Articulo de referencia

Análisis del tiempo natural

El análisis del tiempo natural es un método estadístico aplicado para analizar series temporales complejas y fenómenos críticos , basado en el recuento de eventos como una medid...

El análisis del tiempo natural es un método estadístico aplicado para analizar series temporales complejas y fenómenos críticos , basado en el recuento de eventos como una medida de "tiempo" en lugar del tiempo del reloj . [1] [2] El concepto de tiempo natural fue introducido por P. Varotsos , N. Sarlis y E. Skordas en 2001. [3] El análisis del tiempo natural se ha aplicado principalmente a la predicción de terremotos [1] [2] / pronóstico inmediato [4] [5 ] [6] [7] [ 8] [9] [10] [11] [12] [13] y secundariamente a muerte cardíaca súbita [14] / insuficiencia cardíaca [15] [16] y mercados financieros . [17] Las características del tiempo natural se consideran únicas. [9]

Etimología

El "tiempo natural" es una nueva visión del tiempo introducida en 2001 [3] que no es continua, a diferencia del tiempo convencional que está en el continuo de los números reales , sino que sus valores forman conjuntos contables como los números naturales . [18]

Definición

En el dominio del tiempo natural, cada evento se caracteriza por dos términos, el "tiempo natural" χ y la energía Q k . χ se define como k / N , donde k es un número natural (el k -ésimo evento) y N es el número total de eventos en la secuencia temporal de datos. Un término relacionado, p k , es la relación Q k / Q total , que describe la energía fraccionaria liberada. El término κ 1 es la varianza en el tiempo natural: [19]

k 1 = a = 1 norte pag a ( χ a ) 2 ( a = 1 norte pag a χ a ) 2 {\displaystyle \kappa _{1}=\sum _{k=1}^{N}p_{k}(\chi _{k})^{2}-{\bigl (}\sum _{k= 1}^{N}p_{k}\chi _{k}{\bigr )}^{2}}
donde y χ a = a / norte {\displaystyle \textstyle \chi _{k}=k/N}   pag a = Q a norte = 1 norte Q norte {\displaystyle \textstyle \ p_{k}={\frac {Q_{k}}{\sum _ {n=1}^{N}Q_{n}}}}

Inversión del tiempo

La inversión del tiempo, a diferencia del tiempo del reloj, es aplicable cuando se estudia el enfoque de un sistema hacia la criticidad con el análisis del tiempo natural. Por ejemplo, se considera que los sistemas vivos operan lejos del equilibrio ya que existe un flujo de energía que cruza sus límites, a diferencia de los organismos muertos donde no hay fuerzas impulsoras internas. Si bien la irreversibilidad del tiempo es una propiedad fundamental de un sistema vivo, el estado de muerte es más reversible en el tiempo por medio del flujo de energía a través de los límites del sistema. Por lo tanto, un estado crítico de un sistema se puede estimar aplicando el análisis del tiempo natural al calcular la entropía tanto en el flujo de tiempo normal como en la inversión del tiempo y al estudiar la diferencia de los dos resultados. [15] [14] [16]

(a) ECG en el que se marcan las distancias RR
(b) el mismo ECG trazado en (a) pero leído en análisis de tiempo natural
(c) ECG en tiempo convencional en inversión de tiempo
(d) ECG en tiempo natural en análisis de tiempo natural
La longitud entre distancias RR en tiempo convencional se considera aproximadamente como la energía de cada pulso (evento) en análisis de tiempo natural.

Aplicaciones

Sismología

Predicción de terremotos

El análisis del tiempo natural se ha aplicado inicialmente al método VAN para mejorar la precisión de la estimación del tiempo de un terremoto próximo que se ha indicado que ocurrirá mediante señales sísmicas eléctricas (SES). El método considera que las SES son válidas cuando κ 1 = 0,070. Una vez que las SES se consideran válidas, se inicia un segundo análisis NT en el que se anotan los eventos sísmicos (en lugar de eléctricos) posteriores y se divide la región como un diagrama de Venn con al menos dos eventos sísmicos por rectángulo superpuesto. Cuando κ 1 se acerca al valor κ 1 = 0,070 para la región candidata, se considera inminente un evento sísmico crítico, es decir, que ocurrirá en unos pocos días o una semana aproximadamente. [20]

Predicción de terremotos

En sismología , el nowcasting es la estimación del estado dinámico actual de un sistema sismológico. [4] [7] Se diferencia del pronóstico que tiene como objetivo estimar la probabilidad de un evento futuro [12] pero también se considera una base potencial para el pronóstico. [8] [4] El nowcasting se basa en el modelo del ciclo sísmico , un ciclo recurrente entre pares de grandes terremotos en un área geográfica, sobre el cual se evalúa el sistema utilizando el tiempo natural. [4] Los cálculos de nowcasting producen el "puntaje de potencial sísmico", una estimación del nivel actual de progreso sísmico. [9]

Cuando se aplica a la sismicidad, el tiempo natural tiene las siguientes ventajas: [4]

  1. No es necesario desagrupar las réplicas ya que el recuento del tiempo natural es igualmente válido en cualquier caso de réplica o sismicidad de fondo.
  2. Las estadísticas de tiempo natural no dependen del nivel de sismicidad, dado que el valor b no varía significativamente.

