पुनरावृत्ति परिमाणीकरण विश्लेषण

पुनरावृत्ति परिमाणीकरण विश्लेषण (आरक्यूए) गतिशील प्रणालियों की जांच के लिए गैर-रेखीय डेटा विश्लेषण (सीएफ अराजकता सिद्धांत) की एक विधि है। यह अपने चरण अंतरिक्ष प्रक्षेपवक्र द्वारा प्रस्तुत एक गतिशील प्रणाली की पुनरावृत्ति की संख्या और अवधि को निर्धारित करता है।

पृष्ठभूमि
पुनरावृत्ति परिमाणीकरण विश्लेषण (आरक्यूए) को छोटे पैमाने की संरचनाओं के आधार पर अलग-अलग दिखने वाले पुनरावृत्ति भूखंडों (आरपी) को मापने के लिए विकसित किया गया था। पुनरावृत्ति प्लॉट ऐसे उपकरण हैं जो चरण अंतरिक्ष प्रक्षेपवक्र के पुनरावृत्ति व्यवहार की कल्पना करते हैं $$\vec{x}(i)$$ गतिशील प्रणालियों की:


 * $${R}(i,j) = \Theta(\varepsilon - \| \vec{x}(i) - \vec{x}(j)\|)$$,

कहाँ $$\Theta: \mathbf{R} \rightarrow \{0, 1\}$$ हेविसाइड फ़ंक्शन है और $$\varepsilon$$ एक पूर्वनिर्धारित सहिष्णुता.

पुनरावृत्ति प्लॉट में अधिकतर एकल बिंदु और रेखाएं होती हैं जो माध्य विकर्ण (पहचान की रेखा, एलओआई) के समानांतर होती हैं या जो लंबवत/क्षैतिज होती हैं। एलओआई के समानांतर रेखाओं को विकर्ण रेखाएं और ऊर्ध्वाधर संरचनाओं को ऊर्ध्वाधर रेखाएं कहा जाता है। क्योंकि आरपी आमतौर पर सममित होती है, क्षैतिज और ऊर्ध्वाधर रेखाएं एक-दूसरे से मेल खाती हैं, और इसलिए, केवल लंबवत रेखाओं पर विचार किया जाता है। रेखाएँ चरण अंतरिक्ष प्रक्षेपवक्र के एक विशिष्ट व्यवहार के अनुरूप होती हैं: जबकि विकर्ण रेखाएँ चरण अंतरिक्ष प्रक्षेपवक्र के ऐसे खंडों का प्रतिनिधित्व करती हैं जो कुछ समय के लिए समानांतर चलते हैं, ऊर्ध्वाधर रेखाएँ उन खंडों का प्रतिनिधित्व करती हैं जो कुछ समय के लिए एक ही चरण अंतरिक्ष क्षेत्र में रहते हैं।

यदि केवल एक समय श्रृंखला उपलब्ध है, तो समय विलंब एम्बेडिंग का उपयोग करके चरण स्थान का पुनर्निर्माण किया जा सकता है (टेकेन्स प्रमेय देखें):


 * $$\vec{x}(i) = (u(i), u(i+\tau), \ldots, u(i+\tau(m-1)),$$

कहाँ $$u(i)$$ समय श्रृंखला है, $$m$$ एम्बेडिंग आयाम और $$\tau$$ समय की देरी.

आरक्यूए पुनरावृत्ति भूखंडों की छोटे पैमाने की संरचनाओं की मात्रा निर्धारित करता है, जो एक गतिशील प्रणाली की पुनरावृत्ति की संख्या और अवधि प्रस्तुत करता है। आरक्यूए के लिए शुरू किए गए उपायों को 1992 और 2002 (ज़्बिलुत और वेबर 1992; वेबर और ज़्बिलुत 1994; मारवान एट अल 2002) के बीच अनुमानतः विकसित किया गया था। वे वास्तव में जटिलता हैं। पुनरावृत्ति परिमाणीकरण विश्लेषण का मुख्य लाभ यह है कि यह छोटे और गैर-स्थिर डेटा के लिए भी उपयोगी जानकारी प्रदान कर सकता है, जहां अन्य विधियां विफल हो जाती हैं।

RQA को लगभग हर प्रकार के डेटा पर लागू किया जा सकता है। इसका व्यापक रूप से शरीर विज्ञान में उपयोग किया जाता है, लेकिन इसे अभियांत्रिकी, रसायन विज्ञान, पृथ्वी विज्ञान आदि की समस्याओं पर भी सफलतापूर्वक लागू किया गया है।

आरक्यूए उपाय
सबसे सरल माप पुनरावृत्ति दर है, जो पुनरावृत्ति प्लॉट में पुनरावृत्ति बिंदुओं का घनत्व है:


 * $$\text{RR} = \frac{1}{N^2} \sum_{i,j=1}^N {R}(i,j).$$

पुनरावृत्ति दर उस संभावना से मेल खाती है कि एक विशिष्ट स्थिति दोबारा होगी। यह सहसंबंध योग की परिभाषा के लगभग बराबर है, जहां एलओआई को गणना से बाहर रखा गया है।

अगला माप पुनरावृत्ति बिंदुओं का प्रतिशत है जो न्यूनतम लंबाई के पुनरावृत्ति प्लॉट में विकर्ण रेखाएं बनाते हैं $$\ell_\min$$:


 * $$\text{DET} = \frac{\sum_{\ell=\ell_\min}^N \ell\, P(\ell)}{\sum_{\ell=1}^{N}\ell P(\ell)},$$

कहाँ $$P(\ell)$$ लंबाई का आवृत्ति वितरण है $$\ell$$ विकर्ण रेखाओं की (अर्थात, यह गणना करता है कि कितने उदाहरणों की लंबाई है $$\ell$$). इस माप को नियतिवाद कहा जाता है और यह गतिशील प्रणाली की पूर्वानुमेयता से संबंधित है, क्योंकि सफेद शोर में लगभग केवल एकल बिंदुओं और बहुत कम विकर्ण रेखाओं के साथ एक पुनरावृत्ति प्लॉट होता है, जबकि एक नियतिवादी प्रक्रिया में बहुत कम एकल बिंदुओं के साथ एक पुनरावृत्ति प्लॉट होता है लेकिन कई लंबे होते हैं विकर्ण रेखाएँ.

ऊर्ध्वाधर रेखाएँ बनाने वाले पुनरावृत्ति बिंदुओं की संख्या को उसी तरह से निर्धारित किया जा सकता है:


 * $$ \text{LAM} = \frac{\sum_{v=v_\min}^{N}vP(v)}{\sum_{v=1}^{N}vP(v)},$$

कहाँ $$P(v)$$ लंबाई का आवृत्ति वितरण है $$v$$ ऊर्ध्वाधर रेखाओं की, जिनकी लंबाई कम से कम हो $$v_\min$$. इस माप को लैमिनैरिटी कहा जाता है और यह सिस्टम में लैमिनर चरणों की मात्रा (आंतरायिकता) से संबंधित है।

विकर्ण और ऊर्ध्वाधर रेखाओं की लंबाई भी मापी जा सकती है। औसत विकर्ण रेखा की लंबाई


 * $$\text{L} = \frac{\sum_{\ell=\ell_\min}^N \ell\, P(\ell)}{\sum_{\ell=\ell_\min}^N P(\ell)}$$

गतिशील प्रणाली की पूर्वानुमेयता समय से संबंधित है और 'फँसाने का समय', औसत लंबाई मापता है ऊर्ध्वाधर रेखाओं का,


 * $$TT = \frac{\sum_{v=v_\min}^{N} v P(v)} {\sum_{v=v_\min}^{N} P(v)}$$

गतिशील प्रणाली के लैमिनैरिटी समय से संबंधित है, यानी सिस्टम एक विशिष्ट स्थिति में कितने समय तक रहता है।

क्योंकि विकर्ण रेखाओं की लंबाई उस समय से संबंधित होती है जब चरण अंतरिक्ष प्रक्षेपवक्र के लंबे खंड समानांतर चलते हैं, यानी प्रक्षेपवक्र के विचलन व्यवहार पर, कभी-कभी यह कहा जाता था कि विकर्ण रेखाओं की अधिकतम लंबाई का गुणक व्युत्क्रम (बिना एलओआई) गतिशील प्रणाली के सकारात्मक अधिकतम ल्यपुनोव प्रतिपादक के लिए एक अनुमानक होगा। इसलिए, 'अधिकतम विकर्ण रेखा लंबाई' $$L_\max$$ या विचलन


 * $$DIV = \frac{1}{L_\max}$$

आरक्यूए के उपाय भी हैं। हालाँकि, सकारात्मक अधिकतम ल्यपुनोव प्रतिपादक के साथ इन उपायों के बीच संबंध उतना आसान नहीं है जितना कहा गया है, लेकिन और भी अधिक जटिल है (आरपी ​​से ल्यपुनोव प्रतिपादक की गणना करने के लिए, विकर्ण रेखाओं की संपूर्ण आवृत्ति वितरण पर विचार करना होगा)। विचलन में सकारात्मक अधिकतम ल्यपुनोव प्रतिपादक की प्रवृत्ति हो सकती है, लेकिन इससे अधिक नहीं। इसके अलावा, श्वेत शोर प्रक्रियाओं के आरपी में वास्तव में लंबी विकर्ण रेखा हो सकती है, हालांकि बहुत कम ही, केवल एक सीमित संभावना से। इसलिए, विचलन अधिकतम ल्यपुनोव प्रतिपादक को प्रतिबिंबित नहीं कर सकता है।

