Fractal dimensions of coal particles

Friesen, W. I.; Mikula, R.J.

doi:10.1016/0021-9797(87)90348-1

Cited by 407 publications

(178 citation statements)

References 14 publications

Supporting

Mentioning

170

Contrasting

Unclassified

Order By: Relevance

“…Ello es equivalente a determinar la dimensión fractal mediante el cociente de variaciones siguiente (10) expresión que, junto con la Ecuación (9), es muy utilizada para determinar la dimensión de figuras definidas por algoritmos matemáticos o para la estimación de las dimensiones fractales de la superficie de sólidos a partir de medidas experimentales (Fadeev, 1996;Friesen y Mikula, 1987;Pfeifer y Avnir, 1983).…”

Section: Propuesta Alternativa De Análisis Fractalunclassified

Análisis fractal de caudales de ríos

López

2004

ing.agua

View full text Add to dashboard Cite

Resumen:El análisis fractal se está convirtiendo en una herramienta para el estudio de datos experimentales que, en muchos casos, van a estar ligados a fenómenos naturales. El estudio de los caudales de ríos es un claro ejemplo de series temporales que pueden ser interpretadas desde una perspectiva fractal. En este trabajo se ha procedido a la determinación del exponente de Hurst para distintos aforos del río Ebro a lo largo de su curso, utilizando dos procedimientos de cálculo diferentes. Se ha llevado a cabo también un estudio fractal fundamental para verificar la dependencia funcional de las desviaciones acumuladas de caudal en función del intervalo temporal utilizado para la observación. En el caso de la determinación del exponente de Hurst no se han encontrado tendencias definidas en función de la situación de las estaciones de aforo. Por el contrario, el estudio del comportamiento fractal de las desviaciones acumuladas indica una fuerte influencia de las infraestructuras de regulación del caudal en los resultados del análisis.Palabras clave: Análisis fractal, caudal de ríos, aforo, series temporales. INTRODUCCIÓNLa mayor parte de los fenómenos y pará-metros relacionados con los procesos naturales presentan una aparente aleatoriedad si se observa su comportamiento a lo largo del tiempo. Realizando un estudio riguroso se puede comprobar que los valores medidos no se corresponden con los que se obtendrían del análisis si estos eventos fuesen totalmente aleatorios. Tampoco los fenó-menos naturales son absolutamente predecibles, aunque se puedan encontrar ciertos indicios de periodicidad. En cualquier caso, detrás de muchos fenómenos de interés para la Ingeniería Ambiental existen ciertos patrones de orden ocultos bajo un comportamiento aleatorio aparente. La evolución de las temperaturas y presiones atmosféricas a lo largo del tiempo, el espesor de las capas de sedimentos, el caudal de los ríos, la altura del nivel de los lagos o el crecimiento de las cosechas, son ejemplos típicos de variables naturales cuyas series temporales pueden ser sometidas a estudio.Encontrar la forma de modelizar el comportamiento de los sistemas naturales en función del tiempo ha sido objeto de estudio a lo largo de la historia. Las predicciones que se hacen tanto en el área de la Ingeniería Ambiental como en otros campos del saber están basadas en el conocimiento previo que nos aporta la experiencia. Sería deseable conocer si el comportamiento de un sistema durante un cierto número de años puede ser extrapolado a intervalos de tiempo sustancialmente distintos. Si ello fuera cierto, el sistema en estudio podría ser considerado como un fractal en el tiempo y la metodología utilizada para el tratamiento de los objetos fractales sería de aplicación para su estudio. La idea básica que subyace en las técnicas de análisis fractal es el concepto de autosimilitud. Dicho concepto supone que un objeto fractal presenta un aspecto semejante independientemente del grado de detalle con que sea examinado. En el caso de series temporales, el mayor ...

show abstract

Section: Propuesta Alternativa De Análisis Fractalunclassified

Análisis fractal de caudales de ríos

López

2004

ing.agua

View full text Add to dashboard Cite

show abstract

“…This technique has potential for the classification of textures and objects present in images and natural scenes, and for modeling complex physical processes [21]. This study extracts the feature parameters of the fractal features from the 3D Hilbert energy spectrum.…”

Section: Feature Extractionmentioning

confidence: 99%

Application of Improved Hilbert–Huang Transform to Partial Discharge Defect Model Recognition of Power Cables

Chen

Chao

2017

Applied Sciences

View full text Add to dashboard Cite

As a key concern in a power system, a deteriorated insulation is likely to bring about a partial discharge phenomenon and hence degrades the power supply quality. Thus, a partial discharge test has been turned into an approach of significance to protect a power system from an unexpected malfunction. An improved Hilbert-Huang Transformation (HHT) is proposed in this work as an effective way to address the issues of an optimal shifting number and illusive components, both suffered in a conventional HHT approach, and is then applied to a defect mode recognition for a partial discharge signal analysis in the case of a cross-linked polyethylene insulated power cable. As the first step, the partial discharge signal detected is converted through the proposed improved HHT to a time-frequency-energy 3D spectrum. Then as the second step, the fractal features contained therein are extracted by way of a fractal theory, and in the end the defect modes are recognized as intended by use of an extension method.

show abstract

“…Several mathematical models for the fractal analysis of seepage pores have been proposed and discussed by scholars in detail [32]. The seepage pore fractal model was initially presented by Mikula and Friesen [33], and was selected to calculate the fractal dimension of seepage pores in this study (Equation (3)):…”

Section: Fractal Dimension From Mipmentioning

confidence: 99%

Damage Effects and Fractal Characteristics of Coal Pore Structure during Liquid CO2 Injection into a Coal Bed for E-CBM

Wei

et al. 2018

Resources

View full text Add to dashboard Cite

Pore structure has a significant influence on coal-bed methane (CBM) enhancement. Injecting liquid CO 2 into coal seams is an effective way to increase CBM recovery. However, there has been insufficient research regarding the damage effects and fractal characteristics of pore structure at low temperature induced by injecting liquid CO 2 into coal samples. Therefore, the methods of low-pressure nitrogen adsorption-desorption (LP-N 2 -Ad) and mercury intrusion porosimetry (MIP) were used to investigate the damage effects and fractal characteristics of pore structure with full aperture as the specimens were frozen by liquid CO 2 . The adsorption isotherms revealed that the tested coal samples belonged to type B, indicating that they contained many bottle and narrow-slit shaped pores. The average pore diameter (APD; average growth rate of 18.20%), specific surface area (SSA; average growth rate of 7.38%), and total pore volume (TPV; average growth rate of 18.26%) increased after the specimens were infiltrated by liquid CO 2 , which indicated the generation of new pores and the transformation of original pores. Fractal dimensions D 1 (average of 2.58) and D 2 (average of 2.90) of treated coal samples were both larger the raw coal (D 1 , average of 2.55 and D 2 , average of 2.87), which indicated that the treated specimens had more rough pore surfaces and complex internal pore structures than the raw coal samples. The seepage capacity was increased because D 4 (average of 2.91) of the treated specimens was also higher than the raw specimens (D 4 , average of 2.86). The grey relational coefficient between the fractal dimension and pore structure parameters demonstrated that the SSA, APD, and porosity positively influenced the fractal features of the coal samples, whereas the TPV and permeability exerted negative influences.

show abstract

Fractal dimensions of coal particles

Cited by 407 publications

References 14 publications

Análisis fractal de caudales de ríos

Análisis fractal de caudales de ríos

Application of Improved Hilbert–Huang Transform to Partial Discharge Defect Model Recognition of Power Cables

Damage Effects and Fractal Characteristics of Coal Pore Structure during Liquid CO2 Injection into a Coal Bed for E-CBM

Contact Info

Product

Resources

About