Traducido del inglés al español - www.onlinedoctranslator.
com
fractal y fraccionario
Artículo
Características fractales de las redes fluviales inducidas por la
replicación estocástica dinámica
Hyun Joo Kim
----
---
Citación:Kim, H.-J. Características
fractales de redes fluviales inducidas por
replicación estocástica dinámica.Fractal
Fractura.2022,6, 569. https://doi.org/
10.3390/
fractalfract6100569
Editor académico: Yanguang Chen
Recibido: 15 de agosto de 2022
Aceptado: 3 de octubre de 2022
Publicado: 6 de octubre de 2022
Nota del editor:MDPI se mantiene neutral
con respecto a reclamos jurisdiccionales en
mapas publicados y afiliaciones
institucionales.
Derechos de autor: © 2022 por el autor.
Licenciatario MDPI, Basilea, Suiza. Este
artículo es un artículo de acceso
abierto distribuido bajo los términos y
condiciones de la licencia Creative
Commons Attribution (CC BY) (https://
creativecommons.org/licenses/by/
4.0/).
Fractal Fractura.2022,6, 569. https://doi.org/10.3390/fractalfract6100569
Departamento de Educación Física, Universidad Nacional de Educación de Corea, Cheongju 363-791, Corea
Abstracto:La fractalidad universal de las redes fluviales es muy conocida, sin embargo, aún falta la comprensión de sus
mecanismos subyacentes desde un punto de vista estocástico. En este estudio, hemos descrito la naturaleza fractal de
las redes fluviales mediante la introducción de un modelo estocástico donde la dirección del flujo del río en un sitio está
determinada por la probabilidad de replicación dinámica que depende del área de drenaje en el sitio en lugar de al
azar. Descubrimos que la probabilidad induce una persistencia dinámica en los flujos de los ríos, lo que da como
resultado las propiedades autoafines que se muestran en las cuencas de los ríos reales.
Palabras clave:procesos estocásticos; paseos aleatorios; red fluvial
1. Introducción
Las propiedades fractales que se muestran en una variedad de patrones de la naturaleza han
atraído la atención en muchos campos durante varias décadas.1]. Uno de los campos donde se exhiben
bien estas propiedades fractales es la hidrología. Amplias mediciones de cuencas fluviales reales
respaldan bien estas características [2,3]. Las estructuras de las redes fluviales se caracterizan por leyes
de escala unificadas, independientemente del tamaño, la vegetación, las características geológicas, el
clima, la orientación de la cuenca, etc. [4,5]. La ley de Hack [6] es la ley representativa que describe la
geología fractal en redes fluviales que describe la relación entre la longitud de la corriente principalyoy la
cuenca del rioAdando comoyo∼Ah, dóndehes el exponente de Hack que tiene valores en el rango de 0,56
a 6,0 para cuencas fluviales reales. El área de drenajease define como el número de sitios conectados al
sitio real a través de la dirección de drenaje y la distribución de las áreas de drenajepag(a,L) obedece a
una forma de escala con la siguiente función de escala [2,4],
()
a
pag(a,L) =a−τF , (1)
aC(L)
donde la función de escala se comporta como
{límiteX→∞ F(X) =0
(2)
límiteX→0 F(X) =constante
y el área característicaaC(L)satisface la relación,
aC(L)∼Lφ (3)
conφ= 1 +Hcuya relación se extrae de una cuenca fluvial con una longitud longitudinal Ly una
longitud perpendicularL⊥siguiendo el comportamiento de ley de potencia entre ellos como L⊥∼LH.
el exponenteHse llama el exponente de Hurst y para los casos donde la longitud de la corriente
principalyoes linealmente proporcional a la longitud longitudinalL, las relaciones de escala
relacionan los exponenteshyτen términos deHcomoh=1/1 +Hyτ= (1 + 2H)/(1 +H), respectivamente [
7]. Significa que podemos concentrarnos en el exponente de Hurst al estudiar las propiedades
fractales de las cuencas fluviales. Además, el exponente de Hurst para cuencas reales está en el
rango de 0,75 a 0,80. El hecho de que el exponente de Hurst sea mayor a 0.5 indica que existe
persistencia en los caudales del río.
https://www.mdpi.com/journal/fractalfract
Fractal Fractura.2022,6, 569 2 de 11

Es necesario comprender teóricamente el mecanismo de formación de redes fluviales cuyas

