Introduccin al Modelado

Medioambiental
MSC Germn Fernndez Garca

Preguntas de investigacin

En que consiste el modelado y la simulacin ?

Para que sirve el modelado y la simulacin?
Cules son algunos de los tipos de modelos?
Cules son las fases del proceso de modelizar y simular
un sistema?
Qu es la dinmica de sistemas y cuales son sus
principales elementos?

Acerca de sistemas, modelos y

comprender el todo ...

El cuento de los siete ratones ciegos...

Que lecciones se pueden extraer

de este cuento?

 En el mundo real no sabemos que es un elefante: no

existe un observador omnisciente que tenga acceso a la
verdad.
Uno bien puede ser como uno de los primeros seis
ratones, proponiendo una teora a sus pares que ellos no
encuentran del todo convincente

 Todos los ratones recogieron datos bsicos y generaron

una hiptesis consistente con los datos recolectados, es
decir realizaron abduccin.
Es fcil realizar abducciones. Es un proceso que
realizamos muchas veces en la vida diaria.

 Pero, las abducciones no son infalibles. La abduccin no

es un mtodo que nos garantice el descubrimiento de la
verdad.
Descripciones e hiptesis pueden variar en calidad y en
valor por lo que debemos ir ms all de la simple
descripcin para obtener confianza en el valor de
nuestras percepciones iniciales

Entonces, qu hacer?

Necesitamos herramientas que nos permitan formal y

cuantitativamente postular predicciones especficas a
partir de nuestras descripciones aducidas de datos u
observaciones de sistemas ambientales o ecolgicos.

Qu es un modelo?

Un modelo es una representacin simplificada de la

realidad que resume el conocimiento sobre el
funcionamiento del sistema estudiado con referencia a
un problema o interrogante dada

Para qu sirven los modelos?

10

Tipo de
problema

Dado

Se requiere
conocer

Uso del
modelo

Sntesis

EyR

Comprensin

Anlisis

EyS

Prediccin

Instrumentacin

SyR

Control

Ms usos .....

Sirven de marco conceptual para organizar o coordinar

investigacin emprica
Proporcionan un mecanismo para sintetizar grandes
cantidades de datos
Identifican reas de ignorancia con respecto a la relacin
de dos o ms objetos
Proporcionan informacin a gerentes y planificadores
mediante escenarios del tipo Que pasara si....

11

Modelacin y Simulacin

Sistema real: Fuente de datos de comportamiento del

sistema
Modelo: Conjunto de instrucciones para generar datos del
comportamiento del sistema
Modelacin o Modelado: Qu tan bien el modelo representa
el sistema real?
Simulacin: Son los resultados generados por el
computador correctos?

12

Datos de Comportamiento

13

Por qu usar simulacin en el

rea ambiental?

Permite cuestionar y hacer experimentos sobre el

modelo mental o informal del sistema. Este proceso
conduce al descubrimiento de errores, limitaciones o
consecuencias imprevistas de nuestros supuestos que
permiten desarrollar una mejor comprensin del sistema

14

 Nos permite lidiar con la complejidad de los

ecosistemas:
Dinmicas a largo plazo

Escalas mltiples y con muchos componentes

Difciles de controlar o recrear en un laboratorio
Dinmicas no lineales
Requiere el concurso de muchas disciplinas

15

Tipos de Modelos

16

Tipos de Modelos:
Estticos
El tiempo no es una variable explcita del modelo
Ejemplo: Relacin alomtrica entre dos atributos: A=aD2+b

Dinmicos
El tiempo es una variable explcita
Ejemplos: Concentracin de un compuesto al cabo de cierto
tiempo luego de un derrame dC/dt=-kC

17

Tipos de Modelos
Continuos
El estado del sistema est definido en cada instante del
tiempo
tiempo es continuo

Discretos
El estado del sistema est definido solo para instantes
particulares del tiempo
tiempo es discreto

18

Tipos de Modelos
Espacialmente Heterogneos
El espacio es una variable independiente del modelo
Los objetos tienen una posicin en el espacio u ocupan una
regin finita del mismo
Ejemplo: dinmica poblacional con inmigracin y emigracin
dependiente de los vecinos