Las aplicaciones típicas son: grandes terremotos y tsunamis globales , [5] réplicas y sismicidad inducida , [8] [13] sismicidad inducida en campos de gas , [10] riesgo sísmico para megaciudades globales, [12] estudio de agrupamiento de grandes terremotos globales, [11] etc.

Cardiología

El análisis del tiempo natural se ha utilizado experimentalmente para el diagnóstico del síndrome de insuficiencia cardíaca [15] [16], así como para identificar pacientes con alto riesgo de muerte súbita cardíaca , [14] incluso cuando se mide únicamente la frecuencia cardíaca, ya sea mediante electrocardiografía o equipos mucho más económicos y portátiles (es decir, oxímetro ). [16]

Economía

Debido a las similitudes de las características dinámicas entre los terremotos y los mercados financieros, se eligió el análisis del tiempo natural, que se utiliza principalmente en sismología, para ayudar a desarrollar estrategias ganadoras en los mercados financieros, con resultados alentadores. [17]

Referencias

  1. ^ ab Varotsos, PA; Sarlis, NV; Skordas, ES (2002). "Correlaciones de largo alcance en las señales eléctricas que preceden a la ruptura". Physical Review E . 66 (1 Pt 1): 011902. Bibcode :2002PhRvE..66a1902V. doi :10.1103/PhysRevE.66.011902. ISSN  1539-3755. PMID  12241379.
  2. ^ ab Varotsos, Sarlis & Skordas 2011 (libro), prefacio y capítulo 2
  3. ^ ab P. Varotsos, N. Sarlis, E. Skordas (2001). "Aspectos de complejidad espacio-temporal en la interrelación entre señales eléctricas sísmicas y sismicidad". Practica of Athens Academy . 76 : 294–321.{{cite journal}}: CS1 maint: varios nombres: lista de autores ( enlace )
  4. ^ abcde Rundle, JB; Turcotte, DL; Donnellan, A.; Ludwig, L. Grant; Luginbuhl, M.; Gong, G. (2016). "Predicción inmediata de terremotos". Ciencias de la Tierra y el Espacio . 3 (11): 480–486. Bibcode :2016E&SS....3..480R. doi : 10.1002/2016EA000185 . ISSN  2333-5084.
  5. ^ ab Rundle, John B.; Luginbuhl, Molly; Khapikova, Polina; Turcotte, Donald L.; Donnellan, Andrea; McKim, Grayson (1 de enero de 2020). "Predicción inmediata de las fuentes de grandes terremotos y tsunamis globales". Geofísica pura y aplicada . 177 (1): 359–368. doi :10.1007/s00024-018-2039-y. ISSN  1420-9136. S2CID  133790229.
  6. ^ Williams, Charles A.; Peng, Zhigang; Zhang, Yongxian; Fukuyama, Eiichi; Goebel, Tomás; Yoder, Mark, eds. (2019). "Introducción". Terremotos y peligros múltiples en la cuenca del Pacífico, vol. II. Volúmenes tópicos de Pageoph. Birkhäuser Basilea. ISBN 978-3-319-92296-6.
  7. ^ ab Rundle, John B.; Giguere, Alexis; Turcotte, Donald L.; Crutchfield, James P.; Donnellan, Andrea (2019). "Predicción sísmica global con entropía de información de Shannon". Ciencias de la Tierra y el Espacio . 6 (1): 191–197. Bibcode :2019E&SS....6..191R. doi :10.1029/2018EA000464. ISSN  2333-5084. PMC 6392127 . PMID  30854411. 
  8. ^ abc Luginbuhl, Molly; Rundle, John B.; Turcotte, Donald L. (14 de enero de 2019). "Modelos de física estadística para réplicas y sismicidad inducida". Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences . 377 (2136): 20170397. Bibcode :2019RSPTA.37770397L. doi :10.1098/rsta.2017.0397. PMC 6282405 . PMID  30478209. 
  9. ^ abc Pasari, Sumanta (1 de abril de 2019). "Predicción inmediata de terremotos en la región de la Bahía de Bengala". Geofísica pura y aplicada . 176 (4): 1417–1432. Código Bibliográfico :2019PApGe.176.1417P. doi :10.1007/s00024-018-2037-0. ISSN  1420-9136. S2CID  134896312.