propiedades fractales son bien conocidas a través de mediciones reales. Y así se han sugerido
varios modelos con orígenes bastante diferentes para hacerlo. En primer lugar, la red de canales
óptima (OCN) [8–12] desarrolló redes fluviales basadas en el principio integrador
de minimizar la disipación de energía total definida comomi=∑ia1/2en el sistema.
i En segundo lugar, las
redes fluviales se desarrollaron sobre los accidentes geográficos esculpidos principalmente por la
erosión local.13–19] o formado por avalanchas que evocan una correlación pendiente-pendiente de largo
alcance [20], ha sido introducido. En tercer lugar, se ha considerado la evolución de la red fluvial en el
marco de la criticidad autoorganizada [21,22], que describe la dinámica de umbral que da como
resultado la naturaleza fractal en un proceso [7,23]. Finalmente, en el modelo de Scheidegger [24] donde
la dirección de drenaje de los flujos de agua se determina solo de forma probabilística sin tener en
cuenta ningún contexto detallado de la cuenca, los flujos de agua se consideran un proceso estocástico.
En los modelos basados en OCN, evolución de formas del relieve y criticidad autoorganizada se han
obtenido los valores de los exponentes como los medidos en cuencas fluviales reales, sin embargo, el
modelo de Scheidegger se mapea en el conocido modelo de paseo aleatorio conH=1/2 y por lo tanto no
explica bien el patrón de las cuencas fluviales que muestran la persistencia en los caudales. Para
fenómenos difusivos estocásticos [25,26] varios modelos representativos como el movimiento browniano
fraccional (fBM) [27], los paseos aleatorios en tiempo continuo (CTRW) [28–30], y modelo de paseo Lévy [
31–37] han descrito bien la propiedad persistente, sin embargo, no explican directamente qué tan
persistentes son los flujos de agua en las cuencas de los ríos.
Recientemente, los efectos de memoria de la historia previa de un proceso se han introducido
como el principal origen que induce la persistencia en un proceso estocástico.38–48]. También hemos
introducido el proceso de replicación markoviano no estacionario (NMRP) que puede inducir la
persistencia teniendo en cuenta solo la memoria a corto plazo.49,50]. En NMRP, la dirección del siguiente
paso se determina replicando la del paso anterior con una probabilidad de replicación que cambia cada
vez. Para la probabilidad de replicación constante, se convierte en el modelo de caminata aleatoria
persistente [51] y en límite continuo, la ecuación del telegrafista [52–57] que inicialmente introduce la
propiedad de la ecuación de onda y está relacionada con el movimiento balístico de partículas difusivas,
pero se reduce asintóticamente al comportamiento difusivo normal. A diferencia del modelo de caminata
aleatoria persistente, la probabilidad de replicación variable en el tiempo de NMRP controla la tendencia
a moverse en la misma dirección a lo largo del tiempo, lo que refleja adaptaciones para actuar en
respuesta a los cambios del entorno y dar lugar a la persistencia (o antipersistencia) a pesar de
Markovianidad de un proceso. Asimismo, para los flujos de agua en las cuencas de los ríos, la dirección
del agua que fluye hacia un sitio puede influir en la próxima dirección de salida del sitio en cada
momento de manera diferente. Por lo tanto podemos considerar el origen de la persistencia de los
caudales de los ríos desde el punto de vista del NMRP. Además, para los contextos complejos reales,
puede ser más plausible que la probabilidad dependa de cantidades dinámicas que caracterizan
principalmente un sistema en lugar de explícitamente en el tiempo. En este estudio hemos intentado
generalizar el NMRP al problema de las redes fluviales. Como el área de drenaje en cada sitio es una
cantidad dinámica clave que caracteriza las redes fluviales, la hemos tomado en consideración como
sustituto del tiempo y hemos desarrollado la cuenca fluvial que muestra la naturaleza fractal de las
cuencas fluviales reales.

2. Proceso de replicación markoviano no estacionario

Se sabe que la memoria a corto plazo finalmente conduce a la difusión normal [51,52], mientras
que la memoria a largo plazo puede ser el origen para explicar los procesos no markovianos que se
desvían del camino aleatorio normal [38,39,48]. Sin embargo, se sabe que incluso en la memoria a corto
plazo, si el efecto de la memoria cambia con el tiempo, puede generar procesos estocásticos con la
memoria a largo plazo. Este modelo es un modelo NMRP [49] y tiene memoria a corto plazo en el sentido
de que recuerda sólo el paso inmediatamente anterior, pero es un proceso no estacionario en el que el
grado de memorización del paso anterior cambia en cada momento. En una dimensión, el modelo NMRP
se define como un proceso estocástico del cual
Fractal Fractura.2022,6, 569 3 de 11

la dinámica está controlada por la probabilidad variable en el tiempoα(t) (lo llamamos la probabilidad de replicación) de
la siguiente manera,

{
σ(t - τ), con probabilidadα(t) con
σ(t) = (4)
− σ(t - τ), probabilidad 1− a(t),

dóndeσtes un paso en el tiempotyτes el intervalo de tiempo en el que un caminante se desplaza a

uno de los dos sitios vecinos. La relación entre la posición del caminante en el tiempot,X(t), y el
paso que da un caminante,σ(t), Se define comoX(t) =X(t - τ) +σ(t). El primer paso (στ) se elige
aleatoriamente entre las dos posibilidades±yocon iguales probabilidades dondeyoes el espaciado
uniforme entre sitios vecinos en una red unidimensional. Pasos sucesivos en t≥2τestán
determinados por la regla (4). En consecuencia, el grado de memorización y seguimiento de los
pasos anteriores en cada momento varía según la probabilidad de replicación. α(t). Al cambiar esta
probabilidad de replicaciónα(t), se pueden generar varios tipos de procesos no markovianos y no
estacionarios diferentes a los procesos normales. A diferencia de la ecuación de difusión, la
ecuación que sigue la distribución de probabilidad de este NMRP se da en la forma que incluye la
segunda derivada con respecto al tiempo de la siguiente manera [49].

