THE QUALITATIVE FRACTAL ANALYSIS OF LONG TERM TIME SERIES FOR AGRICULTURAL SOILS’ ELECTRICAL CONDUCTIVITY PARAMETERS: METHODS OF NONLINEAR DYNAMICS, THEORY OF CHAOS, PHASE TRAJECTORIES
DOI:
https://doi.org/10.32782/KNTU2618-0340/2021.4.2.2.4Анотація
The procedure of the qualitative fractal analysis of long term time series for agricultural soils’ electrical conductivity parameters, for which the hypothesis of trend existence isn’t confirmed, with application of the methods of nonlinear dynamics, theory of chaos and phase trajectories, is presented. The real time series characterizing mentioned above electrical conductivity parameters of Ukrainian soils are considered. The basis for similar researches is Takens’s theorem. The randomness of the studied dynamical system given by time realizations is established by means of Lyapunov’s indicator. The state stability is estimated by Hausdorff ’s fractal dimension and the fractality index. Visual evaluation of the time series was carried out by means of the phase trajectory restoration procedure. As a result of the analysis of phase points in the phase space the split attractor is indicated, which gives the chaise to speak about its bifurcation.
Application of the nonlinear dynamical system theory methods to the time series analysis is based on the hypothesis that the available series describes the behavior of the studied system, and it’s the only available information about this system. According to the well-known Takens’s theorem [1] a single time series suffices for an adequate description of a dynamical system as a whole.
The analysis of time series by the methods of nonlinear dynamical system theory is becoming widely applied. In terminology of this theory the process described by time series contains the deterministic chaos, or, in other words, is chaotic. From the linear analysis method point of view they are stochastic processes.
The nonlinear analysis demonstrates that neither can these processes be considered as deterministic ones, nor are they absolutely random. In other words, only short-term forecasting of the system condition is possible with certain accuracy.
Запропоновано процедуру якісного фрактального аналізу довготривалих часових рядів параметрів електропровідності ґрунтів сільськогосподарського призначення, для яких не підтверджується гіпотеза про наявність тренда, із застосуванням методу нелінійної динаміки, теорії хаосу та фазових траєкторій. Розглянуті реальні часові ряди, що характеризують згадані параметри електропровідності українських ґрунтів (сільськогосподарського призначення). Обґрунтуванням для подібних досліджень є теорія Такенса. Хаотичність досліджуваної динаміки системи, що задана часовими реалізаціями, встановлена за допомогою показника Ляпунова. Оцінка стійкості стану оцінювалась фрактальною розмірністю Хаусдорффа й індексом фрактальності. Візуальна оцінка часового ряду проводилась за допомогою процедури відновлення фазових траєкторій. У результаті аналізу фазових точок фазового простору виявлені ознаки розщепленого аттрактору, що дає можливість говорити про його біфуркацію.
Застосування методів теорії нелінійних динамічних систем до аналізу часових рядів базується на гіпотезі про можливість опису поведінки досліджуваних систем подібним чином, й до того ж це єдина доступна інформація про систему. Згідно з добре відомою теоремою Такенса [1], одного часового ряду для адекватного опису динамічної системи цілком достатньо.
Аналіз часових рядів методами теорії нелінійних динамічних систем зараз набуває широкого застосування. Згідно з термінологією цієї теорії, процес, який описується часовими рядами, може утримувати у собі детермінований хаос, або, іншими словами, стає хаотичним. З точки зору методу лінійного аналізу, такі процеси є хаотичними.
Нелінійний аналіз демонструє те, що такі процеси можна розглядати або як детерміновані, або як абсолютно стохастичні. Іншими словами, тільки короткотривале прогнозування поведінки системи є можливим з певною точністю.
Посилання
Takens, F., Rand, D.A. & Young, L.S. (1981). Detecting strange attractors in turbulence II Dynamical systems and Turbulence. Lecture Notes in Mathematics. Berlin: Springer-Verlag. 898, 366-381.
Mun, F. (1990) Chaoticheskie kolebanija. Vvodnyi kurs dlija nauchnich rabotnikov und ingenerov. Moskva: Mir.
Hausdorff, F. (1919). Dimension und Assures Mass. Matematishe Annalen. Berlin.79, 157 - 179.
Feder, F. (1991). Fraktali. Moskva: Mir.
Kronover, R. (2000). Fraktali und chaos v dinamicheskich sistemach. Moskva: Postmarket.
Bezruchko, B.P. & Smirnov, D.A. (2005). Matematicheskoje modelirovanije i chaoticheskije vremennije ryadi. Saratov: GosUNC “Kolledg”.
Dobovukov, M.M., Kranev, A.V. & Starchenko, N.V. (2004). Razmernost minimalnogo pokritija und lokalniji analis fraktalnich vremennich ryadov. Vestnik RUDN. 3, 1, 81-95.
Malinetsky, G.G., Potapov, A.V. & Podlazov, A.V. (2006). Nelinejnaja dinamika. Podchodi, rezultati, nadegdi. Moskva: Komkniga.
Figliola, A., Serrano, E. & Paccosi, G. (2010). About the effectiveness of different methods for the estimation of the multifractal spectrum of natural series. International Journal of Bifurcation and chaos. 20 (2), 331-339.
Delignieres, D. & Torre, K. (2009). Fractal dynamics of human gait: a reassessment of the 1996 data of Hausdorff et al. Journal of Applied Physiology. 106, 1772-1279.
Starchenko, N.V. (2005). Lokalnij analiz chaoticheskich vremennich ryadov s pomoschju indeksa fraktalnosti: avtoref. diss. … kand. fiz.- mat. nauk. Moskva.