  10. ^ ab Luginbuhl, Molly; Rundle, John B.; Turcotte, Donald L. (1 de noviembre de 2018). "Sismicidad inducida por tiempo natural y predicción inmediata en el campo de gas de Groningen en los Países Bajos". Revista Geofísica Internacional . 215 (2): 753–759. Código Bibliográfico :2018GeoJI.215..753L. doi : 10.1093/gji/ggy315 . ISSN  0956-540X.
  11. ^ ab Luginbuhl, Molly; Rundle, John B.; Turcotte, Donald L. (1 de febrero de 2018). "Tiempo natural y terremotos de predicción inmediata: ¿los grandes terremotos globales están agrupados temporalmente?". Pure and Applied Geophysics . 175 (2): 661–670. Bibcode :2018PApGe.175..661L. doi :10.1007/s00024-018-1778-0. ISSN  1420-9136. S2CID  186239922.
  12. ^ abc Rundle, John B.; Luginbuhl, Molly; Giguere, Alexis; Turcotte, Donald L. (1 de febrero de 2018). "Tiempo natural, predicción inmediata y física de los terremotos: estimación del riesgo sísmico para las megaciudades globales". Geofísica pura y aplicada . 175 (2): 647–660. arXiv : 1709.10057 . Código Bibliográfico :2018PApGe.175..647R. doi :10.1007/s00024-017-1720-x. ISSN  1420-9136. S2CID  54169682.
  13. ^ ab Luginbuhl, Molly; Rundle, John B.; Hawkins, Angela; Turcotte, Donald L. (1 de enero de 2018). "Predicción de terremotos: una comparación de terremotos inducidos en Oklahoma y en los géiseres de California". Geofísica pura y aplicada . 175 (1): 49–65. Bibcode :2018PApGe.175...49L. doi :10.1007/s00024-017-1678-8. ISSN  1420-9136. S2CID  134725994.
  14. ^ abc Varotsos, PA; Sarlis, NV; Skordas, ES; Lazaridou, MS (6 de agosto de 2007). "Identificación del riesgo de muerte cardíaca súbita y especificación del momento en que ocurre mediante el análisis de electrocardiogramas en tiempo natural". Applied Physics Letters . 91 (6): 064106. Bibcode :2007ApPhL..91f4106V. doi :10.1063/1.2768928. ISSN  0003-6951.
  15. ^ abc Sarlis, NV; Skordas, ES; Varotsos, PA (1 de julio de 2009). "Variabilidad de la frecuencia cardíaca en tiempo natural y "ruido" 1/f". EPL . 87 (1): 18003. Bibcode :2009EL.....8718003S. doi :10.1209/0295-5075/87/18003. ISSN  0295-5075. S2CID  122782584.
  16. ^ abcd Baldoumas, George; Peschos, Dimitrios; Tatsis, Giorgos; Chronopoulos, Spyridon K.; Christofilakis, Vasilis; Kostarakis, Panos; Varotsos, Panayiotis; Sarlis, Nicholas V.; Skordas, Efthimios S.; Bechlioulis, Aris; Michalis, Lampros K. (5 de noviembre de 2019). "Un prototipo de dispositivo electrónico de fotopletismografía que distingue la insuficiencia cardíaca congestiva de los individuos sanos mediante la aplicación del análisis del tiempo natural". Electrónica . 8 (11): 1288. doi : 10.3390/electronics8111288 .
  17. ^ ab Mintzelas, A.; Kiriakopoulos, K. (1 de enero de 2016). "Análisis del tiempo natural en los mercados financieros". Finanzas algorítmicas . 5 (1–2): 37–46. doi : 10.3233/AF-160057 . ISSN  2158-5571.
  18. ^ Varotsos, Sarlis & Skordas 2011 (libro), prefacio
  19. ^ Varotsos, Sarlis & Skordas 2011 (libro), páginas 121 y 131
  20. ^ Varotsos, Sarlis & Skordas 2011 (libro), capítulo 7

Bibliografía

  • Varotsos, Panayiotis A.; Sarlis, Nicholas V.; Skordas, Efthimios S. (2011). Análisis del tiempo natural: la nueva visión del tiempo; Señales eléctricas sísmicas precursoras, terremotos y otras series temporales complejas . Berlín: Springer. ISBN 978-3-642-16449-1.OCLC 755081829  .
Obtenido de "https://es.wikipedia.org/w/index.php?title=Análisis_del_tiempo_natural&oldid=1198329294"