Detecting nonlinearity in short and noisy time series using the permutation entropy

آنتروپی پیمایش حاوی اطلاعاتی درباره ساختار زمانی است که مربوط به پویایی اساسی یک سری زمانی است. برآورد آن ساده است و به این دلیل که بر اساس مقایسه مقادیر همسایه است، آن به طور قابل توجهی قوی به نویز تبدیل می شود. همچنین با توجه به تحولات یکنواخت غیرخطی، محاسباتی کارآمد و غیرمستقیم است. به همین دلیل، به نظر می رسد آنتروپی پیمانتی به عنوان یک ابزار تبعیض آمیز برای نشان دادن پویایی غیرخطی در داده های واقعی جهان دلخواه، مناسب می باشد. در این مقاله، کارایی یک روش جایگزین متعارف با یک روند تصادفی خطی به عنوان فرضیه صفر مورد بررسی قرار گرفته ایم، اما آنتروپی پیمانتی را به عنوان یک معیار غیر خطی اجرا می کنیم. قدرت تشخیصی آن با استفاده از چندین تحلیلی بر روی سیگنال های عددی که خواص دینامیکی آن ها پیشینی (مدل های گسسته و مداوم خطی، رژیم های هرج و مرج سیستم های گسسته و پیوسته) شناخته می شود، مورد آزمایش قرار می گیرد. عملکرد روش پیشنهادی در برنامه های کاربردی واقعی (داده های لیزر هرج و مرج، شاخص لکه های خورشیدی ماهانه و ثبت های نور و فیزیولوژیکی) نیز نشان داده شده است. نتایج به دست آمده به ما اجازه می دهد تا نتیجه گیری کنیم که این ابزار نمادین برای تشخیص ویژگی های غیرخطی در اطلاعات بسیار کوتاه و پر سر و صدایی بسیار مفید است.