CALIBRACIÓN AUTOMÁTICA DE PARÁMETROS EMPÍRICOS ASOCIADOS A FUNCIONES NO LINEALES
|
|
- María Dolores Miranda Tebar
- hace 7 años
- Vistas:
Transcripción
1 CALIBRACIÓN AUTOMÁTICA DE PARÁMETROS EMPÍRICOS ASOCIADOS A FUNCIONES NO LINEALES Andrés Alcolea 1 & Germán A. Galarza 3 Resumen - El problema nverso en drología subterránea consste en la estmacón de los parámetros de un modelo, a partr de las respuestas del sstema (nveles, concentracones, etc.) y de nformacón preva sobre los propos parámetros, tanto físcos (conductvdad dráulca, almacenamento específco, etc.) como empírcos asocados a alguna funcón no lneal, tambén empírca, que controla la evolucón de los parámetros físcos en funcón de la varable de estado. Su uso es poco frecuente en la modelacón de procesos en la zona no saturada. El nconvenente se alla en el elevado grado de ncertdumbre que presentan estos parámetros empírcos (que, en la mayoría de los casos, controlan sobremanera la respuesta del modelo), así como en la dfcultad ntrínseca del problema matemátco. En este trabajo se presenta una metodología de aplcacón del problema nverso a casos complejos, referentes a la modelacón en zona no saturada. Así, en la prmera parte del presente trabajo se desarrolla la formulacón matemátca relatva al problema, para presentar en la segunda, a modo de ejemplo, los resultados obtendos por aplcacón de la metodología a un problema sntétco. Los msmos muestran las capacdades del método y el algortmo empleados. Palabras clave - Flujo No Saturado, Problema Inverso, Van Genucten. 1.- INTRODUCCIÓN Las ecuacones que gobernan la resolucón de problemas de flujo de agua en 1 Escuela Técnca Superor de Ingenería de Camnos, Canales y Puertos de Barcelona (ETSICCPB), Unversdad Poltécnca de Cataluña, Barcelona, España., Campus Norte UPC, Barcelona, España, e-mal:,andres.alcolea@ upc.es, Teléfono: , Fax: Escuela Colombana de Ingenería, Autopsta Norte, km. 13, Santa Fé, Bogotá, Colomba., e-mal: ggalarza@escuelang.edu.co, Teléfono: Ext 78, Fax: st Jont World Congress on Groundwater 1
2 medo poroso pueden presentar dstntos tpos de no lnealdad. Por ejemplo, en medo saturado y acuífero lbre, la transmsvdad es proporconal al nvel pezométrco (aproxmacón de Duput). En el caso más general, cualquer parámetro nvolucrado en dcas ecuacones puede depender de la varable de estado (ncógnta de la ecuacón). Para la descrpcón de dca dependenca se emplean dversas relacones (alguna de ellas empírca), entre los parámetros de la ecuacón y la varable de estado. Estas relacones suelen expresarse por medo de funcones no lneales. En este campo se an realzado numerosos estudos 1,,3 para ntentar obtener dstntas curvas de ajuste, tratando de reproducr la varabldad de los parámetros de las ecuacones en funcón de la varable de estado. La problemátca asocada a este tpo de funcones es la aparcón de parámetros de ajuste en sus expresones (y que, en adelante, denotaremos como empírcos), a veces sn sentdo físco alguno. Además, generalmente, el grado de ncertdumbre que presentan es elevado y controla sobremanera la evolucón de la varable de estado. Este ndeseado efecto puede dar lugar, en ocasones, a graves errores en la predccón del modelo. Así, resulta útl dsponer de una erramenta capaz de proporconar una buena estmacón de este tpo de parámetros (necesaramente de forma automátca), a partr de datos sobre la respuesta del sstema real (en este caso, nveles pezométrcos) y, s es posble, sobre los parámetros del modelo, ben sean dráulcos, como conductvdad dráulca, almacenamento específco, etc, o empírcos de las funcones no lneales. Con este propósto, entre otros, se a actualzado un códgo de elementos fntos 4 que, orgnalmente, sólo permtía la estmacón de parámetros dráulcos. El problema general, descrto anterormente, consta de dos partes ben dferencadas. La prmera de ellas, conocda como problema drecto o smulacón, consste en la resolucón numérca del problema físco (esto es, la obtencón de la varable de estado). Sobre ella trata la prmera parte del presente trabajo, s ben se encuentra amplamente documentada en la lteratura especalzada 4,5,6. La segunda, conocda como problema nverso, consste en la estmacón propamente dca de los parámetros ncertos, medante aplcacón de un método de optmzacón. La formulacón utlzada se descrbe amplamente en la segunda seccón del documento..- FORMULACIÓN DEL PROBLEMA DIRECTO La erramenta más recurrda para estudar el movmento del agua a través de medos porosos es la ley de Darcy (1856). Esta ley establece que el flujo de agua entre dos puntos, en un medo saturado, es proporconal al gradente de nvel pezométrco 1 st Jont World Congress on Groundwater
3 que exste entre ellos. En forma vectoral, puede escrbrse como: q = K (1) donde q [LT 1 ] es el flujo volumétrco de agua (comúnmente velocdad de Darcy), K [LT 1 ] es el tensor de conductvdad dráulca del medo y [L] es el nvel pezométrco, cuyo sgnfcado físco es potencal de energía por undad de peso de fludo. Este térmno se puede expresar en funcón de sus componentes: la gravtatora o de poscón (z) y la de presón (p/ρg), sendo z [L] la altura sobre un nvel de referenca, p [FL - ] la presón actuante en el fludo, ρ [ML -3 ] la densdad de éste y g la aceleracón de la gravedad. Por otra parte, la ecuacón de conservacón de masa establece el balance de fludo sobre un volumen de control (suponendo densdad constante), en un nstante dado como 7 : θ t = q + q r () en la que θ [-] representa el contendo volumétrco de agua, q r [T -1 ] engloba los térmnos fuente/sumdero y t [T] denota tempo. Combnando las expresones anterores, se obtene la llamada ecuacón de flujo: θ = t [ K ] + q r Como se esbozó en la ntroduccón, es conocdo que la conductvdad dráulca depende del grado de saturacón, por lo que, en el ámbto de la modelacón en zona no saturada, se suele escrbr como el producto de dos componentes: (3) 1 st Jont World Congress on Groundwater 3
4 (K) j = (K) j sat K r (S w ) (4) S w = θ φ (5) donde φ [-] denota porosdad, K s es el tensor de conductvdad dráulca correspondente al estado de saturacón y K r es una funcón no lneal, que depende del grado de saturacón S w. Resulta convenente defnr succón como: ψ = p ρg (6) Aplcando las expresones anterores, junto con la regla de la cadena a la ecuacón (3) se obtene: S w φ ψ + S w φ ψ ψ t = [ (S w ) ( ψ + z) ] + q r K (7) Por otra parte, la varacón del contendo volumétrco de agua en el sstema (3), se produce por dos fenómenos dstntos: en prmer lugar, por deformacón elástca del medo, ben sea ésta por varacón de porosdad (cambos en la presón ocasonan modfcacones en la estructura del medo) o por efecto de la compresbldad del fludo (varacones de densdad). En segundo lugar, evdentemente, por entradas/saldas de fludo en el medo. Dado que se a supuesto nula la varacón de la densdad, el cambo en el contendo volumétrco de agua se puede expresar en funcón del almacenamento específco S s, defndo como el volumen de fludo lberado o absorbdo por undad de volumen de acuífero, cuando se produce una varacón untara en el nvel pezométrco: S s = φ ψ (8) De esta forma, la ecuacón (7) se transforma en: 1 st Jont World Congress on Groundwater 4
