18 Aplicación de la teoría fractal




descargar 10.91 Kb.
título18 Aplicación de la teoría fractal
fecha de publicación30.08.2016
tamaño10.91 Kb.
tipoDocumentos
med.se-todo.com > Ley > Documentos
18 Aplicación de la teoría fractal

A continuación expondremos cómo la teoría fractal facilita el entendimiento de fenómenos directamente implicados en el proceso de difusión que nos ocupa.

1.8.1.- Teoría de percolación En 1957, Broadbent y Hammersley estudiaron el movimiento aleatorio de un fluido que atraviesa un medio [113]. La aleatoriedad puede ser debida a dos causas diferentes. En los procesos de difusión habituales la aleatoriedad es inherente al movimiento difusivo de las partículas de fluido (un ejemplo es el movimiento térmico irregular de las moléculas de un líquido). El otro caso es aquél en el que la aleatoriedad es debida al medio en sí mismo. Este último caso fue denominado por Hammersley proceso de percolación.

En un medio euclídeo, la partícula que difunde puede alcanzar cualquier posición. No ocurre lo mismo en un proceso de percolación. En éste, el fenómeno m s destacable es la existencia de un umbral de percolación bajo el cual la partícula que difunde permanece confinada a una región finita. El modelo de percolación [113,114] ha demostrado su utilidad para la caracterización de sistemas desordenados tales como medios porosos, fragmentación y fracturas [115], conductores iónicos dispersos [116,117], propagación de incendios en bosques [9,118], propagación de epidemias [119,120], etc. Actualmente esta teoría está siendo objeto de un estudio exhaustivo, a fin de esclarecer su margen de aplicabilidad y conocer en detalle su funcionamiento [121-124].

1.8.1.1.- Percolación sobre una red cuadrada

Consideremos una red cuadrada como la mostrada en la figura de los nodos de la red está ocupada aleatoriamte (1.17). Una fracción p podría ilustrar los poros una fracción 1-P está vacía. Esta representación podría ilustrar los poros de una matriz, de manera que los poros localizados en nodos adyacentes están conectados por pequeños capilares. Si un fluido es inyectado por un poro sólo podrá invadir a los poros que están conectados al poro inicial. Los poros o nodos interconectados se denominan clúster.

Cuando la probabilidad de ocupación es pequeña (P = 0.2 en la figura f1.17l) los clústeres están constituidos por muy pocos nodos, existiendo gran cantidad de poros aislados. Cuando p aumenta, el tamaño promedio de los clústeres aumenta a su vez existiendo una concentración crítica Pc= 0,59 bajo la cual sólo ambos existen clústeres finitos. Si P > Pc se forma un clúster que conecta ambos extremos de la red "clúster infinito". En este caso, un fluido inyectado en un extremo podría recorrer la estructura completa y salir el lado contrario. A la estructura que conecta ambos extremos se le denomina clúster de percolación. Si seguimos aumentando P, las de posibilidades de atravesar de un lado a otro la estructura ser n múltiples. Si se repite la experiencia se formar n clústeres distintos, verificándose siempre que la probabilidad crítica a la cual aparece el primer cluster infinito de percolación es Pc= 0.59275 + 0.00003

La probabilidad de percolación Pinf se define como la probabilidad de que un nodo de la red pertenezca al clúster infinito. Es decir, si inyectamos fluido en un nodo de la red elegido aleatoriamente, P ser  la probabilidad de que ese fluido pueda atravesar infinitos nodos. Por debajo de pc , Pinf = 0: la probabilidad de ir de un extremo a otro de la red es nula, ya que todavía no se ha formado el clúster de percolación. Por encima de p se observa el siguiente comportamiento de Pinf : Pinf= (p-p )B

Para p < pc , el diámetro de un clúster puede ser caracterizado mediante la longitud de correlación E, la cual se define como la distancia promedio entre dos nodos que pertenecen al mismo clúster. Cuando p --> pc se cumple:

E=(p -pc)v (1.62)

Los exponentes B y v son universales y dependen solamente de la dimensión euclídea, pero no de la estructura de la red. Para d = 2 se conocen los valores exactos: B = 5/36 y v = 4/3 [127]. En d = 3 existen estimaciones numéricas [128,129] que conducen a los siguientes valores: B=0.44 y v = 0.88.

