マルチフラクタル
モノフラクタルは、1つの支配的なスケーリング指数によって要約されます。マルチフラクタルは、局所的なスケーリングの強さが異なる領域が織り交ざっており、単一の数値ではなくスペクトルを用いて表現する必要があります。
形状だけでなく、寸法も
マルチフラクタル解析では、スケールの変化に伴い、質量、確率、エネルギー、または活動がボックス全体にどのように分布するかを研究することがよくあります。密な領域と疎な領域は、たとえ同じ幾何学的支持集合を占めていても、異なる指数に従います。
マルチフラクタル解析では、支持体の形状だけでなく、その上に質量や確率がどのように分布しているかも研究対象となります。小さなボックスでも、局所的な指数が異なる場合があります。均一に占められている幾何学的カーペットには1次元で済む場合もありますが、断続的な乱流や不均一なカスケードにはスペクトルが必要です。したがって、前処理では、分析対象となる測度を明示的に定義する必要があります。
瞬間からスペクトルまで
パーティション関数は、箱の確率を指数 q で重み付けします。q が正の場合、密な領域が強調され、q が負の場合、疎な領域が強調され、ノイズの影響を受けやすくなります。スケーリング指数は、局所的な強度を持つ部分集合の次元を表す特異点スペクトルに変換することができます。
さまざまなモーメント q について、ボックスの質量の累乗が合計されます。q が正の場合、密な領域が強調され、q が負の場合、疎な領域が強調されます。スケーリングにより τ(q) が得られ、レジャンドル変換を通じて f(α) スペクトルが得られます。負のモーメントは、空のボックスやノイズの多いボックスに対して極めて敏感です。スペクトルの幅が広い場合、それは真の不均一性を示している可能性もあれば、単に有限のサンプリングや検出限界を増幅しているだけである可能性もあります。
高度な実証的手法
信頼性の高いスペクトルを得るには、広いスケール範囲、十分なサンプル数、そして傾向や有限サイズ効果に対する頑健性チェックが必要です。推定曲線の幅が広いからといって、それが自動的に複雑なカスケードの証拠となるわけではありません。代用データや不確実性も重要な要素となります。
信頼性の高いマルチフラクタル解析には、多くのスケール、十分なデータ、およびウィンドウ選択やトレンド除去下での安定性が求められます。合成サロゲートを用いて、スペクトルが線形相関や分布のみから生じ得る範囲を超えているかどうかを検証します。不確実性を伴わないカラフルな f(α) 曲線は簡単に生成できますが、証拠としては弱いものです。手法の比較は結果の一部です。
出典および参考文献
本記事は、以下の専門資料を原文のまま要約したものです。12年8月にアクセスし、編集上のレビューを行いました 2026。
- Fractal Geometry: Mathematical Foundations and ApplicationsWiley
- Fractal dynamics in physiologyPhysiological Reviews