19

 Espacialmente Homogneos
El espacio no es una variable independiente considerada en
el modelo
Ejemplo: dinmica poblacional simple

20

Tipos de Modelos

Mecanicista
Basados en procesos

Descriptivos
Basados en descripciones y no en el como funcionan las
cosas

21

Tipos de Modelos
Deterministas
Todos los parmetros son conocidos y los resultados se
pueden predecir sin incertidumbre

Estocsticos
Algunos de los procesos se expresan en probabilidades por
lo que los resultados obtenidos contienen aleatoriedad

22

Ejemplo: Dinmica de
Crecimiento Exponencial
Modelo muy simple. Puede ser un supuesto razonable
cuando:
Modela el principio de una temporada de crecimiento

Unos pocos individuos ingresan a una zona desocupada

Cuando se hacen disponibles recursos hasta entonces no
utilizados.
No nos interesa la distribucin por edad o sexo de la
poblacin
La poblacin se distribuye uniformemente en el espacio

23

Modelo Exponencial

24

Entendiendo el argot ...

X(t) es el estado del sistema en el tiempo t. Es la variable que
estamos interesados en determinar en el sistema.
k es un parmetro del modelo. Coeficientes utilizados en las
representaciones matemticas del proceso. Se consideran
constantes o variables pero conocidos
X(0) = X0 es la condicin inicial del sistema. Estado del sistema en
el momento de comenzar la simulacin.

dX(t)/dt es la tasa de cambio de X con respecto al tiempo

X(t) = X(0)ekt es un modelo analtico . Resulta de resolver el
modelo matemticamente Dado un valor del tiempo, de los
parmetros y condiciones iniciales, existe una formula que
determina de manera explcita el valor de la variable de estado X en
el tiempo.
En la mayora de los casos, no existe una solucin analtica del
sistema y la nica forma de obtener la dinmica de X es a travs de
la simulacin, es decir, obteniendo una solucin numrica al modelo

25

El proceso de modelacin

26

Enfoque clsico del Proceso de

Modelacin

27

Formulacin del Modelo

Establecer los objetivos o propsitos del modelo
Cul es el sistema a ser modelizado?
Cules son las interrogantes que debe responder el
modelo?

Cundo se considera que el modelo es lo suficientemente

bueno?
Cmo se usarn los resultados?

Plantear las hiptesis

Traducir los objetivos a hiptesis sobre el funcionamiento
del sistema

28

Las ecuaciones
En la formulacin se expresan las hiptesis en forma de
ecuaciones matemticas
Se deben seleccionar los algoritmos adecuados para
obtener la solucin numrica al modelo.
Dependiendo del problema, existen varios tipos de
modelos matemticos que se pueden usar:
Modelos de Sistemas de ecuaciones diferenciales ordinarias
Modelos de Sistemas de ecuaciones diferenciales parciales
Formalismos de eventos discretos
Autmatas celulares

29

Volviendo al ejemplo ...

Algoritmo de clculo
El modelo exponencial es una ecuacin diferencial
ordinaria (EDO).
Existen varios mtodos numricos para resolver EDOs
(Euler, Runge Kutta, entre otros)
Utilicemos Euler (puede ser usado si el tamao de paso
es pequeo):

30

 Se aproxima dX/dt por [X(t+dt)-X(t)]/dt y de aqu

despejamos: X(t+dt) =X(t) + dt k X(t)
Iteramos en esta ecuacin, partiendo de X(0):
1. X1 = X(dt) = X0 + dt x k x X0
2. X2 = X(2dt) = X1 + dt x k x X1
.....
f. Xf = X(tf ) = X(tf - dt) + dt x k x X(tf-dt)

Note que para ejecutar este algoritmo se necesita un

archivo de entrada que especifique: k, un valor para la
condicin inicial, X0 y el tamao del paso, dt y el tiempo
final, tf

31

Verificacin
Las ecuaciones se traducen en cdigo que debe ser
ejecutado en el computador
Existen diferentes herramientas para resolver el modelo
matemtico:
Herramientas grficas: Vensim, Stella, Simile, etc.
Herramientas matemticas: Matlab, Octave, etc.
Simuladores para problemas especficos (DSSAT, SWAT,
etc.)