5 S w φ + S w S s ψ ψ t = [ ( ψ + z) ] + q r K (9) La resolucón analítca de la ecuacón anteror no es posble más que en unos pocos casos sencllos, debendo recurrr a técncas de resolucón numérca. En este caso, se realza una dscretzacón del modelo, separadamente en el espaco y en el tempo. En el espaco se dscretza medante elementos fntos, mentras que el tratamento temporal se realza según dferencas fntas ponderadas. Tras algunas manpulacones, la ecuacón anteror adquere la expresón sguente 6, 7, 8. k+ 1 k k+ ε k+θ k+ε ψ ψ k+θ A( ψ ) ψ + D( ψ ) = b t (10) donde A y D son matrces que dependen de la forma de los elementos, de los parámetros de flujo (conductvdad dráulca y almacenamento específco respectvamente) y del vector varable de estado ψ a través de las funcones no lneales; b es un vector que engloba los térmnos fuente/sumdero, además de las condcones de contorno del modelo. En la expresón anteror, la ponderacón temporal de la varable de estado se realza medante el escalar θ, mentras que las matrces A y D se evalúan con el valor de la msma en el tempo k+ε. El método utlzado para la resolucón de la ecuacón (10) es el de Newton- Rapson completo pues, de este modo, la matrz de coefcentes relatva a la solucón de los problemas drecto e nverso concde. No obstante, caso de resolverse úncamente el problema drecto, pueden usarse otras aproxmacones, menos sofstcadas, como las del método de Newton-Rapson modfcado, el método de Pcard, etc. En defntva, se trata de allar un vector de ncógntas ψ, de forma que la funcón vectoral de error f se anule, según la expresón sguente: k+ 1 k k + ε k +ε k +θ k+ε ψ ψ k+θ f ( ψ ) = A( ψ ) ψ + D( ψ ) b = t 0 (11) El sstema de ecuacones anteror se resuelve de forma teratva, asta consegur 1 st Jont World Congress on Groundwater 5
6 que la funcón vectoral de error (11), sea lo sufcentemente pequeña. Se toma dca decsón en funcón de una sere de tolerancas de convergenca. 3.- PROBLEMA INVERSO. FORMULACIÓN El problema nverso consste en obtener el mejor estmador de los parámetros de la ecuacón que representa el sstema físco, utlzando nformacón preva sobre los msmos (obtenda, por ejemplo, medante ensayos de laboratoro, documentacón al respecto o por experenca preva), su estructura de correlacón y sobre la propa varable de estado. El problema nverso en el contexto de las aguas subterráneas, consste en la estmacón de los parámetros de un acuífero (ben sean estos físcos, tales como conductvdad dráulca, almacenamento específco, etc., o empírcos asocados a funcones no lneales), a partr de meddas drectas de los msmos y de varables dependentes de los msmos, tales como nveles, concentracones, etc. Exsten dversas formulacones del problema nverso 9, 10, 11. En lo que sgue, se adopta la basada en el método estadístco de la Máxma Verosmltud, ncluyendo nformacón preva sobre los parámetros del modelo 1. Por complettud, en este apartado se presentan las característcas báscas de dca formulacón. Para un mayor nvel de detalle, se puede consultar la bblografía especfcada. La verosmltud L(p z * ) de una pótess sobre los valores de los parámetros p, dados los datos z * = ( *, p * ) ( * denota el conjunto de datos de nveles pezométrcos, mentras p * denota los referentes a los parámetros del modelo) y una estructura del modelo prefjada, se defne como proporconal a f (z * p), funcón de densdad de probabldad de aber observado z * dados los parámetros p. Así, la estmacón empleando el método de Máxma Verosmltud consste en allar los parámetros p, de forma que L(p z * ) sea máxma. Para completar los datos, es necesaro especfcar el vector z* y la estructura de correlacón o de error entre las componentes de dco vector. En adelante, se supondrá que la estructura de dco error se aproxma por una dstrbucón mult-gaussana con meda nula, con lo que quedará perfectamente defnda medante la matrz de covaranza. Esta pótess se basa en el teorema del límte central, según el cual, la dstrbucón de un gran número de pequeños errores aleatoros (en este caso, errores de medda), se puede aproxmar medante una dstrbucón mult-gaussana. Además, la pótess de multnormaldad permte el cálculo de ntervalos de confanza de la estmacón de los parámetros y la realzacón de tests de sgnfcacón 9, s ben esto tambén puede realzarse adoptando otras dstrbucones estadístcas. 1 st Jont World Congress on Groundwater 6
7 Es convenente suponer la matrz de covaranza como: C C = σ = σ V V (1) donde C y C son las matrces de covaranza de los nveles observados y la asocada al tpo -ésmo de parámetro, respectvamente; postvas y σ y V y σ son escalares desconocdos. V son matrces conocdas y defndas Con las pótess anterores y suponendo la dstrbucón mult-gaussana antes comentada, la verosmltud de p dado z *, se expresa como: L( p z * ) = (π) N C 1 * t exp ( z z ) C 1 1 ( z z * ) (13) sendo N el número total de datos dsponbles y C la matrz de covaranza. En general, dado que las meddas de nveles y la nformacón preva sobre los parámetros no están correlaconadas, puede suponerse que la matrz C presenta la sguente estructura: C C = 0 0 C p (14) donde la matrz C p ncluye las correlacones entre todos los parámetros y es dagonal por bloques, suponendo que las estmacones prevas de los dferentes parámetros no estén correlaconadas. Hallar el máxmo de L(p z * ) es equvalente a allar el mínmo de: S = ln * ( L( p z )) Se denota como J y J las contrbucones de los nveles y de la nformacón preva asocada al -ésmo tpo de parámetro: (15) J J = ( = ( p * p ) t * ) V t 1 V ( 1 ( p * ) p * ) (16) Así, susttuyendo susttuye las expresones anterores en (15), se obtene que: J J S = + + ln + ln + n ln σ + n lnσ V V σ σ + N ln(π) (17) 1 st Jont World Congress on Groundwater 7
8 donde n es el número de datos de nveles y n el número de datos sobre el tpo de parámetro -ésmo. Suponendo conocda la estructura de correlacón (matrces C y C ), la expresón anteror se reduce a: S = J + λ J +constante (18) σ λ = (19) σ En este caso, la formulacón del problema nverso, según el método de la Máxma Verosmltud, se reduce a la mnmzacón de la expresón (18), convrténdose en un problema de optmzacón. Para ello, se a adoptado el método de Marquardt 13, 14, s ben exsten numerosas alternatvas como el método de Smulated Annealng 15, 16, métodos íbrdos 17, 18,etc. 4.- DESCRIPCIÓN DE LAS FUNCIONES NO LINEALES DE VAN GENUCHTEN Van Genucten 1 formuló, de forma empírca, dos tpos de funcones no lneales, una para la conductvdad dráulca (en funcón del grado de saturacón) y otra para el grado de saturacón (en funcón de la presón). A contnuacón se descrben dcas funcones y sus parámetros asocados. La conductvdad dráulca relatva se calcula como (recúerdese la expresón (4)): K r (S w ) = S S w max S S mn mn S 1 1 S w max S S mn mn 1 λ λ (0) donde S w es el grado de saturacón del medo, S max y S mn son las saturacones máxma y mínma, respectvamente y λ es un parámetro empírco que controla la forma más o menos abrupta de la curva. El grado de saturacón vene dado por la expresón: S w ( p) = S + ( S ) mn S max λ 1 p 1 λ 1 + mn p c (1) 1 st Jont World Congress on Groundwater 8
9 donde p c es un valor umbral de presón, conocdo como presón de entrada o de burbujeo. Esta últma representa el valor mínmo de la presón de la fase gasesosa en el medo, para que ésta penetre en los poros del msmo, desplazando así la fase fluda (nco del proceso de desaturacón) 5. En forma gráfca, podemos observar la sensbldad de ambas curvas al parámetro empírco λ donde, por comoddad, se utlza en el eje orzontal de las gráfcas la saturacón efectva, defnda como: S e S = S w max S S mn mn () Obsérvese que la últma expresón adquere valores entre 0 y 1, correspondendo el prmer valor al estado de saturacón mínma y el segundo al de saturacón máxma. 1.0E+00 PERMEABILIDAD RELATIVA [-] (log) 1.0E-0 1.0E E E E E-1 LAMBDA=0.95 LAMBDA=0.5 LAMBDA= E SATURACION EFECTIVA [-] Fgura 1. Sensbldad de la permeabldad relatva al parámetro empírco λ. Consdérese, por ejemplo, un valor de 0.95 para la saturacón específca. La permeabldad relatva del medo adquere valores de 0.85, 0.45 y para valores del parámetro específco 0.95, 0.5 y 0.1, respectvamente. Esto mplca que una reduccón del valor de λ mplca una reduccón de la permeabldad total del medo, s se mantenen nalterados el resto de condcones y parámetros. 1 st Jont World Congress on Groundwater 9