∂ρ(X,t) ∂2ρ(X,t) ∂2ρ(X,t)

+ R(t) =D(t) , (5)
∂t ∂t2 ∂X2
dónde [ ]
τ 3α(t)−2
R(t) = (6)
2 1− a(t)
y [ ]
α(t)
D(t) =D0 (7)
1− a(t)
conD0=yo2/2τsiendo el coeficiente de difusión para la difusión normal. Cuandoα(t)es constante,R(t)
yD(t)se vuelven constantes y la Ecuación (5) se reduce a la ecuación del telegrafista. La relación
entre los coeficientesR(t)yD(t)y la probabilidad de replicaciónα(t)están dadas por las ecuaciones (6)
y (7), respectivamente, lo que indica que cuanto mayor α(t), los coeficientes más grandes. Tenga en
cuenta que cuandoα(t)tiende a 1, dos coeficientesR(t)y D(t)divergen, mientras que el coeficiente del
primer término del lado izquierdo de la ecuación (5) permanece constante. Por lo tanto, si la
divergencia es lo suficientemente rápida, una contribución del primer término del lado izquierdo
de la ecuación (5) se vuelve despreciable. En este caso, la Ecuación (5) evoluciona a la ecuación de
onda con la velocidadv=yo/τ, lo que implica la ocurrencia del movimiento balístico del andador. En
el proceso del telégrafo, el movimiento balístico inicial es transitorio; sin embargo, en el NMRP, el
movimiento balístico aparece siempre que la replicación es más dominante que la antirreplicación,
es decir,α(t)se acerca a 1. En los casos más usuales dondeα(t) no tiende a 1 tan rápido, debido al
valor relativamente pequeño de laτen el límite continuo y la naturaleza asintóticamente pequeña
de la derivada de segundo orden de la PDF ent en comparación con el de primer orden, el segundo
término en el lado izquierdo de la ecuación (5) puede despreciarse. En este caso, la Ecuación (5) se
reduce a la ecuación de difusión con el coeficiente de difusión dependiente del tiempoD(t) [39,58–
61],

∂ρ(X,t) ∂2ρ(X,t)
=D(t) (8)
∂t ∂X2
y la solución viene dada por la distribución gaussiana siempre que la media de desplazamiento sea cero,

[ ]
1 X2
ρ(X,t) =√ Exp− 2
. (9)
2〈Xt〉
2π〈X2t〉

Como tal, los procesos estocásticos no estacionarios que son diferentes de los procesos
estocásticos normales se pueden aplicar mucho más apropiadamente a los sistemas complejos reales.
Fractal Fractura.2022,6, 569 4 de 11

3. Modelo Estocástico con Replicaciones Dinámicas para Redes Fluviales

Para describir la naturaleza fractal de las cuencas fluviales, hemos introducido el modelo
NMRP generalizado. La regla del modelo NMRP generalizado es la siguiente: Considere una
red de tamañoL⊥×Len el que la posición de un sitio se denota como (X,y)con 1≤X≤L⊥
y 1≤y≤L. Inicialmente, se asigna una gota de agua en cada sitio, es decir,a(X,y) =1 que refleja
una precipitación uniforme yσ(X,y)es una variable aleatoria que determina la dirección de los
flujos de agua en el sitio (X,y). Cuandoσ(X,y) =1, agua en el sitio (X,y) flfluye hacia el sitio
correcto (X+1,y+1) y cuandoσ(X,y) =−1, el agua fluye hacia el sitio izquierdo (x −1,y+1). Aquí,
fluye desde un sitio (X,y)en (X,y+1) no está permitido por simplicidad, que no afecta los
resultados. Paray=1 el valor deσ(X, 1) se asigna con 1 o−1 al azar, pory≥2,σ(X,y) está
determinada por la probabilidadα[a]como sigue,
{
σ0, con probabilidadα[a] con
σ(X,y) = (10)
− σ0, probabilidad 1− a[a].

donde si el agua fluye hacia un sitio solo desde un sitio vecino,σ0es lo mismo queσdel
paso anterior del sitio vecino, mientras que si el agua fluye desde ambos sitios vecinos
hacia ese sitio,σ0toma el valor deσdel escalón anterior del predio vecino con mayor área
de drenaje.
La probabilidadα[a(X,y)]se da de la siguiente manera,

{
1−∆−δ, si∆6=0
α[a(X,y)] = (11)
1/2, si∆ =0.