Programacin

32

 La verificacin es el proceso de probar la lgica interna

del modelo.
En esta fase, uno se pregunta cosas como: Reacciona el
modelo como se esperara? Son sus unidades
consistentes?

33

Volviendo al ejemplo....
Probando el algoritmo

No se preocupe!. Vensim hace estos clculos por

nosotros
Sin embargo, una buena manera de asegurarse de
comprender el proceso es hacerlo a pie.

34

 Realice la simulacin de crecimiento exponencial

utilizando los siguiente datos:
Xo = 1 ind/m2, to = 0 das, k = 0.1 1/das, dt = 0.1, tf = 1
da.
Escriba sus resultados en dos columnas, una para el
tiempo y otra para X

35

Parametrizacin

Es la fase donde se calculan las constantes, parmetros

y condiciones iniciales del modelo

Los valores desconocidos de los parmetros pueden

estimarse mediante experimentos especialmente
diseados para ese fin, anlisis estadstico o
estimaciones basadas en valores reportados en la
literatura

36

 Luego de agotar las estrategias previas pueden haber

aun parmetros cuyo valor se desconoce para el sistema
en cuestin. Es entones necesario calibrar estos
parmetros.
La calibracin es un intento de encontrar el mejor
acuerdo entre los datos calculados por el modelo y los
datos observados mediante la variacin de algunos
parmetros.
Se puede hacer manualmente, mediante ensayo y error,
o utilizando mtodos de estimacin y optimizacin.

37

Volviendo al ejemplo ...

Parametrizacin

38

Anlisis y Evaluacin

Aqu se pregunta Qu tan bueno es el modelo?

Es el examen de la calidad del modelo con respecto a los

objetivos planteados

39

 La evaluacin es el proceso mediante el cual se

determina:
El grado de precisin de las suposiciones hechas en la
construccin y corrida del modelo
El grado de realismo que resulta de estas suposiciones
El grado de sensibilidad del comportamiento del modelo a
cambios en estas suposiciones.

40

Validacin

Consiste en probar objetivamente la bondad de ajuste

del modelo a los datos del sistema real
Es recomendable utilizar un conjunto de datos reales
diferente al usado durante la calibracin.

41

 Se puede realizar de manera visual pero tambin son

necesarios criterios estadsticos cuantitativos sobre todo
si se quiere comparar diferentes versiones del modelo o
modelos entre si.

42

Cul modelo es mejor?

43

Error cuadrtico medio y sus

variantes

44

ndice de Theil

45

Interpretando el ndice de Theil

46

Volviendo al ejemplo ...

Validacin (1)
Se tienen los siguientes datos de la poblacin de
faisanes consiguiente a su introduccin en una isla,
desde 1938 hasta 1942:

47

1) Dividir la serie en dos perodos A y B. Usar los datos del

perodo A para estimar el valor de k. Por ejemplo, el valor
de k utilizando los datos desde 1938 a 1939 es ~ ln(3) =
1.1
2)Con este valor de k corra la simulacin y produzca los
resultados, incluyendo aquellos que corresponden a la
salida del modelo para el perodo B. Al correr el modelo
para los aos 1940 a 1942, se obtienen los siguientes
resultados:

48

49

Volviendo al ejemplo ...

Validacin (2)
3)Compare la salida del modelo obtenido en 2 con los datos
reales para el perodo B. La comparacin puede ser grfica
o mediante anlisis estadstico

50

 Se concluye que el valor de k estimado para el perodo

1938-1940 est por encima del valor real para este
perodo. Lo que sucede es que estos datos s se
comportan de acuerdo a un modelo exponencial, pero no
el modelo lineal que postulamos en el que k es
constante sino a un modelo donde k es variable. Si
calcula el valor de k para el perodo 1940-1941 ~0.92,
para 1941-1942 ~0.62 as que k parece decrecer con el
tiempo.

