Los patrones climáticos diarios, la actividad cerebral en un EEG electroencefalograma y los latidos del corazón en un EKG electrocardiograma generan líneas de datos complejos. Para analizar estos datos, tal vez para predecir una tormenta, una convulsión o un ataque cardíaco, los investigadores primero deben dividirestos datos continuos en partes discretas, una tarea que es difícil de realizar de manera simple y precisa.
Investigadores de la Universidad de la República en Uruguay y la Universidad de Aberdeen en Escocia han ideado un nuevo método para transformar datos de sistemas complejos, reduciendo la cantidad de información importante perdida, mientras siguen utilizando menos poder de cómputo que los métodos existentes. DescribenEste nuevo método, que permite la estimación de probabilidades en sistemas dinámicos, en la edición actual de Caos , de AIP Publishing.
Históricamente, los investigadores han dividido los datos de un sistema dinámico a través de particiones de Markov, una función que describe un punto en el espacio en relación con el tiempo, como un modelo que describe la oscilación de un péndulo. Pero las particiones de Markov a menudo no son prácticas enescenarios reales. En el nuevo enfoque, los investigadores utilizan particiones marginales móviles para buscar en el espacio de variables observadas que componen datos de series de tiempo para una partición aproximada de Markov.
"La partición de Markov está transformando una trayectoria continua de un sistema dinámico almacenado en variables de alta resolución en algo discreto que puede almacenarse en un conjunto finito de variables con resolución finita, por ejemplo, un alfabeto", dijo Nicolás Rubido de la Universidadde la República.
Ya existe un método aproximado de uso común que divide los datos de una serie de tiempo en los contenedores de un histograma, pero utiliza contenedores del mismo tamaño. En este nuevo estudio, el investigador estableció los límites del contenedor de una maneraeso reduce la imprevisibilidad en cada contenedor. El nuevo proceso transforma los contenedores en secuencias simbólicas fáciles de manejar que contienen la mayor parte de la información relevante del sistema. Rubido compara el proceso de comprimir una foto digital a una resolución más baja, lo que garantiza que aún puede hacertodos los objetos en la imagen.
El nuevo método puede ser útil para analizar cualquier tipo de serie temporal, como predecir un corte de energía al tener en cuenta la producción de la central eléctrica, la entrada fluctuante de las fuentes de energía renovables y las demandas cambiantes de los consumidores. Rubido señaló que este nuevo enfoqueno ofrece ninguna ventaja sobre algunos de los métodos existentes para casos muy simples, pero dijo que podría ser especialmente útil para analizar sistemas dinámicos de alta dimensión, que rápidamente abruman la potencia informática existente.
"Cuanto mayor sea la complejidad, más aplicable y adecuado será el método", dijo Rubido.
A continuación, Rubido y su equipo trabajarán para optimizar el método. Actualmente, los investigadores usan la "fuerza bruta" para establecer los límites de cada contenedor, pero podrían intentar mover los límites de un lado a otro de forma controlada para asegurarse de que "estamos obteniendo la mayor cantidad de información posible en cada variable. Una vez que su método esté optimizado, los investigadores planean abordar sistemas más complejos que han eludido el análisis.
Fuente de la historia :
Materiales proporcionados por Instituto Americano de Física . Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cite esta página :