10 Consdérese aora un valor 0.1 para la saturacón específca. La succón adquere valores de unas pocas atmósferas (próxmos a la presón de entrada) para un valor elevado del parámetro empírco (0.95), mentras que la succón es muy elevada para valores nferores del msmo (0.5 y 0.1). En la fgura se observa la gran sensbldad de la varable de estado al valor del parámetro específco. 1.0E E+03 LAMBDA=0.95 LAMBDA=0.5 LAMBDA=0.1 PRESIÓN [L] (log) 1.0E E E SATURACIÓN ESPECÍFICA Fgura. Sensbldad de la curva de retencón al parámetro λ Para este tpo de funcones no lneales, el parámetro λ podría consderarse como una medda de la velocdad de saturacón del medo: un valor del parámetro próxmo a cero mplca que el medo no comenza a saturarse (succón próxma a cero) asta que el grado de saturacón es próxmo al máxmo (la saturacón efectva tende a la undad). En cambo, un valor de λ próxmo a la undad permte que el medo comence a saturarse para valores de saturacón efectva nferores. 5.- EJEMPLO La metodología descrta se aplca a la modelacón de la nfltracón de agua en una seccón de 1x0.7 de superfce (en adelante se trabajará con undades genércas y se supondrá una profunddad untara en la tercera dmensón), en estado ncal no 1 st Jont World Congress on Groundwater 10
11 saturado, con un nvel pezométrco ncal defndo por la funcón =-y, sendo y la coordenada del punto. Se consdera una condcón de contorno de nvel nulo en el borde nferor, mentras que el resto se consderan mpermeables. Por otra parte, en la seccón se produce una entrada de agua constante en el tempo, en su esquna superor zquerda, de valor 10 1 [L 3 T -1 ]. El medo está formado por dos materales, cuyos parámetros son los descrtos en la sguente tabla: Parámetro / materal Materal superor Materal nferor Cond. dr. estado saturado Almacenamento específco 1E-6 1E-6 Parám empírco λ Saturacón mínma Saturacón máxma Presón de burbujeo Porosdad Tabla 1. Parametrzacón del modelo Q=0.1 H=0 Materal 1 Materal Punto de observacón 1 st Jont World Congress on Groundwater 11
12 Fgura 3. Geometría del modelo, condcones de contorno y dstrbucón de los puntos de observacón. La dscretzacón espacal se realza medante doscentos elementos trangulares, tal y como se esboza en la fgura anteror. El ntervalo de tempos de smulacón es de 0.1 [T], sufcente para que el medo se sature (parcalmente). Los resultados de la smulacón se presentan en la fgura sguente, para el tempo ncal y uno próxmo a éste (t=0.059). CONDICION INICIAL (t=0) t=0.059 Fgura 4. Dstrbucón de nveles pezométrcos para t=0 y t= st Jont World Congress on Groundwater 1
13 En la fgura anteror se puede aprecar cual es la evolucón del nvel pezométrco (eje vertcal) en la seccón. En ella se dstngue claramente la poscón y el efecto de la nyeccón de agua. Obsérvese que, para un tempo próxmo al ncal (t=0.059), la parte del medo colndante al punto de nyeccón ya se a saturado. El propósto de este ejercco es allar una estmacón para los parámetros empírcos de las funcones no lneales que caracterzan los materales, más en partcular, para los parámetros λ, dada la alta sensbldad de la varable de estado a estos, como se comentó en el apartado anteror. La metodología empleada 19 para la calbracón de los parámetros ncertos se puede resumr en dos pasos. Prmero, a partr de la estructura del modelo antes comentada (consderada como real ), se resuelve el problema drecto o smulacón, obtenéndose el valor de la varable de estado en todos los puntos de la malla de elementos fntos (valores reales ) y, en partcular, en la red de puntos de observacón dspuesta en la Fgura 3. Dado que todo proceso de medda está sujeto a error, los valores meddos se obtenen añadendo a los reales una componente aleatora, representando el error de medda. En este caso, dco error se representa medante una dstrbucón Gaussana de meda nula y desvacón mpuesta (valores de 0.01 y 0.05) en vrtud, de nuevo, del teorema del límte central. En la sguente fgura se observa la magntud del error de medda para el punto de nyeccón, con una desvacón de NIVEL [L] TIEMPO [T] NIVEL REAL NIVEL MEDIDO ERROR DE MEDIDA Fgura 5. Evolucón del nvel calculado vs nvel meddo. Error de medda 1 st Jont World Congress on Groundwater 13
14 En el caso de estudo se dspone de un total de 500 meddas de nveles pezométrcos, correspondentes a 10 puntos de observacón y 50 tempos de medda. En cuanto a los valores ncales de los parámetros a calbrar, se toman unos muy dstntos a aquellos supuestos como reales (los que deron lugar a los nveles reales ). La desvacón estándar consderada para estos es de 0.1. Los resultados se presentan en la tabla sguente, donde se puede observar que, pese a la dspardad entre los valor reales de los parámetros y los mpuestos ncalmente, el algortmo consgue alcanzar los valores óptmos de los parámetros (bajo ambas pótess de nvel de error). Se presentan resultados bajo cuatro pótess dstntas: en prmer lugar, consderando o no nformacón preva sobre los parámetros a estmar, y cada una de éstas, bajo dos nveles dstntos de error de medda en los nveles pezométrcos. Varable/pótess σ=0.01 σ=0.05 Funcón objetvo total (fnal) Func. obj. de parámetros (fnal) Func. obj. óptma (valor esperado) Norma del gradente (fnal) Parám. ncal (zona sup.) Parám. calbrado (zona sup.) Parám. ncal (zona nf.) Parám calbrado (zona nf.) Número de teracones p. nverso 16 9 Número de teracones p. drecto Tabla. Resultados obtendos consderando nformacón preva sobre los parámetros a estmar. Varable/pótess σ=0.01 σ=0.05 Funcón objetvo total (fnal) Func. obj. óptma (valor esperado) Norma del gradente fnal) Parám. ncal (zona sup.) st Jont World Congress on Groundwater 14
15 Parám. calbrado (zona sup.) Parám. ncal (zona nf.) Parám calbrado (zona nf.) Número de teracones p. nverso Número de teracones p. drecto Tabla 3. Resultados obtendos sn consderar nformacón preva sobre los parámetros a estmar En las tablas anterores, se entende por valor óptmo de la funcón objetvo, aquel que se obtene por smulacón del modelo real, utlzando como meddas los datos perturbados (meddos) de nvel pezométrco. A contnuacón se presentan los resultados de forma gráfca, bajo la pótess supuesta en la tabla, con errores de medda correspondentes a una desvacón σ= FUNCIÓN OBJETIVO F. Obj. Óptma F. Obj. Total F. Obj. Parám NÚMERO DE ITERACIONES Fgura 6. Evolucón del valor de la funcón objetvo, en funcón del número de teracones efectuadas por el método de Marquardt. 1 st Jont World Congress on Groundwater 15
16 0.7 VALOR DEL PARÁMETRO 0.5 Lambda zona superor calb. Lambda zona superor real Lambda zona nferor calb. Lambda zona nferor real NUMERO DE ITERACIONES Fgura 7. Hstora de parámetros estmados, en funcón del número de teracones efectuadas por el método de Marquardt. Los resultados reflejan como, para el caso de estudo, el uso de la nformacón preva sobre los parámetros a estmar resulta rrelevante, eco atrbuble a que, dada la cantdad de datos de nvel pezométrco dsponbles, dca nformacón resulta nnecesara. Asmsmo, se observa como, en los cuatro casos, se consgue alcanzar un valor (fnal) muy smlar en cuanto a los parámetros a calbrar. Además, la caldad de la calbracón puede contrastarse medante la comparacón de los nveles meddos con los calculados tras el proceso de calbracón. Se presenta a contnuacón una de estas gráfcas, obtenda bajo la pótess de nformacón preva y error de medda de nveles pezométrcos correspondente a una desvacón de 0.05, así como una tabla resumen con nformacón sobre los errores (tras la calbracón) en los puntos de observacón para dca pótess. 1 st Jont World Congress on Groundwater 16
17 mín máx (1/n) mín máx (1/n) σ σ (- * ) (- * ) (- * ) - * - * - * (abs.) P P P P P P P P P P Tabla 4. Errores (tras la calbracón) en los puntos de observacón, bajo la pótess de exstenca de nformacón preva sobre los parámetros a calbrar y un error de medda correspondente a una desvacón de Se presentan, de zquerda a dereca, el mínmo y máxmo error cometdo en cada uno de los puntos de observacón, el error medo por pozo y su desvacón (se repten los msmos cálculos, pero en valor absoluto). 1 st Jont World Congress on Groundwater 17
18 NIVEL [L] NIVEL CALCULADO NIVEL MEDIDO ERROR -0.3 TIEMPO [T] Fgura 8. Errores de calbracón para un punto de observacón 6.- CONCLUSIONES Se a presentado una metodología para la estmacón de parámetros empírcos asocados a funcones a no lneales, medante el empleo del método estadístco de Máxma Verosmltud, ncluyendo nformacón a pror sobre los parámetros a estmar. Este método termna reducéndose a la mnmzacón de la llamada funcón objetvo, operacón realzada medante el método de Marquardt (mnmzacón sn restrccones). Se aplca dca metodología a la estmacón de los parámetros empírcos que aparecen en las funcones no lneales formuladas por Van Genucten. Tras analzar las respuestas del modelo, resulta evdente la elevada sensbldad de la respuesta del msmo al valor de dcos parámetros y, por tanto, el uso de una estmacón adecuada de dcos valores resulta crucal en la modelacón en zona no saturada. Como lustran los resultados anterormente expuestos, la metodología se muestra válda para la obtencón de dcas estmacones. No obstante, y debdo al uso de un método de mnmzacón sn restrccones, pueden obtenerse valores sn sentdo (n físco n matemátco) para alguno de estos parámetros. Así, una posble respuesta frente a la calbracón de un grado de saturacón puede ser un valor mayor que la undad. Resulta pues necesaro, el uso de algortmos de mnmzacón con restrccones, así como el desarrollo de nuevas técncas de optmzacón a tal efecto. 1 st Jont World Congress on Groundwater 18
19 AGRADECIMIENTOS El trabajo del prmero de los autores fue fnancado por ENRESA. Asmsmo, ambos dejan constanca expresa de su grattud al Dr. Agustín Medna. REFERENCIAS [1] M. T. Van Genucten & D. R. Nelsen, On descrbng and predctng te ydraulc propertes of unsaturated sols, Ann. Geopys., 3, (1985). [] P. Broadbrdge & I. Wte, Constant rate ranfall nfltraton: a versatle nonlnear model. 1. Analytc soluton. Water resources researc, 4 (1), (1988). [3] W.J. Rawls & D.L. Brakensek, Estmaton of sol water retenton and ydraulc propertes, de Unsaturated Flow n Hydrologc Modellng. Teory and practce, Kluwer Academc Publsers, (1989). [4] G. Galarza, A. Medna & J. Carrera, Transn III. Fortran code for solvng te coupled non-lnear flow and transport nverse problem. User s gude, de El Berrocal Project. Topcal Reports, ENRESA, (1996). [5] G.F. Pnder & W.G. Gray, Fnte element smulaton n surface and subsurface ydrology. Academc Press, Inc. (1977) [6] G. Galarza, Calbracón automátca de parámetros en problemas no lneales de flujo y transporte. Tess Doctoral, ETSICCPB-UPC, (1993) [7] J. Bear, Dynamcs of fluds n porous meda, Dover Publcatons (197). [8] P.S. Huyakorn & G.F. Pnder, Computatonal metods n subsurface flow. Academc Press, Inc. (1983) [9] S. Fnsterle & J. Najta, Robust estmaton of ydrogeologc model parameters, Water Resources Researc, Vol. 34 (11), pp (1998). [10] A. Medna, Estmacón conjunta de parámetros de las ecuacones de flujo y transporte, Tess Doctoral, ETSICCPB-UPC, (1993) [11] J. Carrera & S.P. Neuman, El problema nverso de la drología subterranea. Estado del arte y método de solucón, Revsta nternaconal de métodos numércos para cálculo y dseño en ngenería, (1), 3-5 (1986). [1] J. Carrera & S.P. Neuman, Estmaton of aqufer parameters under Transent and Steady State Condtons, I. Maxmum Lkelood Metod Incorporatng Pror Informaton. Water Resources Researc, Vol., No., (1986) 11-7 [13] Marquardt, D. W. An algortm for least squares estmaton of nonlnear parameters. Journal of SIAM, Vol. 11,, (1963). 1 st Jont World Congress on Groundwater 19
20 [14] Alcolea, A. Método íbrdo entre Marquardt y Smulated Annealng para la resolucón del problema nverso. Aplcacón a Hdrología Subterránea. ETSICCPB-UPC, (1999) [15] van Laaroven, P. J. M. & Aarts, E. H. L., Smulated Annealng; Teory and Applcatons, Kluwer Academc Publsers, (1987). [16] Deutsc, C.V. Condtonng reservor models to well test nformaton, GeoenvI- Geostatstcs for envronmental Applcatons, Kluwer Academc Publsers, Vol, (1996), [17] Alcolea, A., Medna, A. & Carrera, J. A ybrd Marquardt-Smulated Annealng metod for solvng te groundwater nverse problem., publcado provsonalmente en Preproceedngs del Congreso Model-Care 99. Calbraton and relablty n groundwater modellng, Vol I, (1999), Aceptado para la versón fnal, en preparacón. [18] Renyuan, T. et al., Combned strategy of Improved Smulated Annealng and Genetc algortm for Inverse Problem, IEEE Transactons on Magnetcs, 3 (1), (199). [19] Alcolea, A., Medna, A. Estmacón de parámetros específcos asocados a funcones no lneales, Proceedngs del Congreso Internaconal de Métodos Numércos en Ingenería. Publcacón en CD-ROM. 1 st Jont World Congress on Groundwater 0
CURSO INTERNACIONAL: CONSTRUCCIÓN DE ESCENARIOS ECONÓMICOS Y ECONOMETRÍA AVANZADA. Instructor: Horacio Catalán Alonso
CURSO ITERACIOAL: COSTRUCCIÓ DE ESCEARIOS ECOÓMICOS ECOOMETRÍA AVAZADA Instructor: Horaco Catalán Alonso Modelo de Regresón Lneal Smple El modelo de regresón lneal representa un marco metodológco, que
Más detallesProblemas donde intervienen dos o más variables numéricas
Análss de Regresón y Correlacón Lneal Problemas donde ntervenen dos o más varables numércas Estudaremos el tpo de relacones que exsten entre ellas, y de que forma se asocan Ejemplos: La presón de una masa
Más detallesEL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA
EL MÉTODO DE DIFERENCIAS FINITAS POR GUILLERMO HERNÁNDEZ GARCÍA . El Método de Dferencas Fntas El Método consste en una aproxmacón de las dervadas parcales por expresones algebracas con los valores de
Más detallesCAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED
Modelo en red para la smulacón de procesos de agua en suelos agrícolas. CAPÍTULO IV: MODELOS MATEMÁTICOS Y MODELOS EN RED IV.1 Modelo matemátco 2-D Exsten dos posbldades, no ndependentes, de acuerdo con
Más detallesApéndice A: Metodología para la evaluación del modelo de pronóstico meteorológico
Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Apéndce A: Metodología para la evaluacón del modelo de pronóstco meteorológco Tabla de contendos Ap.A Apéndce A: Metodología
Más detallesIDENTIFICACIÓN Y MODELADO DE PLANTAS DE ENERGÍA SOLAR
IDENTIFICACIÓN Y MODELADO DE PLANTAS DE ENERGÍA SOLAR En esta práctca se llevará a cabo un estudo de modelado y smulacón tomando como base el ntercambador de calor que se ha analzado en el módulo de teoría.
