EJEMPLO DE APLICACIN DE GAUSS-NEWTON

Al descargar y analizar la distribucin de tamao de las bolas en el interior de un molino recargado con
bolas de 3", solamente se obtuvieron los siguientes resultados:
Tamao, d
2.50 in
2.00 in
1.50 in

% Passante, F
52
19
8

Se espera que la relacin entre ambas variables sea del tipo:

F=

( )

Ec. 1

d max

Con dmax = 3" y se desea estimar el valor del parmetro por regresin no lineal. Por ello, es preciso avaluar las derivadas:

Zn 1=

Fn
=ln( d / d max )(d / d max )^
^

Ec. 2

Por tanto, partiendo de una estimacin inicial para :

dmax = 3 in

^ = 3.794
se obtiene como sigue:
dn
2.5
2.0
1.5

n
1
2
3

Zn1
-0.09
-0.09
-0.05

Y considerando W = I se tiene :
ZT
-0.09 -0.09 -0.05

I=W

1
0
0

0
1
0

0
0
1

-0.09

0.0184134655

Ycalc
0.5007206
0.2147485

(Yexp-Ycalc)
0.0192794
-0.0247485

([(ZT) * W ]*Z)-1

0.0720986

0.0079014

[(ZT)

* W ]*Z

ZT W

-0.09

WZ

Z TW

-4.9579 -4.729

-0.09 -0.05

Fun. Obj = (Yexp-Ycalc)2

Fun. Obj = 0.001

54.3080822638

(ZT) * W
-0.09 -0.05

( Z T WZ ) Z T W ( Y expY calc ) )

-2.714

-7E-008

=
^ ^ O+ ( Z T WZ ) Z T W ( Y expY calc ))

0 .520 . 5283
1
^ . 5+
(0 .0963 ,0 . 0981 ,0 . 0613 ) 0 .190 . 2419
=3
0 . 0227
0 .080 . 0884
^ = 3.793884489

SOLVER
Celda Objetivo : L 43
Valor de Celda Objetivo : Minimo
Cambiando celdas : C 25

1
x1

x2

0
0
0
0
1
1
1
1
2
2
2
2.5
2.9

0
1
2
3
0
1
2
2
0
1
2
2
1.8

y
y
(Simula (Experi
do)
mental)
3.00
3.00
1.82
1.82
1.10
1.10
0.67
0.67
6.00
6.00
4.82
4.82
4.10
4.10
4.10
4.10
9.00
9.00
7.82
7.82
7.10
7.10
8.60
8.60
9.92
9.92

3.0006 -0.5009

0.0000
0.0000
0.0000
0.0000
1.0000
1.0000
1.0000
1.0000
2.0000
2.0000
2.0000
2.5000
2.9000
2.9999

las i calculadas

^ =

3
3
3
Resumen
n
1
2
3
4
5
6
7
8

Diferencia

(Dif.)2

A11

A12

A13

A22

A23

A33

Z11

Z21

Z31

0.0000
1.8183
2.2038
2.0032
0.0000
1.8183
2.2038
2.2038
0.0000
1.8183
2.2038
2.2038
2.1924

0.0006
-0.0017
0.0019
-0.0023
0.0005
-0.0018
0.0018
0.0018
0.0004
-0.0019
0.0017
0.0016
-0.0023

0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00
0.00

0.0000
0.0000
0.0000
0.0000
1.0000
1.0000
1.0000
1.0000
4.0000
4.0000
4.0000
6.2500
8.4100

0.0000
0.0000
0.0000
0.0000
1.0000
0.6060
0.3672
0.3672
2.0000
1.2120
0.7344
0.9181
1.1772

0.0000
0.0000
0.0000
0.0000
0.0000
1.8183
2.2038
2.2038
0.0000
3.6367
4.4075
5.5094
6.3579

1.0000
0.3672
0.1349
0.0495
1.0000
0.3672
0.1349
0.1349
1.0000
0.3672
0.1349
0.1349
0.1648

0.0000
1.1019
0.8093
0.4458
0.0000
1.1019
0.8093
0.8093
0.0000
1.1019
0.8093
0.8093
0.8899

0.0000
3.3063
4.8566
4.0128
0.0000
3.3063
4.8566
4.8566
0.0000
3.3063
4.8566
4.8566
4.8065

0.0000
0.0000
0.0000
0.0000
0.0005
-0.0018
0.0018
0.0018
0.0008
-0.0038
0.0034
0.0041
-0.0067

0.0006
-0.0010
0.0007
-0.0005
0.0005
-0.0011
0.0007
0.0007
0.0004
-0.0011
0.0006
0.0006
-0.0009

0.0000
-0.0030
0.0042
-0.0045
0.0000
-0.0032
0.0039
0.0039
0.0000
-0.0034
0.0037
0.0036
-0.0051

Func. Objetivo =

0.00

30.6600
A11

0.0000
Z11

0.0000
Z12

0.0000
Z13

1.0000
0.6060
0.3672
0.2225
1.0000
0.6060
0.3672
0.3672
1.0000
0.6060
0.3672
0.3672
0.4059

3.0006 -0.5009

8.3821 26.1374
A12
A13

4.9902
A22

8.6878 43.0214
A23
A33

0.00

^ =

1
1
1
^ =

2.9999

1
3.23122
3.019
2.90575
3.00019
2.99981
2.9999
2.9999

1
0.58467
1.10879
2.79006
2.99527
3.00023
3.00059
3.00059

1
0.80263
0.14991
-0.6634
-0.4601
-0.4993
-0.5009
-0.5009

F.O.
528.792
74.9332
13.4185
2.69559
0.07392
0.00013
4E-005
4E-005

Matriz
A11

A12

A13

Z11

A21

A22

A23

Z21

A31

A32

A33

Z31

30.6600

8.3821 26.1374

8.3821
26.1374

4.9902 8.6878
8.6878 43.0214

Inversa
0.08472 -0.0813 -0.0351
-0.0813
0.387 -0.0288
-0.0351 -0.0288 0.05036

i
*

0.0000
0.0000
0.0000

4E-010
3E-010
-5E-010

Ejemplo de Derivada Parcial

U

U es funcin de x, tomando logaritmos en ambos lados, se tiene:

Y =a
ln Y =U ln a

derivando en ambos lados se tiene:

d (ln Y ) d (U ln a )
=
dx
dx
Tomando en cuenta que:

d ( ln U ) 1 dU dU 1
=
=

dx
U dx
dx U
d ( ln U )dx 1
=
dxdU
U
d ( ln U ) 1
=
dU
U
d ( ln x ) 1
=
dx
x

( )

Considerando que "a" es una constante:

1 dy
dU

=ln a
Y dx
dx
dy
dU
=Y *ln a
dx
dx

( )
( )

Reemplazando el valor Y=aU

dy
dU
U
=a *ln a
dx
dx

( )

Y =F
d
a=
d max
U=cons tan te
aU
d
d
=aU ln
dx
dx

F d
d
=
ln

d max
d max

( ) ( )
( ) ( )

ALGORITMO DE WEGSTEIN
Conocido tambin, como el mtodo de las secante, que sirve para minimzar el nmero de iteracciones
requeridas.

Ejemplo:
Considrese nuevamente el sistema de la figura A-1, al cual es alimentado a razn de 100 tph de un min
ral que contiene 10% pasante de la malla 400. La potencia instalada de 1000 KW y el circuito se encuentra operando con una carga circulante CC=5. Por simplicidad, supngase que Bpf = 45% de los finos alimentadosa los ciclones es retornado al molino y que la relacin entre los finos descargados por el molino
y alimentados a ste se ajustan a la expresin:

( 1F 3 )=

( 1F 2 )

SE P
1+
MS 2

(A.28)

Un SE = 0.020 TMS/KWH. Se desea conocer la fineza (%-400) en el producto de rebalse de los ciclones.
Del balance de materia del sistema se concluye:

F7 =( 1+ Bpf )( 1+CC ) F5
Bpf ( 1+CC ) F5
F6 =
CC
( F 1 +CCF8 )
F2 =
( 1+CC )

(A.29)

La aplicacin del algoritmo genera la siguiente tabla: (partieno de la estimacin inicial F8 = 0.05)
Datos:
P=
SE =
MS1 =
MS2 =
F1 =

1000 KW
0.05
100 Alimento fresco
600 TPH

=alimento fresco + CC

0.1 de datos

F8 = 0.0853 dato asumido

CC =
5
Bpf =
0.45

SOLUCIN
1)
2)

F2 = 0.0877
(1-F3) = 0.8421

SOLVER

F3 = 0.1579

Celda Objetivo : G 51

Como:
F5 = F3 =

0.158

Valor de Celda Objetivo : Valor =0

F7 = 0.521053
F6 = 0.0853

Cambiando celdas : C 37

Como:
F6 = F8 =

0.085

F. Obj = -4E-014

ero de iteracciones

de 100 tph de un mineel circuito se encuen45% de los finos aliargados por el molino

balse de los ciclones.

al F8 = 0.05)