51

Anlisis de Sensibilidad (AS)

Se estudia que tan sensible son los resultados del

modelo a cambios en los parmetros o las condiciones
iniciales
Puede hacerse para un slo parmetro a la vez o para
mltiples parmetros

52

 Usos:
Validacin: Un buen modelo es robusto ante pequeos
cambios en los valores de los parmetros
Investigacin: Los parmetros ms sensibles deben ser
objeto de mayor esfuerzo de estimacin
Control: Permite encontrar la combinacin de parmetros
que arroja los resultados deseados

53

AS para un solo parmetro

54

 Note que:
S = 1 cambio lineal
S < 0, mientras el parmetro aumenta la respuesta
disminuye o viceversa
S << 1 poca sensibilidad del modelo al parmetro
S >> 1 mucha sensibilidad del modelo al parmetro

55

Volviendo al ejemplo ...

AS para k
En el modelo exponencial asuma un valor nominal para k
de 0.1 (Pn = 0.1), X0 = 1 y tf = 1. La salida del modelo
que nos interesa es el mximo de X
Utilizando X(t) =X0ekt obtenemos que el valor nominal
de la respuesta es Rn = e0.1 = 1.105
Para k = 0.2 (Pa = 0.2), se obtiene Ra = e0.2 = 1.221
Entonces S = [(1.221 1.105) / 1.105] / [ (0.2
0.1)/0.1] = 0.105/1 = 0.105.
Al cambiar en 100% el valor del parmetro, la respuesta
cambio solamente un 10.5%
56

Dinmica de Sistemas

57

Dinmica de Sistemas
La dinmica de sistemas es una metodologa para
modelizar dinmicamente sistemas complejos
Se hace nfasis en la descripcin del sistema en trmino
de sistemas dinmicos de realimentacin

58

Dinmica de Sistemas (II)

En el desarrollo de modelos de dinmica de sistemas se
coloca el nfasis en:
Relaciones Causales: Las relaciones entre los elementos del
sistema se construyen de manera de reflejar relaciones
causa-efecto.
Lazos de realimentacin: Un lazo de realimentacin es un
ciclo cerrado de causas y efectos en los que las condiciones
en una parte del sistema causan resultados en algn otro
lugar del mismo. Es decir, el flujo entre causa y efecto no es
unidireccional.

Estabilidad e Inestabilidad: Se estudian las condiciones bajo

las cuales el sistema alcanza un estado estable, cuando las
variables de inters se estabilizan en el tiempo.

59

Elementos de Dinmica de
Sistemas
Reservorios, Niveles o
Compartimientos: un repositorio
donde algo es acumulado o
almacenado en el sistema
Flujos o Tasas: Representan la tasa
de cambio del acumulador. Son
actividades que ocurren en el
sistema que cambian el contenido
de los compartimientos a lo largo
del tiempo
Convertidores o variables
auxiliares: variables del sistema
que juegan diferentes roles en el
modelo.
Relaciones: representan las
relaciones entre los componentes
del sistema

60

Herramientas para hacer

Simulacin

61

 Existen varias herramientas para hacer simulacin

utilizando Dinmica de Sistemas: Stella, Smile y Vensim
son las ms populares entre los eclogos
Vensim (http://www.vensim.com/) tiene una versin
gratis, Vensim PLE, con algunas funciones limitadas
La documentacin tambin esta disponible en el sitio
web. Existe una traduccin del manual y una comunidad
de usuarios bastante grande
62

Actividad

63

Preguntas de Revisin y Estudio

En la lamina 14 de la clase introductoria se mencionan
algunas de las caractersticas que hacen complejos los
modelos de ecosistemas. Ilustre por lo menos dos de
estas caractersticas con un ejemplo.
Realice a pie el ejercicio propuesto en la pgina 35.
Haga una grfica de los resultados.
Implemente el ejercicio realizado en la pgina 38
utilizando una hoja de clculo o el software estadstico
de su preferencia. Obtiene los mismos resultados?
Repita el ejercicio de validacin expuesto en las pginas
49 y 50 pero esta vez usando para calibracin los datos
desde 1938 hasta 1940 y para validacin los datos
desde 1941 hasta 1942. Discuta sus resultados
64

 Para el ejercicio de validacin realizado en la pginas 49

y 50, cul es el porcentaje de la raz del error cuadrtico
medio? Que porcentaje del error se puede atribuir a
diferencias en media, varianza o correlacin entre los
datos y el modelo?
Calcule la sensibilidad de parmetro p1 en estas dos
corridas. El valor base del parmetro es 15 y la salida o
resultado de la variable respuesta en la corrida base es
de 1.25.

65