Aquíδ >0 y∆ =|w+a(x −1,y -1)−w−a(X+1,y -1)|donde si el agua fluye de un sitio izquierdo (x −1,y -1)
(un sitio correcto (X+1,y -1)) en el sitio (X,y), entoncesw+(w−) =1, y si no,w±=0. Esta probabilidad hace que
fluya en la misma dirección que el flujo anterior con la probabilidadαque se hace más grande a medida
que∆es más grande∆puede considerarse como la cantidad de movimiento del agua en ese sitio si se
considera que su velocidad es uniforme y, por lo tanto, cuanto mayor es la cantidad de movimiento con
el tiempo, más fuerte se vuelve la tendencia a mantener la dirección del flujo. En otras palabras, provoca
la persistencia dinámica en el sentido de que la persistencia está determinada por el cambio dinámico del
área de drenaje en cada momento. También la probabilidadα[a]no depende explícitamente del tiempo y,
por lo tanto, no está predeterminado a diferencia de NMRP. Más bien, se genera dinámicamente de
acuerdo con el área de drenaje cada vez, y nos referimos a la probabilidad como la probabilidad de
replicación dinámica. Cifra1 muestra las imágenes esquemáticas para todos los casos en los que el agua
puede fluir desde un sitio hacia sitios descendentes de acuerdo con movimientos anteriores.

Figura 1.Todos los casos posibles de flujo de agua pueden aparecer por este modelo estocástico. La línea más
gruesa indica que el área de drenaje en ese sitio es mayor que la del otro sitio representado con líneas
normales. Cuando la posición de un centro es (X,y), las probabilidades de replicación dinámica para varios casos
son las siguientes: para a,α[a] =1−a−δ(x −1,y−1), para e,α[a] =1−(a(X+1,y−1)−a(x −1,y−1))−δ, y para de i a l,α[a] =
1/2.

4. Métodos
Hemos introducido el modelo NMRP generalizado cuyas reglas se detallan en la sección
anterior. Para saber si este modelo estocástico funciona bien, hemos simulado el modelo por
computadoras con 1000 realizaciones independientes. Parad= 0,25, la distribución de las áreas de
drenajepag(a,L)para varias longitudes longitudinalesLde donde los exponentesτ
Fractal Fractura.2022,6, 569 5 de 11

yφse puede obtener, se mide. También para medir de forma independiente el exponente.φ,
usamos una definición alternativa del área característica
〈〉
a2
aC= ∼Lφ (12)
〈a〉
de los cuales la relación de escala se puede obtener a partir de la Ecuación (1).
Para aclarar aún más las propiedades de las redes fluviales desde el punto de vista de los paseos
aleatorios en una dimensión, consideramos quezX(t)es una posición de agua a partir de un sitioXinicialmente, en
el momentotque sustituye una posicióny. Su evolución se da como

zX(t+1) =zX(t) +σX(t) (13)

dóndeσX(t) =σ(X(y),y)yX(y)es unXposición del agua a partir de (X, 1) sitio eny. La desviación del punto
de partida de un proceso estocástico a lo largo del tiempo generalmente se mide por el
desplazamiento cuadrático medio (MSD) que se relaciona con el tiempo como
〈〉
z2X(t)∼t2H. (14)

Se mide el MSD y se compara el valor del exponente de Hurst obtenido a partir del mismo con
los obtenidos a partir de la distribución de áreas de drenaje.
Mientras tanto, si el parámetrodse ajusta, el grado de flujo para moverse en la misma
dirección que el paso anterior puede cambiar, lo que hace posible obtener diferentes valores de
los exponentes. Al cambiar los valores del parámetrodobtenemos los diferentes valores de los
exponentes.

5. Resultados

La distribución de las áreas de drenaje.pag(a,L)se han medido para varias longitudes

longitudinalesLcond= 0,25. El recuadro (a) de la figura2espectáculospag(a)∼a−τconτ≈1.43 para
variosLy el panel principal muestra el colapso de datos depag(a,L)conτ= 1.44 yφ= 1,78.

Figura 2.La gráfica de la función de escala depag(a,L)para varios valores deL=32, 64, 128, 256, 512 y 1024
cond= 0,25. Los datos están muy bien colapsados conτ= 1.44 yφ= 1,78. El recuadro muestra la trama de
pag(a,L)por lo mismoLcomo en el panel principal y la línea guía recta representaτ≈1.43.
Fractal Fractura.2022,6, 569 6 de 11

〈 〉
La figura3muestra el gráfico del área característicaaC= a2/〈a〉contra longitudinal
longitudLy esoφ≈1.77 lo cual está en excelente acuerdo con lo obtenido del colapso de datos de la
distribución de áreas de drenaje. Por lo tanto, los valores de los exponentes están en excelente acuerdo
con los observados en cuencas de ríos reales, lo que indica que este modelo estocástico representa muy
bien las cuencas de ríos reales. Y la probabilidad en sí misma, siendo una variable dinámica, juega un
papel clave en la explicación de las propiedades universales de las redes fluviales.

Figura 3.El valor del exponenteφse ha obtenido comoφ≈1.77 de la relación,a 〈 〉 C =

a2/〈a〉 ∼Lφ.

Cifra4muestra un patrón de una red fluvial dibujada por este modelo. En el fondo, todos los
caminos de agua que fluye desde cada sitio hacia los sumideros se dibujaron en verde en la línea
inferior y las líneas moradas en el patrón de fondo representan los caminos que se conectan al
sumidero más grande entre ellos, que parece una red fluvial real con un solo lavabo. Mientras
tanto, la línea roja es una línea de muestra que representa una ruta de flujo del sitio (X, 1) desde un
sitio superior al sitio inferior y se puede tratar como un proceso estocástico unidimensional. El
valor del exponente de HurstHmedido por promedio de caminos dezX(t)esH≈0,77 parad= 0,25
como se muestra en la figura5, lo que está en excelente acuerdo con lo obtenido de la relación deφ
= 1 +H. Esto significa que la desviación del proceso estocástico compuesto por estos caminos
unidimensionales representa el ancho de la cuenca del río.

Figura 4.La red fluvial dibujada por este modelo estocástico. En el fondo, todos los caminos de agua que fluye desde
cada sitio hacia los sumideros se han dibujado en verde. Los enlaces que comparten un solo sumidero más grande se
representan como líneas moradas. La línea roja es una muestra de la ruta completa del flujo de agua a partir de un sitio
inicial.
Fractal Fractura.2022,6, 569 7 de 11

Figura 5.Se muestra el MSD promediado por los procesos estocásticos formados por los flujos de agua desde
los sitios iniciales y la pendiente de la línea guía recta representaH≈0.77.

Mientras tanto, cambiando los valores del parámetrodhemos obtenido los diferentes valores
de los exponentes. Cifra6a muestra el gráfico de la distribución del área de drenaje pag(a,L)versus
el área de drenajeapara variosLcond= 0,35. La línea guía recta representa que el valor del
exponenteτesτ≈1.48. y en la figura6b se muestra que los datos depag(a,L)están bien colapsados〈
sed〉con los valores de los exponentes,τ= 1.475 y φ=1.87. Cifra6c muestra la trama dea2/〈a〉
contra la longitudLy la línea guía recta representa que el valor del exponenteφse convierte en 1.87.
En la figura6d–f, hemos medido los valores de los exponentes parad= 0.4 y hemos obtenidoτ≈1.49
yφ≈1.91. Aunque los valores de los exponentes para cuencas reales abarcan un rango pequeño en
lugar de un valor específico, estos valores de exponente parad= 0,35 yd= 0,4 son ligeramente
mayores que los valores medidos en cuencas reales. Significa que un cierto rango del parámetrod
en el modelo puede ser adecuado para describir la naturaleza fractal de las cuencas fluviales.
Hemos medido los exponentes de Hurst para varios valores dedpor dos métodos independientes.
Uno se obtiene del MSD dezX(t) (símbolos de estrellas en la figura7) y el otro se obtiene midiendo el
área de drenaje característica (símbolos circulares en la Figura7). Se puede ver que ambos valores
son iguales en general. La ligera diferencia entre dos valores deHPara pequeñosdpueden
originarse a partir de los comportamientos iniciales que podrían verse afectados de manera
diferente según el desarrollo del área de drenaje. Como resultado, hemos encontrado que el
exponente de Hurst Haumenta casi linealmente a medida quedaumenta como se muestra en la
figura7y especialmente, para 0.2< δ <0,3, coincide bien con los valores medidos en cuencas reales.
Fractal Fractura.2022,6, 569 8 de 11

Figura 6.(a) La gráfica de la función de escala depag(a,L)para varios valores deL=32, 64, 128, 256,
512 y 1024 de izquierda a derecha parad= 0,35. La línea guía recta representaτ≈1.48. En el
cifra (b), los datos están muy bien colapsados conτ= 1.475 yφ= 1,87. La figura (C) muestra el
〈〉
valor del exponenteφque se ha obtenido comoφ≈1.87 de la relación,A=a2/〈a〉 ∼Lφ. La figura (d)
muestra el diagrama depag(a)para varios valores deL=32, 64, 128, 256, 512 y 1024 para d=0.4. La
línea guía recta representaτ≈1.49. Los datos están muy bien colapsados conτ= 1.49 yφ= 1.91
como se muestra en la figura (mi) y en la figura (F) el valor del exponentefise obtuvo como 0,91
midiendo las áreas de drenaje características.
Fractal Fractura.2022,6, 569 9 de 11

Figura 7.La gráfica del exponente de Hurst versus el parámetrod. Los datos marcados con círculo y
estrella se obtienen del MSD de procesos estocásticoszX(t)y el área característica, respectivamente. La
línea guía recta ha sido obtenida por una regresión lineal sobre los datos del área característica y
representa queH≈0.94d+0.5.

6. Discusión
Hemos introducido un modelo estocástico que describe muy bien las características
fractales de las cuencas fluviales reales. Sugiere que las redes fluviales pueden
entenderse solo desde el punto de vista de los procesos estocásticos del flujo del agua,
que tienen buenos puntos para describir las leyes unificadas de escala de las cuencas
fluviales reales con respecto a una regla simple sin considerar los detalles de los
contextos que la hacen. ser posible. El punto clave para explicar la persistencia en los
flujos de los ríos es la idea de la probabilidad de replicación dinámica por la cual cuanto
mayor es el impulso del flujo, mayor es la tendencia a seguir la dirección anterior del
flujo de agua. El impulso del flujo en un sitio está relacionado con su área de drenaje,
que es una cantidad dinámica clave para caracterizar la cuenca del río. Eso es,

Por lo tanto, la probabilidad de replicación dinámica produce características fractales de redes

fluviales reales; sin embargo, se requieren más intentos para probar más propiedades del modelo
utilizando otras propiedades conocidas de las cuencas fluviales. Estas propiedades incluyen
distribuciones de longitud de flujo principal y la ley de Horton [62–sesenta y cinco] que establece que la
relación entre los números de flujo, las longitudes de los flujos, las áreas de los flujos y el orden de los
flujos pueden ser significativos para comprender la aleatoriedad topológica de las redes [63]. Además, la
probabilidad dinámica podría ser un origen importante para la construcción de otros sistemas complejos
que pueden desarrollarse mediante procesos estocásticos no estacionarios o no markovianos. Por lo
tanto, aplicar la probabilidad dinámica para construir varios sistemas complejos donde las naturalezas
estocásticas se usan de manera anormal puede ser útil para comprender los sistemas.

Fondos:Esta investigación no recibió financiación externa.

Declaración de la Junta de Revisión Institucional:No aplica.

Declaración de consentimiento informado:No aplica.

Declaración de disponibilidad de datos:No aplica.

Conflictos de interés:El autor declara que no hay conflicto de interés.