Más detallesFacultad de Ciencias Básicas
Facultad de Cencas Báscas ANÁLISIS GRÁFICO DE DATOS EXPERIMENTALES OBJETIVO: Representar gráfcamente datos expermentales. Ajustar curvas a datos expermentales. Establecer un crtero para el análss de grafcas
Más detallesFE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Ximénez & San Martín, 2004)
FE DE ERRATAS Y AÑADIDOS AL LIBRO FUNDAMENTOS DE LAS TÉCNICAS MULTIVARIANTES (Xménez & San Martín, 004) Capítulo. Nocones báscas de álgebra de matrces Fe de erratas.. Cálculo de la transpuesta de una matrz
Más detallesReconciliación de datos experimentales. MI5022 Análisis y simulación de procesos mineralúgicos
Reconclacón de datos expermentales MI5022 Análss y smulacón de procesos mneralúgcos Balances Balances en una celda de flotacón En torno a una celda de flotacón (o un crcuto) se pueden escrbr los sguentes
Más detallesMedidas de Variabilidad
Meddas de Varabldad Una medda de varabldad es un ndcador del grado de dspersón de un conjunto de observacones de una varable, en torno a la meda o centro físco de la msma. S la dspersón es poca, entonces
Más detallesMª Dolores del Campo Maldonado. Tel: :
Mª Dolores del Campo Maldonado Tel: : 918 074 714 e-mal: ddelcampo@cem.mtyc.es Documentacón de referenca nternaconalmente aceptada ISO/IEC GUIDE 98-3:008 Uncertanty of measurement Part 3: Gude to the n
Más detallesFigura 1
5 Regresón Lneal Smple 5. Introduccón 90 En muchos problemas centífcos nteresa hallar la relacón entre una varable (Y), llamada varable de respuesta, ó varable de salda, ó varable dependente y un conjunto
Más detallesPoblación 1. Población 1. Población 2. Población 2. Población 1. Población 1. Población 2. Población 2. Frecuencia. Frecuencia
MAT-3 Estadístca I Tema : Meddas de Dspersón Facltador: Félx Rondón, MS Insttuto Especalzado de Estudos Superores Loyola Introduccón Las meddas de tendenca central son ndcadores estadístcos que resumen
Más detallesCÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA
CÁLCULO DE INCERTIDUMBRE EN MEDIDAS FÍSICAS: MEDIDA DE UNA MASA Alca Maroto, Rcard Boqué, Jord Ru, F. Xaver Rus Departamento de Químca Analítca y Químca Orgánca Unverstat Rovra Vrgl. Pl. Imperal Tàrraco,
Más detallesCapítulo 11. Movimiento de Rodamiento y Momentum Angular
Capítulo 11 Movmento de Rodamento y Momentum Angular 1 Contendos: Movmento de rodamento de un cuerpo rígdo. Momentum Angular de una partícula. Momentum Angular de un sstema de partículas. Momentum Angular
Más detallesPROCESOS DE SEPARACION UTILIZANDO EQUIPOS DE ETAPAS DE EQUILIBRIO
PROCESOS DE SEPARACION UTILIZANDO EQUIPOS DE ETAPAS DE EQUILIBRIO Concepto de equlbro físco Sstema Fase Componente Solubldad Transferenca Equlbro Composcón 2 Varables de mportanca en el equlbro de fases:
Más detallesCapítulo 11. Movimiento de Rodamiento y Momentum Angular
Capítulo 11 Movmento de Rodamento y Momentum Angular 1 Contendos: Movmento de rodamento de un cuerpo rígdo. Momentum Angular de una partícula. Momentum Angular de un sstema de partículas. Momentum Angular
Más detallesDpto. Física y Mecánica
Dpto. Físca y Mecánca Mecánca analítca Introduccón Notacón Desplazamento y fuerza vrtual Fuerza de lgadura Trabao vrtual Energía cnétca. Ecuacones de Lagrange Prncpode los trabaos vrtuales Prncpo de D
Más detallesEconometría de corte transversal. Pablo Lavado Centro de Investigación de la Universidad del Pacífico
Econometría de corte transversal Pablo Lavado Centro de Investgacón de la Unversdad del Pacífco Contendo Defncones báscas El contendo mínmo del curso Bblografía recomendada Aprendendo econometría Defncones
Más detallesModelos triangular y parabólico
Modelos trangular y parabólco ClassPad 0 Prof. Jean-Perre Marcallou INTRODUCCIÓN La calculadora CASIO ClassPad 0 dspone de la Aplcacón Prncpal para realzar los cálculos correspondentes a los modelos trangular
Más detalles2. EL TENSOR DE TENSIONES. Supongamos un cuerpo sometido a fuerzas externas en equilibrio y un punto P en su interior.
. EL TENSOR DE TENSIONES Como se explcó prevamente, el estado tensonal en un punto nteror de un cuerpo queda defndo por 9 componentes, correspondentes a componentes por cada una de las tensones nternas
Más detallesIntroducción a Vacío
Introduccón a Vacío Sstema de vacío Partes generales de un sstema de vacío: Fgura 1: Sstema de vacío con bomba mecánca y dfusora Fgura 2: Prncpo de funconamento de la bomba mecánca La Fg. 2 muestra el
Más detallesIES Menéndez Tolosa (La Línea) Física y Química - 1º Bach - Gráficas
IES Menéndez Tolosa (La Línea) Físca y Químca - 1º Bach - Gráfcas 1 Indca qué tpo de relacón exste entre las magntudes representadas en la sguente gráfca: La gráfca es una línea recta que no pasa por el
Más detallesIntroducción a la Física. Medidas y Errores
Departamento de Físca Unversdad de Jaén Introduccón a la Físca Meddas y Errores J.A.Moleón 1 1- Introduccón La Físca y otras cencas persguen la descrpcón cualtatva y cuanttatva de los fenómenos que ocurren
Más detallesDISTRIBUCIONES BIDIMENSIONALES
Matemátcas 1º CT 1 DISTRIBUCIONES BIDIMENSIONALES PROBLEMAS RESUELTOS 1. a) Asoca las rectas de regresón: y = +16, y = 1 e y = 0,5 + 5 a las nubes de puntos sguentes: b) Asgna los coefcentes de correlacón
Más detallesSEGUNDA PARTE RENTAS FINANCIERAS
SEGUNDA PARTE RENTAS FINANCIERAS 5 INTRODUCCIÓN A LA TEORÍA DE RENTAS 5.1 CONCEPTO: Renta fnancera: conjunto de captales fnanceros cuyos vencmentos regulares están dstrbudos sucesvamente a lo largo de
Más detallesReconocimiento de Locutor basado en Procesamiento de Voz. ProDiVoz Reconocimiento de Locutor 1
Reconocmento de Locutor basado en Procesamento de Voz ProDVoz Reconocmento de Locutor Introduccón Reconocmento de locutor: Proceso de extraccón automátca de nformacón relatva a la dentdad de la persona
Más detallesCyRCE: Un modelo de Riesgo de Crédito para Mercados Emergentes.
CyRCE: Un modelo de Resgo de Crédto para Mercados Emergentes. Javer Márquez Dez-Canedo. DICIEMBRE 2004 Índce I. Introduccó cón II. CyRCE 1. El Modelo General 2. Segmentacón del Portafolo 3. Índce de Concentracón
Más detallesREGRESION LINEAL SIMPLE
REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una mustra de observacones formadas por pares de varables: (x 1, y 1 ) (x, y ).. (x n, y n ) A través de esta muestra, se desea estudar la relacón exstente
Más detallesVectores VECTORES 1.- Magnitudes Escalares y Magnitudes Vectoriales. Las Magnitudes Escalares: Las Magnitudes Vectoriales:
VECTOES 1.- Magntudes Escalares y Magntudes Vectorales. Las Magntudes Escalares: son aquellas que quedan defndas úncamente por su valor numérco (escalar) y su undad correspondente, Eemplo de magntudes
Más detallesTema 4: Variables aleatorias
Estadístca 46 Tema 4: Varables aleatoras El concepto de varable aleatora surge de la necesdad de hacer más manejables matemátcamente los resultados de los expermentos aleatoros, que en muchos casos son
Más detallesCapítulo Estimación del modelo de Nelson y Siegel Introducción Estimación del modelo de Nelson y Siegel
Capítulo 4... 91 Estmacón del modelo de Nelson y Segel... 91 4.1. Introduccón... 91 4.2. Estmacón del modelo de Nelson y Segel... 92 4.2.1. Tratamento prevo a la estmacón... 92 4.2.2. Defncón del crtero
Más detallesCapitalización y descuento simple
Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los
Más detallesResolución Numérica de Problemas de Transmisión de Calor. Método de las diferencias finitas.
