Investigation of chaotic signals in monthly
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 781
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICCAU01_2996
تاریخ نمایه سازی: 29 تیر 1393
چکیده مقاله:
Adequate knowledge of rainfall behavior is important for proper planning and management of water resources and design of environment. In this study chaotic behavior of monthly rainfall in the Ramsar during January 1970 - December 2000 is investigated. The methods and indicators of chaos theory (power spectrum, average mutual information, false nearest neighbours, correlation dimension and largest Lyapunov exponents) were applied. The value of power spectrum (0.64)indicate that chaotic (fractal) behavior to the rainfall time series. The optimal delay time (4 month) and embedding dimension (13) are obtained from average mutual information and false nearest neighbours techniques, respectively. Optimal values are then used for the estimation of the correlation dimension and the largest Lyapunov exponent for inspecting possible signatures of chaotic dynamics. The low correlation dimension (2.82) suggest the presence of low-dimensional chaos; also imply that the rainfall dynamics are dominantly governed by three variables. The positive largest Lyapunov exponent value (0.0135) indicate a signature of chaos. These results give a positive indication towards considering rainfall as a chaotic system .
کلیدواژه ها:
نویسندگان
Rasoul Jani
Department of Technical and Engineering, Science and Research Branch, Islamic Azad University, Tehran, Iran.*Corresponding author
Mohammad Ali Ghorbani
Department of Civil Engineering, Tabriz University, Tabriz, Iran
Abolfazl Shamsaei
Department of Technical and Engineering, Science and Research Branch, Islamic Azad University, Tehran, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :