You are on page 1of 6

Que es un modelo? procedimientos a seguir para crear un modelo ejemplos de modelación evaluación modelo? cuando usar un modelo?

procedimietnos y tipos de modelo. La comunicación entre las diferentes disciplinas medio ambientales ah causado un incremento en el uso de modelos, particularmente en química ambiental por el gran numero de procesos y componentes interactuando.

definición de modelo
Síntesis de conocimiento y datos que nos provee información de las interacciones que ocurren en el medio ambiente y nos da una representación simplificada de la realidad para poder comprenderla en un instante de tiempo y espacio, pudiendo predecir efectos ante algún acción o avento. ¿Cuál es le sentido del modelo? Visión general de un problema medio ambiental y predecir los efectos obtenidos de algunas estrategias que se toman para solucionar este problema. Modelación ambiental se ah desarrollado rápidamente debido a: Mayor comprensión general del problema Mayor desarrollo tecnológico de los computadores Calidad del modelo depende de: La Calidad del conocimiento de la persona que postule un modelo La disponibilidad y confiabilidiad de los datos Complejidad del modelo Lo complejo del modelo es tener un conocimiento real y amplio, a su vez saber los procesos indicados a estimar para incluir en el modelo. Es de importancia No crear un modelo mas complejo de lo que el conjunto de datos pueda llevar consigo. Nuestro conocimiento acerca de los procesos y los estados variables, junto con el conjunto de datos, DETERMINAN EL MODELO. Debido a los avances tecnológicos se pueden crear modelos mas complejos

energía y materia(QUISPE MARIKON). VARIACION DE LA CONCENTRACION con el tiempo . pasando DE UN E STADO transciente a un estado estacionario . Fenomenológico: se basa en principios fundamentales de la ingeniería .TIPOS DE MODELO FISICOS: obtiene los principales componentes del sistema real y los procesos y/o reacciones del sist. Modelos que son aplicables a diferentes escenarios en el espacio y en el tiempo. balance de cantidad de mov. Se deducen por la observacion del sistema físico simplificado. MATEMATICO: formulación matematicas de los procesos mas importantes del problema en cuestión Modelos dinamicos: modelos que se ven afectado por factores externos y que representan cambios continuos de estado en el tiempo Clasificación de la modealcion matematica Empirico: basado en resultados expermientales de algún sistema en particular aplicables a sist muy similares.

luego se estudia la interaccion entre el sist y su entorno. permitiendo percibir alteraciones que no serian apreaciables a simple vista. El modelar un sistema implica definir las propiedades y variables de estado relevantes y estudiar su interrelaccion. químicos. Descripción del problema: claridad con lso subsistemas que puedieran existir en direacta realcion con los procesos físicos.Sistema En el sistema uno modela la realidad dividiendola entre aquello que forma parte del sist y lo que esta a fuera de el. Solución al modelo matemaico: dependiendo de la complejidad geométrica y de la ofrmulacion misma del modelo mateamtico. biológico u otros que estén interactuando en el sistema. y saber aprovechar al máximo de lso recursos y no desperdiciarlos en actividades irrelevantes Determinar el numero optimo de subsitemas y/o procesos ah ser incluidos en el modelo es dificultoso. Modelo matematico: fomrulacion de lo sprocesos en expresiones matemaitcas dando lugar a la contruccion del MODELO. Es pac io y Subs is temas Calidad de los Datos D is ponibles Requerimiento de D atos Diagram a C onc eptual Ec uac iones Rev isión requerida Verif ic ación Analisis de Sens ibilidad Calibración Validac ión . Se adicionan datos para un mejoramiento del modelo. Def inic ión del Problem a Selec ción de la Com plejidad Lim itac iones del Problem a en Tiem po. será analítica o numérica si es demasiado compleja Procedimiento de la modelacion Focus inicial de la investigación es al definición del problema. Y definir aquellos procesos que son mas relevantes que otros. Pasos relevantes en la modelación Conceptualización: permite simplificar el problema atraves de al identificación de las varaibles de estado y funciones externas que acutan sobre el sistema. Modelación y simulación nos ayuda a comprender la interacion de partes del sistema y del sistema como un todo. Simulación: manipulación de un modelo que funciones en el espacio o en el tiempo. si es que se carece de datos.

Verificación: prueba o ejecución subjetiva del comportamiento de la lógica interna del modelo. CALIBRACIÓN: encontrar la mejor armonía entre lo calculado y lo observado por variación de algunos parámetros. Sí no es así. ¿Cumple el modelo con la ley de conservación de masa? Suponiendo que sé esta trabajando en el equilibrio se tiene que la entrada de material al sistema tiene que ser igual a la cantidad de material de salida. . ¿Es el modelo estable a escala mayor y en el tiempo? El modelo se hace trabajar por un periodo largo de tiempo manteniendo las misma variaciones en las funciones externas para observar si los valores de las variables de estado se mantienen aproximadamente en los mismos niveles. es porque algo en la formulación matemática del modelo está errónea. ¿El modelo reacciona como se espera? Chequear si al variar el input de alguna variable la respuesta es como se espera. el modelo es considerado calibrado. Si los errores están dentro de un nivel de tolerancia aceptable. Esto es llevado a cabo por iteración o por el uso de programas desarrollados para encontrar los parámetros que mejor se ajusten entre los valores observados y calculados. involucra una comparación entre resultados de simulación y mediciones de campo.

La importancia del análisis de sensibilidad radica en que nos dice la precisión requerida de los datos de entrada al modelo. constantes de velocidad y coeficientes tienen que ser sistemáticamente variado (ajustando el modelo) para obtener una simulación aceptable. La validación confirma el comportamiento del modelo bajo el rango de condiciones representadas por los datos disponibles. paso preliminar y esencial en el procedimiento de la modelación(verbal) Glosario…. Los parámetros no deberán ajustarse fuera del rango de valores determinados experimentalmente reportado en la literatura. o Es importante tener datos provenientes de un rango amplio de funciones externas definidas por los objetivos del modelo. Principios basicos en la modelación Modelos pueden ser definidos como expresiones formales de los elementos esenciales de un problema en terminos matematicos. físicos y biológicos que simulan el sist. El primero reconocimiento del problema es a menudo VERBAL.Si los errores no son aceptables. ANÁLISIS DE SENSIBILIDAD: cuantificar la incertidumbre del modelo causado por incertidumbre en la estimación de los parámetros. Concentración) . o Los criterios de validación son formulados sobre la base de los objetivos del modelo y la calidad de los datos disponibles. VALIDACIÓN: se prueba el modelo contra un conjunto de datos. Variables externas: funciones o variables de naturaleza externa que influencian el estado del ecosistema Variables de estado: variable dependiente que esta siendo modelada y que describe el estado del ecosistema (ej. para observar cuan bien el modelo simula esos datos. modelo matemmatico: formulación cuantitativa de los procesos quimicos. La discusión acerca de la validación puede resumirse en lo siguiente: o Validación es siempre requerida para obtener un cuadro de confiabilidad del modelo.

no requeriendo de calibración o verificación con datos de terreno. constante de equilibrio y razones estequemotricas) Verificación:una comparación estadísticamente aceptable entre los resultados del modelo y un set independiente de datos de campo de otro año o de un sitio alternativo. . El modelo describe adecuadamente los fenomoneos observados para el uso especifico. Análisis de sensibilidad: determinación del efecto de un pequeño cambio en los parámetros del modelo sobre los resultadoes(variables de estado). o valores iniciales via técnicas de modelación estocásticas (Las predicciones dependen de la distribución de probabilidad). Análisis de incertidumbre: determinación de la incertidumbre( desviación estándar) del valor esperado(media) de la variable de estado debido a incertidumbre en el parámetro del modelo. Simulación: uso del modelo con cualquier conjunto de datos. Los procesos son formulados correctamente 3. Validación: aceptancia científica que… 1.Ecuaciones matematicas: representan procesos biológicos. antradas. Modelo incluye todo los procesos 2. químicos y fisicos interactuando en el sist. Parámetros: coeficientes constantes en la representación matematica del proceso que son usado para formular el balance (constante de velocidad. los parámetros del modelo son fijado y cualquier ajuste posterior no esta permitido después de la calibración Calibración: una comparación estadísticamente aceptable entre los resultados del modelo y mediciones de campo. ya sea por simulaciones numéricas o técnicas matematicas. Robustez: utilidad del modelo establecido despues de repetidas aplicaciones bajo diferentes circuntancias y a sitios diferentes. ajuste o afinamiento de los parámetros del modelo es permitido dentro del rango de valores determinados experimentables y reportado en la literatura.