Fractal Fractura.2022,6, 569 10 de 11

Referencias
1. Mandelbrot, BBLa Geometría Fractal de la Naturaleza; Freeman: Nueva York, NY, EE. UU., 1983.
2. Rodríguez-Iturbe, I.; Rinaldo, A.Cuencas fluviales fractales: azar y autoorganización; Cambridge Univ Press: Cambridge, Reino Unido, 1997.
3. Rinaldo, A.; Rigón, R.; Banavar, JR; Maritán, A.; Rodriguez-Iturbe, I. Evolución y selección de redes fluviales: estática, dinámica y complejidad.proc.
nacional Academia ciencia EE.UU2014,111, 2417–2424. [Referencia cruzada] [PubMed]
4. Maritán, A.; Rinaldo, A.; Rigón, R.; Giacometti, A.; Rodríguez-Iturbe, I. Leyes de escala para redes fluviales.física Rev.E1996,53, 1510. [Referencia
cruzada] [PubMed]
5. Dodds, PD; Rothman, DH Vista unificada de las leyes de escala para redes fluviales.física Rev.E1999,59, 4865. [Referencia cruzada] [PubMed]
6. Hack, JT Studies of Longitudinal Stream-Profiles in Virginia and Maryland.EE.UU. Geol. sobrev. Prof. Papel1957,294, 45–97.
7. Caldarelli, G. Modelos celulares para redes fluviales.física Rev.E2001,63, 021118. [Referencia cruzada]
8. Rinaldo, A.; Rodríguez-Iturbe, I.; Rigón, R.; Ijjasz-Vásquez, E.; Bras, RL Redes fluviales fractales autoorganizadas.física Rev. Lett. 1993,70, 822. [
Referencia cruzada]
9. Rodríguez-Iturbe, I.; Rinaldo, A.; Rigón, R.; sujetadores, RL; Marani, A.; Ijjász-Vásquez, E. Disipación de energía, producción de escorrentía y estructura
tridimensional de las cuencas fluviales.Recurso de agua. Res.1992,28, 1095–1103. [Referencia cruzada]
10. Rodríguez-Iturbe, I.; Rinaldo, A.; Rigón, R.; sujetadores, RL; Ijjasz-Vásquez, E.; Marani, A. Estructuras fractales como patrones de mínima energía: El caso de
las redes fluviales.Geofísico. Res. Letón.1992,19, 889–892. [Referencia cruzada]
11. Rinaldo, A.; Rodríguez-Iturbe, I.; Rigon, IR; sujetadores, RL; Ijjasz-Vásquez, E.; Marani, A. Energía mínima y estructuras fractales de redes de
drenaje.Recurso de agua. Res.1992,28, 2183–2195. [Referencia cruzada]
12. Briggs, LA; Krishnamoorthy, M. Exploración de la escala de la red a través de variaciones en las redes de canales óptimas.proc. nacional Academia ciencia
EE.UU2013,110, 19295. [Referencia cruzada]
13. Takayasu, H.; Inaoka, H. Nuevo tipo de criticidad autoorganizada en un modelo de erosión.física Rev. Lett.1992,68, 966. [Referencia cruzada]
14. Inaoka, H.; Takayasu, H. La erosión del agua como un proceso de crecimiento fractal.física Rev.E1993,47, 899. [Referencia cruzada]
15. Kramer, S.; Marder, M. Evolución de las redes fluviales.física Rev. Lett.1992,68, 205. [Referencia cruzada]
16. Leheny, RL; Nagel, SR Modelo para la evolución de las redes fluviales.física Rev. Lett.1993,71, 1470. [Referencia cruzada]
17. Giacometti, A.; Maritán, A.; Banavar, JR Modelo continuo para redes fluviales.física Rev. Lett.1995,577, 577. [Referencia cruzada]
18. Banavar, JR; Colaiori, F.; Flamini, A.; Giacometti, A.; Maritán, A.; Rinaldo, A. Escultura de una cuenca fluvial fractal.física Rev. Lett. 1997,78,
4522.
19. Somfai, E.; Sander, LM Escalamiento y redes fluviales: una teoría de Landau para la erosión.física Rev.E1997,56, R5. [Referencia cruzada]
20. Kim, H.-J.; Kim, I.-M.; Kim, JM Redes de ríos en el paisaje correlacionado con pendientes.física Rev.E2000,62, 3121. [Referencia cruzada]
21. Bak, P.; Tang, C.; Wiesenfeld, K. Criticidad autoorganizada: una explicación del ruido 1/f.física Rev. Lett.1987,59, 381. [Referencia cruzada]
22. Bak, P.; Tang, C.; Wiesenfeld, K. Criticidad autoorganizada.física Rev A1988,38, 364. [Referencia cruzada]
23. Hergarten, S.; Neugebauer, HJ Redes críticas de drenaje autoorganizadas.física Rev. Lett.2001,86, 2689. [Referencia cruzada] [PubMed]
24. Scheidegger, AE Leyes de Horton sobre longitudes de arroyos y áreas de drenaje.Recurso de agua. Res.1968,4, 1015. [Referencia cruzada]
25. Abouagwa, M.; Aljoufi, LS; plátano, RAR; Khalaf, AD; Elgarhy, M. Ecuaciones de evolución estocástica fraccionada neutra mixta de Caputo con
retraso infinito: existencia, unicidad y principio de promediación.Fractal Fractura.2022,6, 105. [Referencia cruzada]
26. Khalaf, AD; Said, T.; Abu-Shanab, R.; Almutiry, W.; Abouagwa, M. Estimación de parámetros de deriva en un proceso subfraccional tipo
Vasicek.entropía2022,24, 594. [Referencia cruzada] [PubMed]
27. Mandelbrot, BB; van Ness, JW Movimientos brownianos fraccionarios, ruidos fraccionarios y aplicaciones.SIAM Rev.1968,10, 422–437. [Referencia
cruzada]
28. Metzler, R.; Klafter, J. La guía del paseo aleatorio para la difusión anómala: un enfoque de dinámica fraccionaria.física Reps.2000,39, 1–77. [Referencia
cruzada]
29. Metzler, R.; Klafter, J. El restaurante al final de la caminata aleatoria: desarrollos recientes en la descripción del transporte anómalo por dinámica
fraccionaria.física R: Matemáticas. general2004,37, R161. [Referencia cruzada]
30. Klafter, J.; Sokolov, MIPrimeros pasos en caminatas aleatorias, 1ª ed.; Oxford University Press: Nueva York, NY, EE. UU., 2011.
31. Zaburdaev, V.; Denisov, S.; Klafter, J. Lévy camina.Rev.Mod. física2015,87, 483. [Referencia cruzada]
32. Dybiec, B.; Gudowska - Nowak, E.; Barkai, E.; Dubkov, AA Lévy vuela versus Lévy camina en dominios acotados.física Rev.E 2017,95,
052102. [Referencia cruzada]
33. Fedotov, S.; Korab, N. Emergencia de Lévy camina en sistemas de individuos que interactúan.física Rev.E2017,95, 030107. [Referencia cruzada]
34. Zaburdaev, V.; Fouxon, I.; Denisov, S.; Barkai, E. Las dispersiones superdifusivas imparten la geometría de los paseos aleatorios subyacentes. física Rev. Lett.
2016,117, 270601. [Referencia cruzada]
35. Boyer, D.; Pineda, I. Vuelos Slow Lévy.física Rev.E2016,93, 022103. [Referencia cruzada]
36. Rebenshtok, A.; Denisov, S.; Hanggi, P.; Barkai, E. Densidades infinitas para caminatas de Lévy.física Rev.E2014,90, 062135. [Referencia cruzada]
37. Godec, A.; Metzler, R. Respuesta lineal, fluctuación-disipación y efectos de tamaño de sistema finito en superdifusión.física Rev.E2013, 88, 012116.
[Referencia cruzada]
38. Schutz, GM; Trimper, S. Los elefantes siempre pueden recordar: efectos de memoria exactos de largo alcance en un paseo aleatorio no markoviano. física
Rev.E2004,70, 045101. [Referencia cruzada]
39. Boyer, D.; Solis-Salas, C. Paseos aleatorios con traslados preferenciales a lugares visitados en el pasado y su aplicación a la biología. física Rev.
Lett.2014,112, 240601. [Referencia cruzada]
Fractal Fractura.2022,6, 569 11 de 11

