Se realiza un estudio estadístico de cuatro criterios para determinar el orden de un modelo autorregresivo (AR) a ser ajustado a datos de olas oceánicas. Los criterios son: a) mínimo del Error Final de la Predicción (PPE), b) mínimo de la Función de Transferencia Autorregresiva (CAT), c) cambios de Pendiente de la función FPF, y d) Autocorrelaciones Parciales (PA). Se estiman espectros por MAXIMA ENTROPIA (MEM) para distintos órdenes del proceso y para dos conjuntos de 10 series de datos temporalmente consecutivas, extraídas de un total de 220 series de 17 minutos de duración cada una. Se encuentra que la longitud óptima del filtro de predicción pertenece a ciertos rangos del orden del proceso, dependiendo de la "forma" del espectro. Dichos rangos son: orden del proceso entre 20 y 30 para señales que no contengan contribuciones de SWELL, y entre 35 y 45 para señales que si contengan dichas, perturbaciones. Se comparan las estimaciones de MEM con las convencionales obtenidas con la Transformada Rápida de Fourier (FIT). Se calculan los momentos espectrales hasta el cuarto orden, encontrando que no varían significativamente con el orden del proceso AR elegido para ajustar los datos.
Higher order auto‐spectra, in particular bispectra and perhaps trispectra, are being used increasingly for analyzing various nonlinear interactions in the ocean, e.g., Herring (1980) and McComas and Briscoe (1980). The resolution of these spectra, as with conventional energy spectra, is frequently limited because short data records must be used. The purpose of this note is to present a maximum entropy (MEM) representation for higher order auto‐spectra which has the advantage of the superior resolving power of the MEM technique under these circumstances. The derivation is a generalizaton of the power spectra derived for a linear process (Box and Jenkins, 1970). We derive an MEM representation for bispectra and show that this result can be generalized to auto‐spectra of any order.
La sucesión de alturas de olas es modelada con un proceso autor regresivo de primer orden, incluyendo así un coeficiente de correlación no nulo entre dos alturas sucesivas. Por medio de un algoritmo que preserva el valor medio, la dispersión estándar y el coeficiente de asimetría, se generan series de valores que representan las alturas de olas, distribuidas según la ley de Rayleigh.Los resultados de la simulación muestran excelente concordancia con la distribución teórica. Se ilustra el uso del modelo y su simulación en una aplicación a la estadística de la formación de grupos de olas que superan la altura significativa. Otra vez, el acuerdo de los resultados con los obtenidos a partir de datos de campo es muy bueno.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.