Modelo Multifractal Aplicado al Riego

• Mercado Escalante, José Roberto ^[1] ; Aldama R., Álvaro Alberto ^[1] ; Íñiguez C, Mauro ^[1] ; Mejía G, Miguel Ángel ^[1]
  1. [1] Instituto Mexicano de Tecnología del Agua, (IMTA)
• Localización: Revista de Matemática: Teoría y Aplicaciones, ISSN 2215-3373, ISSN-e 2215-3373, Vol. 12, Nº. 1-2, 2005, págs. 173-186
• Idioma: español
• DOI: 10.15517/rmta.v12i1-2.262
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Definimos la distribución multifractal binomial, como expresión de una ley de los pequeños números. Estudiamos una forma de evaluación o de diseño de un sistema de distribución en un distrito de riego, al determinar su capacidad de conducción con la flexibilidad deseada, conociendo los parámetros de gasto, frecuencia y tiempo de riego. El método es la aproximación de la distribución binomial por la Gaussiana, una relación inversa de probabilidad, dos estimaciones de parámetros Gaussianos, y la aplicación de la distribución multifractal. Presentamos la reformulación matemática de la relación de Boltzmann en la mecánica estadística, que da origen al modelo multifractal. En particular, ilustramos su aplicación en el problema del riego. Pero también es posible aplicarlo a los modelos multifractales: variograma, exponencial, gama, y Gaussiano.

  • English

    We define the binomial multifractal distribution as an expression of a law of small numbers. We studied a form of evaluation or design of a distribution system in an irrigation district by determining its conduction capacity with the desired flexibility knowing the following parameters: flow, frequency, and irrigation time. The method consists of the approximation of the binomial distribution through the Gaussian, an inverse relation of probability, two estimations of Gaussian parameters, and the application of the multifractal distribution. We present the mathematical reformulation of Boltzmann relation in the statistical mechanics, which gives origin to the multifractal model. In particular, we illustrate its application in the problems of irrigation,  pointing out that it is also possible to apply it to multifractal models: variogram, exponential, gamma, and Gaussian.

• Referencias bibliográficas
  • Barnsley, M.F. (1993 Fractals Everywhere. Academic Press Professional, Boston.
  • Clemmens, A.J. (1986) “Canal capacities for demand under surface irrigation”, Journal of Irrigation and Drainage Engineering 112(4): 331–347.
  • Doob, J.L. (1960) Stochastic Processes. John Wiley & Sons, New York.
  • Falcon, L.E. (1996) Tomografía Fractal. Tesis Universidad Nacional Autónoma de México, Facultad de Ciencias, México D.F.
  • Falconer, K. (1990) Fractal Geometry. John Wiley, New York.
  • Guiasu, S.; Shenitzer, A. (1985) The Mathematical Intelligencer, Vol. 7 No 1. Springer-Verlag.
  • Guy, R.K. (1998) “The strong law of small numbers”, Amer. Math. Monthly 95: 8.
  • Íñiguez, M. (1994) Análisis de la Flexibilidad en la Distribución del Agua en los Distritos de Riego. Tesis, Colegio de Postgraduados,...
  • Kauzmann, W. (1967) Termodinámica y Estadística, Propiedades Térmicas de la Materia, Vol 2. Ed. Reverté, Barcelona.
  • Koroliuk, V.S. (1981) Manual de la Teoría de Probabilidades y Estadística Matemática. Ed. Mir, Moscú.
  • Mercado, J.R.; Aldama, Á.A.; Brambila, F. (2003) “Sobre el problema inverso de difusión”, Revista de Matemática: Teoría y Aplicaciones...
  • O’Connor, J.J.; Robertson, E.F. http://www-history.mcs.st-andrews.ac.uk/history/
  • Pachepsky, Y. ; Timlin, D. (1998) “Water transport in soils as in fractal media”, Journal of Hydrology 204: 98–107.
  • Riedi, R.H.; Scheuring, I. (1997) “Conditional and relative multifractal spectra”, Fractals 5(1): 153–168.
  • Rozanov, Y. (1973) Procesos Aleatorios. Ed. Mir, Moscú.
  • Spiegel, M.R. (1970) Teoría y Problemas de Estadística. McGraw-Hill, Panamá.