संभावना $$p(\ell)$$ कि एक विकर्ण रेखा की लंबाई बिल्कुल ठीक होती है $$\ell$$ आवृत्ति वितरण से अनुमान लगाया जा सकता है $$P(\ell)$$ साथ $$p(\ell) = \frac{P(\ell)}{\sum_{\ell=l_\min}^N P(\ell)}$$. इस संभावना की शैनन एन्ट्रापी,


 * $$\text{ENTR} = - \sum_{\ell=\ell_\min}^N p(\ell) \ln p(\ell),$$

प्रणाली में नियतात्मक संरचना की जटिलता को दर्शाता है। हालाँकि, यह एन्ट्रापी बिन संख्या पर संवेदनशील रूप से निर्भर करती है और इस प्रकार, एक ही प्रक्रिया की विभिन्न प्राप्ति के साथ-साथ विभिन्न डेटा तैयारियों के लिए भिन्न हो सकती है।

आरक्यूए का अंतिम माप पुनरावृत्ति प्लॉट के थिनिंग-आउट की मात्रा निर्धारित करता है। प्रवृत्ति एलओआई के समानांतर एक रेखा में पुनरावृत्ति बिंदुओं के घनत्व और एलओआई से इसकी दूरी के बीच एक रैखिक संबंध का प्रतिगमन गुणांक है। अधिक सटीक रूप से, k दूरी के LOI के समानांतर एक विकर्ण रेखा में पुनरावृत्ति दर पर विचार करें (विकर्ण-वार पुनरावृत्ति दर या τ-पुनरावृत्ति दर):


 * $$\text{RR}_k = \frac{1}{N-k} \sum_{j-i=k}^{N-k} {R}(i,j),$$

तब प्रवृत्ति को परिभाषित किया जाता है


 * $$\text{TREND} = \frac{\sum_{i=1}^\tilde{N} (i-\tilde{N}/2)(RR_i - \langle RR_i \rangle)}{\sum_{i=1}^\tilde{N} (i-\tilde{N}/2)^2},$$

साथ $$\langle \cdot \rangle$$ औसत मूल्य के रूप में और $$\tilde{N} < N$$. इस बाद वाले संबंध को पुनरावृत्ति प्लॉट के किनारों में बहुत कम पुनरावृत्ति बिंदु घनत्व के किनारे प्रभावों से बचना सुनिश्चित करना चाहिए। माप प्रवृत्ति प्रणाली की स्थिरता के बारे में जानकारी प्रदान करती है।

$\tau$-पुनरावृत्ति दर के समान, विकर्ण रेखाओं (DET, L, ENTR) पर आधारित अन्य उपायों को विकर्ण-वार परिभाषित किया जा सकता है। ये परिभाषाएँ विभिन्न प्रणालियों के बीच अंतर्संबंधों या तादात्म्य का अध्ययन करने के लिए उपयोगी हैं (पुनरावृत्ति प्लॉट या पुनरावृत्ति प्लॉट#एक्सटेंशन का उपयोग करके)।

समय पर निर्भर RQA
संपूर्ण पुनरावृत्ति प्लॉट के आरक्यूए उपायों की गणना करने के बजाय, उनकी गणना एलओआई के साथ पुनरावृत्ति प्लॉट पर चलती छोटी खिड़कियों में की जा सकती है। यह समय-निर्भर आरक्यूए उपाय प्रदान करता है जो पता लगाने की अनुमति देता है, उदाहरण के लिए, अराजकता-अराजकता संक्रमण (मारवान एट अल। 2002)। ध्यान दें: विंडो के आकार का चुनाव माप प्रवृत्ति को दृढ़ता से प्रभावित कर सकता है।

उदाहरण




यह भी देखें

 * पुनरावृत्ति कथानक, गतिशील (और अन्य) प्रणालियों में पुनरावृत्ति का एक शक्तिशाली विज़ुअलाइज़ेशन उपकरण।
 * पुनरावृत्ति अवधि घनत्व एन्ट्रापी, नियतात्मक और स्टोकेस्टिक गतिशील प्रणालियों दोनों की पुनरावृत्ति गुणों को सारांशित करने के लिए एक सूचना-सैद्धांतिक विधि।
 * अनुमानित एन्ट्रापी

अग्रिम पठन

 * Paper no. TPWRS-01211-2014
 * Paper no. TPWRS-01211-2014
 * Paper no. TPWRS-01211-2014
 * Paper no. TPWRS-01211-2014
 * Paper no. TPWRS-01211-2014
 * Paper no. TPWRS-01211-2014
 * Paper no. TPWRS-01211-2014

बाहरी संबंध

 * http://www.recurrence-plot.tk/