Resolucón Numérca de Problemas de ransmsón de Calor. Método de las dferencas fntas.. Dvsón del espaco consderado en una sere de elementos cuas propedades venen representadas por un punto central (nodo)..
Más detallesRelaciones entre variables
Relacones entre varables Las técncas de regresón permten hacer predccones sobre los valores de certa varable Y (dependente), a partr de los de otra (ndependente), entre las que se ntuye que exste una relacón.
Más detallesPronósticos. Humberto R. Álvarez A., Ph. D.
Pronóstcos Humberto R. Álvarez A., Ph. D. Predccón, Pronóstco y Prospectva Predccón: estmacón de un acontecmento futuro que se basa en consderacones subjetvas, en la habldad, experenca y buen juco de las
Más detallesUniversidad de Pamplona Facultad de Ciencias Básicas Física para ciencias de la vida y la salud
Unversdad de Pamplona Facultad de Cencas Báscas Físca para cencas de la vda y la salud AÁLISIS GRÁFICO DE DATOS EXPERIMETALES OBJETIVO: Representar gráfcamente datos expermentales. Ajustar curvas a datos
Más detalles1º. a) Deducir la expresión de la fórmula de derivación numérica de tipo x,x,x,x,.
º. a Deducr la expresón de la fórmula de dervacón numérca de tpo x,x,x,x,. nterpolatoro que permte aproxmar f (x* con el soporte { } 3 x 4 b Demostrar que en el caso de que el soporte sea de la forma:
Más detallesGERENCIA DE OPERACIONES Y PRODUCCIÓN DISEÑO DE NUEVOS PRODUCTOS Y SERVICIOS ESTRATEGIAS DE OPERACIONES
GERENCIA DE OPERACIONES Y PRODUCCIÓN DISEÑO DE NUEVOS PRODUCTOS Y SERVICIOS ESTRATEGIAS DE OPERACIONES PRONÓSTICOS PREDICCIÓN, PRONÓSTICO Y PROSPECTIVA Predccón: estmacón de un acontecmento futuro que
Más detallesREGRESION LINEAL SIMPLE
REGREION LINEAL IMPLE Jorge Galbat Resco e dspone de una muestra de observacones formadas por pares de varables: (x 1, y 1 ), (x, y ),.., (x n, y n ) A través de esta muestra, se desea estudar la relacón
Más detalles315 M/R Versión 1 Integral 1/ /1 UNIVERSIDAD NACIONAL ABIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA
35 M/R Versón Integral / 28/ UNIVERSIDAD NACIONAL AIERTA VICERRECTORADO ACADÉMICO ÁREA INGENIERÍA MODELO DE RESPUESTA ASIGNATURA: Investgacón de Operacones I CÓDIGO: 35 MOMENTO: Prueba Integral FECHA DE
Más detallesPROYECTO DE TEORIA DE MECANISMOS. Análisis cinemático y dinámico de un mecanismo plano articulado con un grado de libertad.
Nombre: Mecansmo: PROYECTO DE TEORIA DE MECANISMOS. Análss cnemátco y dnámco de un mecansmo plano artculado con un grado de lbertad. 10. Análss dnámco del mecansmo medante el método de las tensones en
Más detallesMétodos cuantitativos de análisis gráfico
Métodos cuanttatvos de análss gráfco Método de cuadrados mínmos Regresón lneal Hemos enfatzado sobre la mportanca de las representacones gráfcas hemos vsto la utldad de las versones lnealzadas de los gráfcos
Más detallesFUNDAMENTOS QUIMICOS DE LA INGENIERIA
FUNDAMENTOS QUIMICOS DE LA INGENIERIA (BLOQUE DE INGENIERIA QUIMICA) GUION DE PRACTICAS DE LABORATORIO ANTONIO DURÁN SEGOVIA JOSÉ MARÍA MONTEAGUDO MARTÍNEZ INDICE PRACTICA PAGINA BALANCE MACROSCÓPICO DE
Más detallesSimulación y Optimización de Procesos Químicos. Titulación: Ingeniería Química. 5º Curso Optimización.
Smulacón y Optmzacón de Procesos Químcos Ttulacón: Ingenería Químca. 5º Curso Optmzacón. Programacón Cuadrátca Métodos de Penalzacón Programacón Cuadrátca Sucesva Gradente Reducdo Octubre de 009. Programacón
Más detalles5. PROGRAMAS BASADOS EN RELACIONES DE RECURRENCIA.
Programacón en Pascal 5. PROGRAMAS BASADOS EN RELACIONES DE RECURRENCIA. Exsten numerosas stuacones que pueden representarse medante relacones de recurrenca; entre ellas menconamos las secuencas y las
Más detallesINTRODUCCIÓN. Técnicas estadísticas
Tema : Estadístca Descrptva Undmensonal ITRODUCCIÓ Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. (Ejemplo: lómetros recorrdos en un ntervalo de tempo a una velocdad
Más detallesDepartamento de Señales, Sistemas y Radicomunicaciones Comunicaciones Digitales, junio 2011
Departamento de Señales, Sstemas y Radcomuncacones Comuncacones Dgtales, juno 011 Responder los problemas en hojas ndependentes. No se permte el uso de calculadora. Problema 1 6 p.) En este ejercco se
Más detalles3. VARIABLES ALEATORIAS.
3. VARIABLES ALEATORIAS. Una varable aleatora es una varable que toma valores numércos determnados por el resultado de un epermento aleatoro (no hay que confundr la varable aleatora con sus posbles valores)
Más detalles5 Centrales Hidráulicas
Curso SmSEE IIE 2012 Cap. 5 pág 1/6 5 Centrales Hdráulcas 5.1 Centrales Hdráulcas con Embalse En el caso de centrales con embalses, tendremos que agregar restrccones adconales para mponer los límtes de
Más detallesINSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA
INSTITUTO DE FÍSICA FACULTAD DE INGENIERÍA LABORATORIO 1-008 PRACTICA 4: LEYES DE LOS GASES 1. OBJETIVOS ) Comprobacón expermental de las leyes de los gases. En este caso nos vamos a concentrar en el estudo
Más detallesCapitalización y descuento simple
Undad 2 Captalzacón y descuento smple 2.1. Captalzacón smple o nterés smple 2.1.1. Magntudes dervadas 2.2. Intereses antcpados 2.3. Cálculo de los ntereses smples. Métodos abrevados 2.3.1. Método de los
Más detallesRobótica Tema 4. Modelo Cinemático Directo
UNIVERSIDAD POLITÉCNICA DE MADRID E.U.I.T. Industral ASIGNATURA: Robótca TEMA: Modelo Cnemátco Ttulacón: Grado en Ingenería Electrónca y Automátca Área: Ingenería de Sstemas y Automátca Departamento de
Más detallesProblemas de Optimización. Conceptos básicos de optimización. Indice. Un problema de optimización NLP. Equivalencias. Contornos / Curvas de nivel
Conceptos báscos de optmzacón Problemas de Optmzacón Prof. Cesar de Prada Dpt. Ingenería de Sstemas y Automátca UVA prada@autom.uva.es mn J() h() = g() Problema general NPL Para encontrar una solucón al
Más detallesEVALUACIÓN DEL COMPORTAMIENTO DE LOS ESTIMADORES DE LOS PARÁMETROS DE UN MODELO NO LINEAL MIXTO. UNA COMPARACIÓN DE MÉTODOS DE ESTIMACIÓN
Chapella, Lucana Garca, María del Carmen Rapell, Cecla Castellana, Noela Koegel, Llana Insttuto de Investgacones Teórcas y Aplcadas, de la Escuela de Estadístca EVALUACIÓN DEL COMPORTAMIENTO DE LOS ESTIMADORES
Más detallesRELACIÓN DE PROBLEMAS DE CLASE DE MODELADO DE DECISIÓN MULTICRITERIO PROBLEMA 1: FÁBRICA DE COMPONENTES ELECTRÓNICOS (FACTORY OF
RELACIÓN DE PROBLEMAS DE CLASE DE MODELADO DE DECISIÓN MULTICRITERIO PROBLEMA 1: FÁBRICA DE COMPONENTES ELECTRÓNICOS (FACTOR OF ELECTRONIC PARTS) Una empresa fabrca tres tpos de componentes electróncos,
Más detallesTema 1: Estadística Descriptiva Unidimensional
Fenómeno determnsta: al repetrlo en déntcas condcones se obtene el msmo resultado. Fenómeno aleatoro: no es posble predecr el resultado. La estadístca se ocupa de aquellos fenómenos no determnstas donde
Más detallesTERMODINÁMICA AVANZADA
TERMODINÁMICA AVANZADA Undad III: Termodnámca del Equlbro Ecuacones para el coefcente de actvdad Funcones de eceso para mezclas multcomponentes 9/7/0 Rafael Gamero Funcones de eceso en mezclas bnaras Epansón
Más detallesSimposio de Metrología 25 al 27 de Octubre de 2006
Smposo de Metrología 25 al 27 de Octubre de 2006 ESTIMACIÓN DE INCERTIDUMBRE EN LA MEDICIÓN DE ABSORCIÓN DE HUMEDAD EN AISLAMIENTOS Y CUBIERTAS PROTECTORAS DE CONDUCTORES ELÉCTRICOS POR EL MÉTODO ELÉCTRICO
Más detallesOperadores por Regiones
Operadores por Regones Fltros por Regones Los fltros por regones ntentan determnar el cambo de valor de un píxel consderando los valores de sus vecnos I[-1,-1] I[-1] I[+1,-1] I[-1, I[ I[+1, I[-1,+1] I[+1]
Más detallesESTADÍSTICA BIDIMENSIONAL ÍNDICE GENERAL
ESTADÍSTICA BIDIMESIOAL ÍDICE GEERAL 1.-Varable Estadístca Bdmensonal. Tablas de frecuenca... 1.1.- Concepto de varable estadístca bdmensonal. Eemplos.... 1..-Tablas bdmensonales de frecuencas. Tablas
Más detallesEJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. x x0 y y0. Deducir la fórmula para el polinomio de Lagrange de grado a lo más uno que Interpola la tabla.
