-
دسترسی آزاد مقاله
1 - River Discharge Time Series Prediction by Chaos Theory
احمد پور مقدم ادریس معروفی نیا ابوالفضل شمساییThe application of chaos theory in hydrology has been gaining considerable interest in recent years.Based on the chaos theory, the random seemingly series can be attributed to deterministic rules. Thedynamic structures of the seemingly complex processes, such as river f چکیده کاملThe application of chaos theory in hydrology has been gaining considerable interest in recent years.Based on the chaos theory, the random seemingly series can be attributed to deterministic rules. Thedynamic structures of the seemingly complex processes, such as river flow variations, might be betterunderstood using nonlinear deterministic chaotic models than the stochastic ones. In this paper,chaotic behavior of the daily river discharge time series from the BarandozChay, fromSeptember,1983to August, 2009 is investigated. To reconstruct phase space, the time delay and embedding dimensionare needed and for this purpose, Average Mutual Information (AMI) and algorithm of False NearestNeighbors (FNN) wereused. Correlation Dimension method was applied for investigating chaoticbehavior of daily discharge. The delay time and optimum-embedding dimension were obtained 66 and4 respectively. The low amount of correlation dimension (d=3.1) represents the chaotic behavior ofBarandoz river discharge time series. پرونده مقاله -
دسترسی آزاد مقاله
2 - امکان تشخیص آریتمیهای قلبی با استفاده از تحلیل شاخصهای آشوبی سیگنال ECG
علی تمیزی محمد عطایی محمدرضا یزدچیسیگنال الکتروکاردیوگرام (ECG) معمولترین روش غیرتهاجمی برای بررسی سلامتی قلب یا تشخیص احتمالی بیماریهای قلبی است. مطالعات نشان میدهد سیگنال ECG یک ساختار خطی ساده ندارد بلکه دارای مؤلفههای غیرخطی است. در این مقاله سیگنال ECG به عنوان یک سری زمانی در نظر گرفته شده است چکیده کاملسیگنال الکتروکاردیوگرام (ECG) معمولترین روش غیرتهاجمی برای بررسی سلامتی قلب یا تشخیص احتمالی بیماریهای قلبی است. مطالعات نشان میدهد سیگنال ECG یک ساختار خطی ساده ندارد بلکه دارای مؤلفههای غیرخطی است. در این مقاله سیگنال ECG به عنوان یک سری زمانی در نظر گرفته شده است و شاخصهای غیرخطی آشوبی مانند بزرگترین نمای لیاپانوف ( ) و بعد همبستگی (D2) از سیگنال ECG برای افراد سالم و بیمار استخراج میشود. در این راستا الگوریتمهای مناسب جهت استخراج پارامترهای لازم برای بازسازی فضای حالت و نیز محاسبه بزرگترین نمای لیاپانوف و بعد همبستگی از روی سیگنال ECG با ملاحظات مربوطه ارائه میگردد. سپس با استفاده از طبقهبندی کننده فازی امکان تفکیک افراد سالم و بیمار، براساس شاخصهای آشوبی محاسبه شده بررسی میشود. دادهها از پایگاه دادههای MIT-BIH گرفته شده است و مقایسه نتایج برای سه گروه شامل افراد با ریتم قلبی سالم (NSR)، بیماران فیبریلاسیون دهلیزی (AF) و بیماران انسداد دسته شاخه چپ (LBBB) انجام شده است که مبیّن کارایی طبقهبندی ارائه شده بر اساس شاخصهای آشوبی است. پرونده مقاله