Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Domínguez, E (2000). Protocolo para la modelación matemática de procesos hidrológicos. Meteorología Colombiana, No. 2, p.p. 33-38
Arístoteles
384 a.C.- 322 a.C.
1 2
𝑦= 𝑔𝑡
2
SELECCIÓN DEL CÓDIGO
Definido el modelo conceptual, es
recomendable seleccionar un programa de
computo adecuado, dos vías,
1. Preparar un programa para aplicación
específica.
2. Seleccionar un código entre los
programas existentes.
Si se recicla código, debe ser confiable,
alguien lo aplicó en una situación similar y
fue verificado. Este paso es la traducción
del modelo al lenguaje de maquina.
https://keisan.casio.com/exec/system/1224835316
DESARROLLAR EL CÓDIGO
Selección del modelo matemático
Con respecto a la funcionalidad,
1. Considerar la habilidad para simular el
problema que se desea resolver.
2. Cuantificar los procesos físicos
representados en el modelo.
3. Evaluar las ecuaciones adoptadas para
simular los procesos físicos.
4. Identificar los requerimientos datos,
relación inversa calidad - predicción.
DESARROLLAR EL CÓDIGO
Selección del modelo matemático
Con respecto a la complejidad,
1. Define en función de datos estimados,
de recursos y tiempo calibración.
2. Modelos baja complejidad empleados
en estudios exploratorios.
3. Modelos media complejidad para
evaluar efectos de políticas.
4. Modelos alta complejidad limitados en
investigaciones y análisis de riesgo.
Con respecto a la complejidad
https://www.fxsolver.com/solve/
DESARROLLAR EL CÓDIGO
Selección del modelo matemático
Un proceso de seis pasos,
1. Definir complejidad del modelo con
restricciones datos, tiempo, recursos.
2. Seleccionar modelo mejor clasificado
empleando funcionalidad-complejidad.
3. Evaluar si el modelo aborda cuestiones
de interés para el objetivo planteado.
4. Confirmar si el modelo puede aplicarse
en diferentes contextos de interés.
DESARROLLAR EL CÓDIGO
Selección del modelo matemático
Un proceso de seis pasos,
5. Determinar si el modelo genera las
salidas requeridas para objetivo.
6. Considerar las principales ventajas y
desventajas modelo seleccionado.
Disponibilidad de datos
Usuario: conocimiento y nivel educación
Comparar modelos datos experimentales
Análisis de incertidumbre
Necesidad mejores modelos
CONSTRUCCIÓN DEL MODELO
La información, los datos, y el código están
completos. La construcción del modelo,
1. Caracterización variables control
2. Establecer condiciones iniciales
3. Selección preliminar parámetros
Las herramientas matemáticas incluyen,
• Solución de sistemas de ecuaciones
• Implementación métodos numéricos
• Uso de herramientas de optimización
CONSTRUCCIÓN DEL MODELO
Si el valor de los parámetros se obtiene a
través de mediciones de campo, existentes
o programadas, se dice que el modelo se
parametrizó.
Si el valor de los parámetros se establece a
través de la solución del problema inverso,
se dice que los parámetros se identificaron.
𝑇 = 𝑇𝑜 − 0.0065 ∙ 𝑍
CONSTRUCCIÓN DEL MODELO
𝑇 = 29.969 − 0.0057 ∙ 𝑍
DEFINIR CRITERIOS DE DESEMPEÑO
Estos criterios definen la exactitud con la
que se desempeña el modelo. La elección
se hace en función de los objetivos de la
modelación y de los datos disponibles.
Elegir un criterio inadecuado, podría
conducir a la recolección de más datos, si
no están disponibles se elige otro criterio.
Existen muchos criterios: Error cuadrático
medio, Error medio absoluto, Error medio,
Error absoluto relativo, Diferencia pico, …
DEFINIR CRITERIOS DE DESEMPEÑO
Una métrica es un criterio de desempeño
siempre que,
1. Se conoce el valor de la métrica para la
simulación perfecta.
2. Se conoce el valor crítico que establece
que la simulación es aceptada.
3. La métrica considera la inercia o el
nivel de predictibilidad del sistema.
DEFINIR CRITERIOS DE DESEMPEÑO
Error Medio
1. Hill-climbing techniques
2. Simulated annealing
3. Genetic algotihms
CALIBRACIÓN DEL MODELO
Hill-climbing techniques
CALIBRACIÓN DEL MODELO
Simulated annealing
CALIBRACIÓN DEL MODELO
Genetic algotihms
VALIDACIÓN DEL MODELO
Probar la bondad de ajuste del modelo,
este se calibra con una parte información,
sin cambiar los parámetros encontrados, se
prueba el modelo con datos no utilizados,
calculando el error promedio del modelo.
Si este error está dentro de los límites
permisibles, se considera que el modelo
está validado, de lo contrario repetir.
VALIDACIÓN DEL MODELO
1 2
𝑦= 𝑔𝑡
2