Estimación del exponente de HURST y dimensión fractal para el análisis de series de tiempo de absorbancia UV-VIS
Resumen
El objetivo de este trabajo es estimar el exponente o parámetro de Hurst y la dimensión fractal para el análisis de series de tiempo de espectrometría UV-Vis, utilizando el análisis de componentes principales PCA (Principal Component Analysis). El análisis se realiza para comprender si las series de tiempo de absorbancia UV-Vis son persistentes, anti-persistentes, determinísticas o si son ruido blanco. Se utilizaron tres diferentes series de tiempo de absorbancia UV-Vis para tres diferentes sitios de estudio: (i) Planta de tratamiento de aguas residuales Salitre (PTAR) en Bogotá; (ii) Estación elevadora de Gibraltar en Bogotá (EEG); y (iii) Planta de tratamiento de aguas residuales San Fernando (PTAR) en Itagüí (sur de Medellín). Cada una de las series de tiempo tiene igual número de muestras (5705). Se redujo la dimensionalidad de los espectros de absorbancia, dada su alta correlación, con PCA y se utilizó para cada sitio de estudio la primera componente principal. Esta componente principal explicó entre el 82% al 94% de la variabilidad para los tres sitios de estudio. Se determinaron los exponentes de Hurst: (i) 0.8 para PTAR Salitre; (ii) 0.85 para EEG; y (iii) 0.89 para PTAR San Fernando. A partir de los valores de los exponentes de Hurst se determinan las dimensiones fractales para las tres series de tiempo de absorbancia UV-Vis en los tres sitios de estudio y se obtiene en promedio una dimensión fractal de 1153. Las tres series de tiempo de absorbancia UV-Vis son persistentes y con alta auto-similitud, dado que el exponente de Hurst es mayor a 0.5.
Descargas
Lenguajes:
esAgencias de apoyo:
Empresa de Acueducto y Alcantarillado de Bogotá, Empresas Públicas de Medellín, Centro de Computación de Alto DesempeñoReferencias bibliográficas
van den Broeke, J. (2007). On-line and In-situ UV/Vis Spectroscopy: Real time multi parameter measurements with a single instrument. AWE International, 55-59.
Gruber, G., Bertrand-Krajewski, J.-L., De Beneditis, J., Hochedlinger, M. & Lettl, W. (2006). Practical aspects, experiences and strategies by using UV/VIS sensors for long-term sewer monitoring. Water Practice & Technology, 1-8. doi:10.2166/WPT.2006020. http://dx.doi.org/10.2166/wpt.2006020
Rieger, L., Langergraber, G., Thomann, M., Fleischmann, N. & Siegrist, H. (2004). Spectral in-situ analysis of NO2, NO3, COD, DOC and TSS in the effluent of a WWTP. AutMoNet – 2nd IWA Conference on Automation in Water Quality Monitoring (pp.29-36). Viena: IWA Conference on Automation in Water Quality Monitoring.
Salgado, R., Pinheiro, H.M., Ferreira, F., Saldanha, J. & Louren, N. (2013). In situ UV-Vis spectroscopy to estimate COD and TSS in wastewater drainage systems. Urban Water Journal, 1-12. doi:10.1080/1573062X.2013.783087. http://dx.doi.org/10.1080/1573062X.2013.783087
Torres, A., Lepot, M. & Bertrand-Krajewski, J.-L. (2013). Local calibration for a UV/Vis spectrometer: PLS vs. SVM. A case study in a WWTP. Proccedings of 7th International Conference on Sewer Processes & Networks. Sheffield, Reino Unido.
Rodríguez, E. (2012). Hidrología de Hurst y Box Counting para el análisis de persistencia, volatilidad y riesgo en dos series de tiempo colombianas. Cuadernos Latinoamericanos de Administración, VIII(14), pp.41-50.
Mandelbrot, B. (1988). Los objetos fractales: forma, azar y dimensión. Espa-a: TusQuets Editores.
Quintero, O. & Delgado, J. (2011). Estimación del Exponente de Hurst y la dimensión Fractal de una superficie topográfica a través de la extracción de perfiles. Geomática UD.GEO, 5, pp.84-91.
Langergraber, G., Fleischmann, N., Hofstaedter, F. & Weingartner, A. (2004). Monitoring of a paper mill wastewater treatment plant using UV/VIS spectroscopy. IWA Water Science and Technology, 49(1), pp.9-14.
Shlens, J. (2009). A Tutorial on Principal Component Analysis. La Jolla, California, EE.UU.: Salk Institute for Biological Studies.
Alvarez-Ramirez, J., Echeverria, J. & Rodriguez, E. (2008). Performance of a high-dimensional R/S method for Hurst exponent estimation. Physica A: Statistical Mechanics and its Applications. doi:10.1016/j.physa.2008.08.014. http://dx.doi.org/10.1016/j.physa.2008.08.014
Carr. J. (1997). Statistical self-affinity, fractal dimension, and geologic interpretation. Engineering Geology, 48, pp.269-282. http://dx.doi.org/10.1016/S0013-7952(97)00042-2
Rehman, S. & Siddiqi, A. (2009). Wavelet based Hurst exponent and fractal dimensional analysis of Saudi climatic dynamics. Chaos, Solitons and Fractals, 40, pp.1081–1090. doi:10.1016/j.chaos.2007.08.063. http://dx.doi.org/10.1016/j.chaos.2007.08.063
Estadísticas de artículo | |
---|---|
Vistas de resúmenes | |
Vistas de PDF | |
Descargas de PDF | |
Vistas de HTML | |
Otras vistas |