40. Boyer, D.; Romo-Cruz, JCR Modelo de paseo aleatorio resoluble con memoria y sus relaciones con modelos markovianos de difusión anómala.
física Rev.E2014,90, 042136. [Referencia cruzada]
41. Cressoni, JC; da Silva, MAA; Viswanathan, GM Persistencia inducida amnésticamente en caminatas aleatorias.física Rev. Lett.2007,98, 070603. [
Referencia cruzada]
42. Liemert, A.; Sandev, T.; Kantz, H. Ecuación de Langevin generalizada con kernel de memoria templado.Física A2017,466, 356–369. [Referencia
cruzada]
43. Budini, AA Transición difusiva-superdifusiva inducida por la memoria: conjunto y observables promediados en el tiempo.física Rev.E2017, 95, 052110. [
Referencia cruzada]
44. Budini, AA Difusión no homogénea y ruptura de ergodicidad inducida por efectos de memoria global.física Rev.E2016,94, 052142. [Referencia
cruzada]
45. Budini, AA Débil ruptura de la ergodicidad inducida por efectos de memoria global.física Rev.E2016,94, 022108. [Referencia cruzada] [PubMed]
46. Kürsten, R. Árboles recursivos aleatorios y el paseo aleatorio del elefante.física Rev.E2016,93, 032111. [Referencia cruzada] [PubMed]
47. Kumar, N.; Hárbola, U.; Lindenberg, K. Dinámica anómala inducida por la memoria: aparición de difusión, subdifusión y superdifusión a partir de
un solo modelo de paseo aleatorio.física Rev.E2010,82, 021101. [Referencia cruzada] [PubMed]
48. Kim, H.-J. Difusión anómala inducida por mejora de la memoria.física Rev.E2014,90, 012103. [Referencia cruzada]
49. Choi, Y.; Kim, H.-J. Proceso de replicación markoviano no estacionario que provoca diversas difusiones.física Rev.E2017,96, 042144. [Referencia
cruzada]
50. Kim, D.; Kim, H.-J. Fenómenos de transición en movimientos difusivos debido al cambio de efectos de memoria.Modificación. física Letón. B2019,96, 2050013. [Referencia
cruzada]
51. Goldstein, S. Sobre la difusión por movimientos discontinuos y sobre la ecuación del telégrafo.QJ Mec. aplicación Matemáticas.1951,4, 129–156. [Referencia
cruzada]
52. Kac, M. Un modelo estocástico relacionado con la ecuación del telegrafista.Rocky Mt. J. Matemáticas.1974,4, 497–509. [Referencia cruzada]
53. Masoliver, J.; Lindenberg, K.; Weiss, GH Una generalización en tiempo continuo de la caminata aleatoria persistente.Física A1989,157, 891–898. [
Referencia cruzada]
54. Masoliver, J.; Weiss, GH Difusión de velocidad finita.EUR. J. física.1996,190, 17. [Referencia cruzada]
55. Masoliver, J.; Weiss, GH Ecuaciones de Telegrapher con velocidades de propagación variables.física Rev.E1994,49, 3852. [Referencia cruzada]
56. Weiss, GH Algunas aplicaciones de paseos aleatorios persistentes y la ecuación del telegrafista.Física A2002,311, 381–410. [Referencia cruzada]
57. Masoliver, J. Ecuación del telegrafista fraccional de paseos aleatorios persistentes fraccionarios.física Rev.E2016,93, 052107. [Referencia cruzada]
58. Wang, KG Efectos de correlación a largo plazo y difusión anómala sesgada.física Rev.E1992,45, 833. [Referencia cruzada]
59. Wang, KG; Lung, CW Efectos de correlación a largo plazo y movimiento browniano fractal.física Letón. A1990,151, 119–121. [Referencia cruzada]
60. Lim, Carolina del Sur; Muniandy, SV Procesos gaussianos autosimilares para el modelado de difusión anómala.física Rev.E2002,66, 021114. [Referencia
cruzada]
61. Thiel, F.; Sokolov, IM Movimiento browniano escalado como modelo de campo medio para caminatas aleatorias en tiempo continuo.física Rev.E2014,89, 012115. [
Referencia cruzada]
62. Horton, RE Desarrollo erosivo de arroyos y sus cuencas de drenaje; Enfoque hidrofísico de la morfología cuantitativa. Geol. Soc. Soy.
Toro.1945,56, 275–370. [Referencia cruzada]
63. Kirchner, JW Inevitabilidad estadística de las leyes de Horton y la aparente aleatoriedad de las redes de canales de corriente.Geología1993, 21, 591. [
Referencia cruzada]
64. Cerveza, T.; Borgas, M. Las leyes de Horton y la naturaleza fractal de los arroyos.Recurso de agua. Res.1993,29, 1475. [Referencia cruzada]
65. Rosso, R.; Bacchi, B.; La Barbera, P. Relación fractal de la longitud de la corriente principal con el área de captación en las redes fluviales.Recurso de agua. Res. 1991,27,
381–387. [Referencia cruzada]
Los derechos de autor de Fractal & Fractional son propiedad de MDPI y su contenido no puede copiarse ni enviarse por correo
electrónico a múltiples sitios ni publicarse en un servidor de listas sin el permiso expreso por escrito del titular de los derechos de autor.
Sin embargo, los usuarios pueden imprimir, descargar o enviar artículos por correo electrónico para uso individual.