是分形的两个重要特性。

一个系统的自相似性又称为扩展((dilation)对称性[1, 26]，是指某种结构或过程的特征从不同的空间尺度或时间尺度来看都是相似的，或者某系统或结构的局域性质或局域结构与整体类似。

如科赫曲线等。

所谓标度不变性，又称之为伸缩对称性，是指在分形上任选一局部区域，对它进行放大，这时得到的放大图又会显示出原图的形态特性。

如天空中的积雨云，将其放大或缩小，它的形态、复杂程度、不规则性等各种特性均不会发生变化。

2.1.3 分形的分类
当系统的自相似性表现在几何结构和形态上时，称为几何分形。

具体到分形几何学，其主要内容可以分为线性分形和非线性分形两部分，线性分形理论的基本观点是维数的变化是连续的，研究的对象具有自相似性和非规则性。

线性分形又称为自相似分形，它研究在所有方向上以同一比率收缩或扩展一个几
何图形的线性变换群下图形的性质，在一定范围内，由一个分形维数就可以加以描述。

线性分形又可分为有规分形和无规分形两类。

非线性分形研究的是在非均匀线性变换群或非线性变换群下几何图形的性质，它又可以分为自仿射分形(非均匀线性变换群)、自反演分形(非线性变换群)和自平方分形(非线性变换群)。

在线性分形中，与线性分形最接近的是自仿射分形(Self-affine Fractal)，仿射是非均匀的线性变换，而相似是均匀的线性变换，是仿射的特例。

在分形几何学中，在用变换定义分形时，为与其他非均匀线性变换群和非线性变换群相区别，把均匀线性变换群作用下的分形—自相似分形称为线性分形，其余的均称为非线性分形，可用下面的图例表示[1]：
⎪⎪⎪⎩⎪⎪⎪⎨⎧⎪⎩
⎪⎨⎧⎩⎨⎧自平方分形自反演分形自仿射分形群）性变换群和非线性变换非线性分形（非均匀线无规分形有规分形换）线性分形（均匀线性变分形几何 规则分形又称决定论的(deterministic)分形，它是按一定规则构造出的具有严格自相似性的分形，在现代文献中谈论最多的规则分形有：Cantor 集、Koch 曲线、谢尔宾斯基 (Sierpinski)集等。

无规分形，它是在生长现象中和许多物理问题中产生的分形，其特点是不具有严格的自相似性，只是在统计意义上是自相似的。

如渗流集团无规行走(RW)、自回避无规行走(SAW)、晶格动物((LatticeAnimals)。

检验一个对象是否为无规分形，主要的办法是检验它的标度不变性。

2.1.4 分形维数的定义
表征自相似系统或结构的定量性质是分形维数，分形维数可用来度量一个对象的不规则性和碎裂程度。

分形集的维数有多种多样的定义，都是根据需要引进的，理论上分形具备无穷多维数，常见的有以下几种。

它们各自有不同的定义以及不同的应用，究竟应该使用哪种维数定义要看系统的特性和问题的方便而定。

(1)相似维数D s
设分形整体S 是由N 个非重迭的部分s 1，s 2，…，s N 组成，如果每一个部分s i 经过放大1/r i 倍后可与S 全等(0< r i <1，i ＝1，2，…，N)，并且r i ＝r ，则相似维数为：
)/1l n (/ln r N D s = (2.1)
如果r i 不全等，则定义：
11=∑=N
i D i s r (2.2) (2)豪斯道夫维数D h
人们常把Hausdorff 维数是分数的物体称为分形，把此时的D h 值称为该分
形的分形维数，简称分维，也有人把该维数称之为分数维数。

为了能定量地描述包括非整数值在内的维数，波恩大学数学家豪斯道夫均在1919年从测量的角度引进了Hausdorff 维数的定义。

Hausdorff 维数定量地描述一个点集规则或不规则的几何尺度，同时其整数部分反映出图形的空间规模。

对动力系统而言，Hausdorff 维数大体上表示独立变量的数目。

Hausdorff 维数的数学形式为： )/1ln()
(ln lim 0δδδN D h →= (2.3)
式中的N(δ)表示δ覆盖{U i }的个数。

D h 又可称为覆盖维数和量规维数。

(3)信息维数D i
设P i 表示分形集的元素属于覆盖U i 中的概率，则信息维数为：
δδln ln lim 10∑=→=N i i i i P P D (2.4)
在等概率P i ＝1/ N(δ)的情况下，信息维数等于Hausdorff 维数，即D i ＝D h 。

(4) 关联维数D g
若分形中某两点之间的距离为δ，其关联函数为C (δ)，则关联维数为：
)/1l n ()
(ln lim 0δδδC D g →= (2.5)
式中
∑∑===--=N i i N j i j i P x x H N
C 121,2)(1)(δδ
关联维数便于从实验中直接测定，应用很广，它是由P.Grass-berger 和L.Procaccia 在1983年提出的。