EJERCICIOS SOBRE INTERPOLACIÓN POLINOMIAL. Consdere la sguente tabla, donde 0 : 0 y y0 y Deducr la fórmula para el polnomo de Lagrange de grado a lo más uno que Interpola la tabla.. Consdere la sguente
Más detallesMUESTREO EN POBLACIONES FINITAS
MUESTREO EN POBLACIONES FINITAS Antono Morllas A.Morllas: Muestreo 1 MUESTREO EN POBLACIONES FINITAS 1. Conceptos estadístcos báscos. Etapas en el muestreo 3. Tpos de error 4. Métodos de muestreo 5. Tamaño
Más detallesObjetivo del tema. Esquema del tema. Economía Industrial. Tema 2. La demanda de la industria
Economía Industral Tema. La demanda de la ndustra Objetvo del tema Entender el modelo económco de comportamento del consumdor, fnalmente resumdo en la funcón de demanda. Comprender el carácter abstracto
Más detallesEL ANÁLISIS DE LA VARIANZA (ANOVA) 2. Estimación de componentes de varianza
EL ANÁLSS DE LA VARANZA (ANOVA). Estmacón de componentes de varanza Alca Maroto, Rcard Boqué Grupo de Qumometría y Cualmetría Unverstat Rovra Vrgl C/ Marcel.lí Domngo, s/n (Campus Sescelades) 43007-Tarragona
Más detallesAnálisis de Weibull. StatFolio de Muestra: Weibull analysis.sgp
Análss de Webull Resumen El procedmento del Análss de Webull está dseñado para ajustar una dstrbucón de Webull a un conjunto de n observacones. Es comúnmente usado para analzar datos representando tempos
Más detallesTRABAJO Y ENERGÍA INTRODUCCIÓN. requiere como varia la fuerza durante el movimiento. entre los conceptos de fuerza y energía mecánica.
TRABAJO Y ENERGÍA INTRODUCCIÓN La aplcacón de las leyes de Newton a problemas en que ntervenen fuerzas varables requere de nuevas herramentas de análss. Estas herramentas conssten en los conceptos de trabajo
Más detallesINFLUENCIA DEL FLUJO DE HIDRÓGENO EN LA INCERTIDUMBRE DEL SISTEMA DE REFERENCIA PARA MEDICIÓN DE ph
INFLUENCIA DEL FLUJO DE HIDRÓGENO EN LA INCERTIDUMBRE DEL SISTEMA DE REFERENCIA PARA MEDICIÓN DE ph Torres, M 1, y Godnez, L.A. 1 Centro Naconal de Metrología km 4,5 Carr A Los Cues, CP. 7641. Mpo. El
Más detallesH 0 : La distribución poblacional es uniforme H 1 : La distribución poblacional no es uniforme
Una hpótess estadístca es una afrmacón con respecto a una característca que se desconoce de una poblacón de nterés. En la seccón anteror tratamos los casos dscretos, es decr, en forma exclusva el valor
Más detallesESTADÍSTICA (GRUPO 12)
ESTADÍSTICA (GRUPO 12) CAPÍTULO II.- ANÁLISIS DE UNA CARACTERÍSTICA (DISTRIBUCIONES UNIDIMENSIONALES) TEMA 7.- MEDIDAS DE CONCENTRACIÓN. DIPLOMATURA EN CIENCIAS EMPRESARIALES UNIVERSIDAD DE SEVILLA 1.
Más detallesTÍTULO I Aspectos Generales TÍTULO II Alcance TÍTULO III Metodología de Cálculo de FECF... 3
PROCEDIMIENTO DO DESEMPEÑO DEL CONTROL DE FRECUENCIA EN EL SIC DIRECCIÓN DE OPERACIÓN ÍNDICE TÍTULO I Aspectos Generales... 3 TÍTULO II Alcance... 3 TÍTULO III Metodología de Cálculo de FECF... 3 TÍTULO
Más detallesMETODOS NUMERICOS CATEDRA 0 6. Ingeniería Civil ING.CRISTIANCASTROP. Facultad de Ingeniería de Minas, Geología y Civil
CATEDRA 0 6 Facultad de Ingenería de Mnas, Geología Cvl Departamento académco de ngenería de mnas cvl METODOS NUMERICOS Ingenería Cvl ING.CRISTIANCASTROP. Captulo VI Sstema de Ecuacones Algebracas No Lneales
Más detallesMEMORIA TÉCNICA. Dinámica del agua en el suelo a través del contenido de humedad edáfica H Paoli y J Diez
MEMORIA TÉCNICA Dnámca del agua en el suelo a través del contendo de humedad edáfca H Paol y J Dez Análss estadístco: Lc. Ruben Cardoso 1. INTRODUCCIÓN El suelo es el recpente de donde las plantas extraen
Más detalles( ) MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas ) y Y. N n. S y. MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO ( mas )
MUETREO ALEATORIO IMPLE I Este esquema de muestreo es el más usado cuando se tene un marco de muestreo que especfque la manera de dentfcar cada undad en la poblacón. Además no se tene conocmento a pror
Más detalles3.- Programación por metas.
Programacón Matemátca para Economstas 1 3.- Programacón por metas. Una vez menconados algunos de los nconvenentes de las técncas generadoras, la ncorporacón de nformacón se va a traducr en una accón del
Más detallesFugacidad. Mezcla de gases ideales
Termodnámca del equlbro Fugacdad. Mezcla de gases deales rofesor: Alí Gabrel Lara 1. Fugacdad 1.1. Fugacdad para gases Antes de abarcar el caso de mezclas de gases, debemos conocer como podemos relaconar
Más detallesUNIVERSIDAD TECNOLOGICA NACIONAL - FACULTAD REGIONAL ROSARIO Departamento de Ingeniería Química. Cátedra: Integración IV
UNIVERSIDAD TECNOOGICA NACIONA - ACUTAD REGIONA ROSARIO Departamento de Ingenería Químca Cátedra: Integracón IV Tema: Smulacón de Evaporadores lash Alumnos: Damán Match, Marcos Boss y Juan M. Pgnan Profesores:
Más detallesCARTAS DE CONTROL. Han sido difundidas exitosamente en varios países dentro de una amplia variedad de situaciones para el control del proceso.
