Análisis de datos caóticos

Abstract

La finalidad de este trabajo es la de comparar tres descubrimientos de filtrado de datos de series temporales cuyo objeto es el de paliar el efecto perturbador del ruido aleatorio en los resultados de las técnicas de análisis de datos caóticos. Se han aplicado los métodos de suavización, descomposición matricial singular y predicción no lineal a series temporales generadas mediante la ecuación logística y a las que se ha añadido error aleatorio. Seguidamente se ha comparado las estimaciones de los exponentes de Lyapunov, dimensiones de correlación y capacidad, espectro de potencia y otras bajo dichas condiciones.

The main goal of this paper is to compare three procedures of data filtering in order to alleviate the effect of the noise on existing techniques of chaotic data analysis. The methods of data smoothing, singular value decomposition and nonlinear prediction have been applied to logistic time series in which some amount of error has been added. The estimates of Lyapunov coefficients, correlation and capacity dimension, power spectra, and others have been compared under such conditions.