(5) 容量维数D c 容量维数是由Kolmogorov 推导的，以包覆作为基础。

用半径为ε的d 维球包覆其集合时，假定N(ε)是球的个数的最小值，则容量维数D c 可定义为：
)/1l n ()
(ln lim 0εεεN D c →≡ (2.6)
D c 虽常与D h 相一致，但有时也取不同的值。

一般的关系是D c > D h 。

(6) 谱维数D 在研究具有自相似分布的随机过程，如研究作随机行走的粒子的统计性质，以及可用渗流模型来描述的多孔介质、高聚物凝胶等问题时，引入了谱维数D ，又叫做分形子维数。

斯达普尔顿等人测定了蛋白质的分形子维数D 。

分形子维数D 定义为：
1)(-∝f D ωωρ (2.7)
这里ω为蛋白质链振动频率，P(ω)是振动的态密度。

(7)填充维数D p 1982年Tricot 提出了填充维数，填充维数与Hausdorff 维数有着类似之处，Hausdorff 维数是利用最少的小球覆盖去定义。

而由半径小的互不相交的小球尽可能稠密的填充所定义的维数就称之为填充维数。

(8)分配维数D d
δδδln )
(ln lim 0-=→C M D d (2.8)
曲线的分配维数至少等于计盒维数(假定它们都存在)，在简单的自相似集的例子中，它们是相等的。

英国海岸线的维数为1.2的结论一般是利用分配维数算出的。

(9) Lyapunov 维数D l
通常用Lyapunov 维数来描述混沌吸引子的特征。

它定义为： j n l j D λλλ/)(1++-= (2.9) 这里λ1，λ2，…，λn 是Lyapunov 指数，j 是λ1，λ2，…，λn 中从大到小排列时最小负值的下标号。

2.1.5 分形维数的测定
分形维数是分形结构的重要参量，理论工作者致力于分析各种分形结构和过程，以计算出表征它特征量的分维数；实验工作者则用实验方法测定分形结构和过程的分维数，借以和它的性能相关联，或进一步探讨分形结构形成的物理原因。

由数学严格迭代产生的分形，可直接由定义出发确定其分形维数，然而对无规分形，则需要通过其他方法求出有关的量，对某些物质系统则还需要
通过实验手段来确定其分形特征和确定分形维数。

虽然有多个详尽计算维数的特例，但至今还没有计算分形维数的系统化普适方法，实际的测定分维数的方法，大致可以分成如下五类[1]：
(1) 改变观察尺度求维数；
(2) 根据测度关系求维数；
(3) 根据相关函数求维数；
(4) 根据分布函数求维数；
(5) 根据频谱求维数。

2.1.5.1改变观察尺度求维数
这一方法是使用圆、球、线段和正方形、立方体等具有特征长度的基本图形去近似分形图形，如使用长度为一定值r 的线段集合近似海岸线那样的复杂曲线。

先把曲线的一端作为起点，然后以此点为中心画一个半径为厂的圆，把此圆与曲线最初相交的点和起点用直线连结起来，再把此交点重新看作起点，如此重复同样的操作。

用这一方法近似海岸线时，把测得的线段总数记作)(r N 。

改变基准长度r ，则)(r N 也要改变。

如果海岸线是笔直的，则：
11)(-=∝r r r N (2.10) 关系式成立。

但这一表达式对形状复杂的曲线是不适用的。

以图1.1所示的科赫曲线为例，我们知道，4)3/1(=N , 224)3/1(=N ,…，k k N 4)3/1(=这一关系是
满足的，也就是说，因4)3/1(4
3l o g =-，可以得出： 43l o g )(-∝r r N (2.11)
式中的指数43lo g 与Koch 曲线的相似维数和Hausdorff 维数都相同。

同时，式(2.10)中的r 指数1也与直线的维数一致，因此，一般情况下，如果某曲线具有：
D r r N -∝)( (2.12)
关系，即可称D 为这一曲线的维数。

对海岸线和随机行走轨迹的分形维数的测定，多采用这一方法。

将这一方法进行扩展，即可适用于二维和三维的情况，同时也适用于计算机的计算。

其方法为:把平面或空间分割成边长为r 的细胞，然后来数所要考虑的形状中所含的细胞数)(r N 。

以求算平面上点的分布的分形维数为例，首先用间隔为r 的格子把平面分割成边长为厂的正方形，数出此平面上至少包含一个点的正方形的个数，并将此数记为)(r N ，如果当r 取不同的大小时，则式(2.12)成立，则D 就是平面上点的分布的维数。