El problema de la difusión sobre clústeres de percolación proporciona una de las herramientas más valiosas para el estudio de las propiedades topológicas de los clústeres. Se han propuesto diferentes modelos que conducen a diferentes predicciones para la difusión. Cabe destacar el modelo de de Gennes [130] y el modelo de cadenas y nodos de Skal y Shklovski [131,132]. Pero el modelo más comúnmente utilizado es el modelo fractal, introducido en la percolación por Kirkpatrick [133), y posteriormente desarrollado por Mandelbrot y Given [134] y por de Arcangelis y colaboradores [135,136].

1.8.1.2.- Dimensión fractal de un clúster de percolación Consideremos una red cuadrada de longitud L. En una experiencia de simulación por ordenador se pueden determinar el número de nodos M(L) que forman parte del clúster infinito, y promediar sobre distintas redes de percolación. La dependencia de M(L) con L ha sido investigada por distintos autores, encontrándose los siguientes resultados para L-->inf:

M(L) þ 1nL para p CP para p=P L o M(Ll þ para p>P L e M(Ll þ -

Por debajo del punto crítico no hay clúster de percolación, pero se puede interpretar M(L) como el tamaño del clúster más grande (9), de modo que M(L) aumenta de forma logarítmica (lnL) al aumentar L.

- Por encima del punto crítico, la masa del clúster de percolación es una fracción finita de los nodos.

- En el umbral de percolación p = Pc. la masa del clúster infinito es proporcional a L elevada a un exponente D . La figura (1.18) muestra resultados de simulación en una red cuadrada. Los círculos rellenos son los datos a P = Pc - 0.593.

La línea continua representa la ecuación M(L) - con D = 1.89. Para p= 0.65 > Pc (cuadrados) del ajuste a la ecuación anterior se obtiene D = 2.03. Los resultados para P = 0.5 < Pc (círculos vacíos) fueron ajustados a la ecuación M(L) - A+B lnL (línea discontínua). Estos resultados demuestran que un clúster de percolación en el punto crítico es un fractal , con una dimensión fractal Do

. 1.8.1.3.- Autosemejanza de un clúster de percolación Un clúster de percolación es estadísticamente autosimilar. Para poder apreciarlo considérese el clúster de la figura (1.17) con p = 0.59. Si observamos el clúster a una resolución mayor, los detalles del mismo se pierden pero su aspecto es similar. La estructura completa permanece constante a pesar de la existencia de huecos de todos los tamaños. Esta autosimilaridad está íntimamente relacionada con la estructura fractal del clúster de percolación. La relación entre ambas se puede obtener mediante la renormalización del espacio real (para más detalles véase la referencia)

similar:

18 Aplicación de la teoría fractal iconExiste una gran cantidad de trabajo relacionado con el tiempo y en...

18 Aplicación de la teoría fractal iconQuimica II teoría Cinética Molecular cuestionario de aplicación I conteste verdadero

18 Aplicación de la teoría fractal iconQuimica II teoría Cinética Molecular cuestionario de aplicación I conteste verdadero

18 Aplicación de la teoría fractal icon·teoría geocéntrica ·teoría heliocéntrica · Teoría de la gravitación Universal (Newton)

18 Aplicación de la teoría fractal icon4 Teoría para explicar el enlace y propiedades (conductividad) de...

18 Aplicación de la teoría fractal iconLa teoría de las estructuras disipativas, conocida también como teoría...

18 Aplicación de la teoría fractal iconLa teoría de las estructuras disipativas, conocida también como teoría...

18 Aplicación de la teoría fractal icon1 Introducción a las células Ver ppt teoría celular Teoría celular

18 Aplicación de la teoría fractal iconO limitaciones de esta aplicación. 3–4 El alumno describe la aplicación...

18 Aplicación de la teoría fractal iconResumen la finalidad de la Teoría General de Sistemas consiste en...


Medicina



Todos los derechos reservados. Copyright © 2015
contactos
med.se-todo.com