CARTAS DE CONTROL Las cartas de control son la herramenta más poderosa para analzar la varacón en la mayoría de los procesos. Han sdo dfunddas extosamente en varos países dentro de una ampla varedad de
Más detallesFacultad de Química. UNAM Alejandro Baeza
Facultad de Químca. UNM lejandro Baeza.006 Químca nalítca Instrumental I nálss de mezclas por espectrofotometría. Documento de apoyo. Dr. lejandro Baeza. Semestre 007-I.0 Selectvdad espectral en espectrofotometría
Más detallesDESEMPEÑO DEL CONTROL DE FRECUENCIA PROCEDIMIENTO DO
Clascacón: Emtdo para Observacones de los Coordnados Versón: 1.0 DESEMPEÑO DEL CONTROL DE FRECUENCIA PROCEDIMIENTO DO Autor Dreccón de Operacón Fecha Creacón 06-04-2010 Últma Impresón 06-04-2010 Correlatvo
Más detallesSmoothed Particle Hydrodynamics Animación Avanzada
Smoothed Partcle Hydrodynamcs Anmacón Avanzada Iván Alduán Íñguez 03 de Abrl de 2014 Índce Métodos sn malla Smoothed partcle hydrodynamcs Aplcacón del método en fludos Búsqueda de vecnos Métodos sn malla
Más detallesMATEMÁTICAS para estudiantes de primer curso de facultades y escuelas técnicas
Unversdad de Cádz Departamento de Matemátcas MATEMÁTICAS para estudantes de prmer curso de facultades y escuelas técncas Tema 13 Dstrbucones bdmensonales. Regresón y correlacón lneal Elaborado por la Profesora
Más detalles7º CONGRESO IBEROAMERICANO DE INGENIERIA MECANICA 7º CONGRESSO IBEROAMERICANO DE ENGENHARIA MECANICA México D.F., 12 al 14 de Octubre de 2005
7º CONGRESO IBEROAMERICANO DE INGENIERIA MECANICA 7º CONGRESSO IBEROAMERICANO DE ENGENHARIA MECANICA Méxco D.F., 1 al 14 de Octubre de 005 ANÁLISIS DINÁMICO DE UN EQUIPO DE ENSAYO DE AMORTIGUADORES Zabalza
Más detalles10. VIBRACIONES EN SISTEMAS CON N GRADOS DE LIBERTAD
10. VIBRACIONES EN SISEMAS CON N GRADOS DE LIBERAD 10.1. Matrces de rgdez, nerca y amortguamento Se puede demostrar que las ecuacones lneales del movmento de un sstema dscreto de N grados de lbertad sometdo
Más detallesProblema: Existe relación entre el estado nutricional y el rendimiento académico de estudiantes de enseñanza básica?
Relacones entre varables cualtatvas Problema: xste relacón entre el estado nutrconal y el rendmento académco de estudantes de enseñanza básca? stado Nutrconal Malo Regular Bueno TOTAL Bajo 13 95 3 55 Rendmento
Más detallesENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 2011 INSTITUTO NACIONAL DE ESTADÍSTICAS
METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE POR CARRETERA AÑO CONTABLE 0 INSTITUTO NACIONAL DE ESTADÍSTICAS 03 ÍNDICE I. METODOLOGÍA ENCUESTA ESTRUCTURAL DE TRANSPORTE INTERURBANO DE PASAJEROS POR CARRETERA.
Más detallesPara dos variables x1 y x2, se tiene el espacio B 2 el que puede considerarse definido por: {0, 1}X{0, 1} = {(00), (01), (10), (11)}
Capítulo 4 1 N-cubos 4.1. Representacón de una funcón booleana en el espaco B n. Los n-cubos representan a las funcones booleanas, en espacos n-dmensonales dscretos, como un subconjunto de los vértces
Más detalles3 LEYES DE DESPLAZAMIENTO
eyes de desplazamento EYES DE DESPAZAMIENTO En el capítulo dos se expone el método de obtencón de las leyes de desplazamento dseñadas por curvas de Bézer para mecansmos leva palpador según el planteamento
Más detalles1 EY ( ) o de E( Y u ) que hace que g E ( Y ) sea lineal. Por ejemplo,
Modelos lneales generalzados En los modelos no lneales (tanto en su formulacón con coefcentes fjos o coefcentes aleatoros) que hemos vsto hasta ahora, exsten algunos que se denomnan lnealzables : son modelos
Más detallesEJERCICIO 1 1. VERDADERO 2. VERDADERO (Esta afirmación no es cierta en el caso del modelo general). 3. En el modelo lineal general
PRÁCTICA 6: MODELO DE REGRESIÓN MÚLTIPLE SOLUCIÓN EJERCICIO. VERDADERO. VERDADERO (Esta afrmacón no es certa en el caso del modelo general. 3. En el modelo lneal general Y =X β + ε, explcar la forma que
Más detallesTRABAJO 1: Variables Estadísticas Unidimensionales (Tema 1).
TRABAJO 1: Varables Estadístcas Undmensonales (Tema 1). Técncas Cuanttatvas I. Curso 2016/2017. APELLIDOS: NOMBRE: GRADO: GRUPO: DNI (o NIE): A: B: C: D: En los enuncados de los ejerccos que sguen aparecen
Más detalles16.21 Técnicas de diseño y análisis estructural. Primavera 2003 Unidad 8 Principio de desplazamientos virtuales
16.21 Técncas de dseño y análss estructural Prmavera 2003 Undad 8 Prncpo de desplazamentos vrtuales Prncpo de desplazamentos vrtuales Tengamos en cuenta un cuerpo en equlbro. Sabemos que el campo de esfuerzo
Más detallesConvertidores Digital-Analógico y Analógico-Digital
Convertdores Dgtal-Analógco y Analógco-Dgtal Conversón Dgtal-Analógca y Analógca-Dgtal Con estos crcutos se trata de consegur una relacón bunívoca entre una señal analógca y una dgtal o vceversa. Las magntudes
Más detallesUNIVERSIDAD CARLOS III DE MADRID Ingeniería Informática Examen de Investigación Operativa 21 de enero de 2009
UNIVERSIDAD CARLOS III DE MADRID Ingenería Informátca Examen de Investgacón Operatva 2 de enero de 2009 PROBLEMA. (3 puntos) En Murca, junto al río Segura, exsten tres plantas ndustrales: P, P2 y P3. Todas
Más detallesA. Una pregunta muy particular que se puede hacer a una distribución de datos es de qué magnitud es es la heterogeneidad que se observa.
MEDIDA DE DIPERIÓ A. Una pregunta muy partcular que se puede hacer a una dstrbucón de datos es de qué magntud es es la heterogenedad que se observa. FICHA º 18 Las meddas de dspersón generalmente acompañan
Más detallesTema 1.3_A La media y la desviación estándar
Curso 0-03 Grado en Físca Herramentas Computaconales Tema.3_A La meda y la desvacón estándar Dónde estudar el tema.3_a: Capítulo 4. J.R. Taylor, Error Analyss. Unv. cence Books, ausalto, Calforna 997.
Más detallesMedidas de centralización
1 Meddas de centralzacón Meda Datos no agrupados = x X = n = 0 Datos agrupados = x X = n = 0 Medana Ordenamos la varable de menor a mayor. Calculamos la columna de la frecuenca relatva acumulada F. Buscamos
Más detallesResumen TEMA 1: Teoremas fundamentales de la dinámica y ecuaciones de Lagrange
TEMA : Teoremas fundamentales de la dnámca y ecuacones de Lagrange Mecánca 2 Resumen TEMA : Teoremas fundamentales de la dnámca y ecuacones de Lagrange. Prncpos de dnámca clásca.. Leyes de ewton a) Ley
Más detallesTema 6. Estadística descriptiva bivariable con variables numéricas
Clase 6 Tema 6. Estadístca descrptva bvarable con varables numércas Estadístca bvarable: tpos de relacón Relacón entre varables cuanttatvas Para dentfcar las característcas de una relacón entre dos varables
Más detallesIntroducción. Escuela Técnica Superior de Ingeniería Informática. Universidad de La Laguna. Fernando Pérez Nava
Reconocmento de Patrones Introduccón Tema : Reconocmento Estadístco de Patrones Por qué una aproxmacón estadístca en el RP? La utlzacón de característcas para representar una entdad provoca una pérdda
Más detalles