UNIDAD I.

FUNDAMENTOS DE LA MODELIZACIN

1. INTRODUCCIN A LOS MODELOS

El modelado matemtico es una herramienta imprescindible en el estudio de la contaminacin
atmosfrica, al igual que en otras disciplinas, para entender los procesos implicados. En el
caso de la contaminacin atmosfrica, el marco en el que se desarrollan los fenmenos es la
atmsfera, la cual no es controlable, ni reproducible completamente en laboratorio. Aqu
mostramos algunas nociones introductorias y conceptos fundamentales de la modelizacin de
la contaminacin atmosfrica.
2. FUNDAMENTOS DE LA MODELIZACIN
En cualquier rama de la ciencia, el entendimiento de un fenmeno observado en la naturaleza
implica la formulacin de un conjunto de hiptesis, leyes y teoras, lo que a su vez lleva al
planteamiento de una serie de ecuaciones con las cuales se pueda simular matemticamente
el fenmeno observado. Una reproduccin matemtica muy precisa del fenmeno observado a
travs de la resolucin de las ecuaciones planteadas supone la garanta de que ese fenmeno
est siendo entendido.
El proceso de reproducir matemticamente un fenmeno observado se realiza mediante los
modelos matemticos, los cuales son un conjunto de soluciones de las ecuaciones o de
algoritmos deducidos del conjunto de leyes que rigen un fenmeno. El modelado matemtico
es una herramienta imprescindible en el estudio de la contaminacin atmosfrica, al igual que
en otras disciplinas, para entender los procesos implicados.
Los modelos de dispersin de contamianntes atmosfricos tratan de resolver una ecuacin
llamada ecuacin de adveccin-difusion que viene a decir que la evolucin de la concetracin
de un contaminante en un lugar va a depender de:
1. Dnde y con qu intensidad se est emitiendo el contaminante. Esta informacin se
obtiene en casos simples por medidas directas, pero en la mayora de las
circunstancias es preciso utilizar modelos de emisiones.
2. El campo de vientos como responsable del transporte de contaminantes y otras
variables meteorlogicas que nos informen del estado turbulento de la atmsfera y
cmo va a afectar a la dispersin de contaminantes. Los modelos meteorolgicos,
tanto predictivos como de diagnstico, son los que estiman esos campos.

3. Con qu eficiencia el contaminante se deposita en la superficie terrestre, lo que se

aborda con mdulos especficos y parametrizaciones, junto con una buena base de
datos de tipos y usos de suelo.
4. Cmo reacciona con otros compuestos. Los modelos qumicos son los que incorporan
las ecuaciones qumicas representativas de las reacciones implicadas.
Los modelos de dispersin de contaminantes atmosfricos operan con unos datos de entrada
relativos a la emisin de contaminantes, topografa, meteorologa y contaminacin inicial del
emplazamiento. Como resultado, calculan la distribucin de los contaminantes y su evolucin.
Por tanto, hacen una estimacin y una prediccin de la calidad del aire de la zona.
3. Definicin de un modelo
Esquema terico, generalmente en forma matemtica, de un sistema o de una realidad
compleja, como la evolucin econmica de un pas, que se elabora para facilitar su
comprensin y el estudio de su comportamiento.
3.1.

Modelo matemtico

En ciencias aplicadas un Modelo matemtico es uno de los tipos de modelos cientficos, que
emplea algn tipo de formulismo matemtico para expresar relaciones, proposiciones
sustantivas de hechos, variables, parmetros, entidades y relaciones entre variables y/o
entidades u operaciones, para estudiar comportamientos de sistemas complejos ante
situaciones difciles de observar en la realidad.
El significado de Modelo matemtico en matemticas, sin embargo, es algo diferente. En
concreto en matemticas se trabajan con modelos formales. Un modelo formal para una cierta
teora matemtica es un conjunto sobre el que se han definido un conjunto de relaciones
unarias, binarias y trinarias, que satisface las proposiciones derivadas del conjunto de
axiomas de la teora. La rama de la matemtica que se encarga de estudiar sistemticamente
las propiedades de los modelos es la teora de modelos.
Entonces, la modelizacin matemtica de cualquier proceso de ingeniera ambiental se
compone, como mnimo, de los siguientes cuatro pasos:

El estudio de algn procesos fsicos, qumicos o biolgicos

Desarrollo de una expresin matemtica para el sistema

Simple

Compleja

La resolucin analtica de la(s) ecuacione(s)

Revisar y observar si la solucin al <<Modelo>> cumple con los datos previamente

conocidos.

3.2.

Definicin de sistema

Es un conjunto de elementos relacionados entre si, de forma tal que un cambio afecta al
conjunto de todos ellos.
3.3.

Clasificaciones de Modelos

Los modelos matemticos pueden clasificarse de la siguiente manera:

Determinista. Se conoce de manera puntual la forma del resultado ya que no hay

incertidumbre. Adems, los datos utilizados para alimentar el modelo son
completamente conocidos y determinados.

Estocstico. Probabilstico, que no se conoce el resultado esperado, sino su

probabilidad y existe por tanto incertidumbre.

Adems con respecto a la funcin del origen de la informacin utilizada para construirlos los
modelos pueden clasificarse de otras formas. Podemos distinguir entre modelos heursticos y
modelos empricos:

Modelos heursticos (del griego euriskein 'hallar, inventar'). Son los que estn
basados en las explicaciones sobre las causas o mecanismos naturales que dan lugar al
fenmeno estudiado.

Modelos empricos (del griego empricos relativo a la 'experiencia'). Son los que
utilizan las observaciones directas o los resultados de experimentos del fenmeno
estudiado.

Adems los modelos matemticos encuentran distintas denominaciones en sus diversas

aplicaciones. A continuacin veremos algunos tipos en los que se puede adecuar algn modelo
matemtico de inters. Segn su campo de aplicacin los modelos:

Modelos conceptuales. Son los que reproducen mediante frmulas y algoritmos

matemticos ms o menos complejos los procesos fsicos que se producen en la
naturaleza

Modelo matemtico de optimizacin. Los modelos matemticos de optimizacin

son ampliamente utilizados en diversas ramas de la ingeniera para resolver
problemas que por su naturaleza son indeterminados, es decir presentan ms de una
solucin posible.

4. NOCIONES FUNDAMENTALES DE MODELACIN MATEMTICA

4.1.

La modelacin como mtodo cognoscitivo

La teora del conocimiento, gnoseologa, es una rama de la filosofa en la que se estudian la

naturaleza de la cognicin, sus posibilidades y la relacin entre el conocimiento y la realidad.
Esta teora tiene como principal objetivo determinar las condiciones y criterios necesarios
para garantizar la autenticidad y veracidad de la cognicin, esto quiere decir que es potestad
de la gnoseologa el responder al segundo interrogante filosfico sobre s es o no cognoscible
el mundo, de este modo, la gnoseologa investiga las condiciones, mecanismos, principios
formas y mtodos de la actividad cognitiva del hombre. En una primera aproximacin la
cognicin se puede definir como el conjunto de procesos que proporcionan al hombre la
posibilidad de recolectar, tratar y utilizar informacin sobre el mundo y sobre si mismo. A los
fenmenos y procesos a los que se enfoca la actividad cognitiva del hombre se les denomina
objeto cognitivo, mientras que a quien efecta la accin cognitiva se le conoce como sujeto
cognitivo, de esta forma la cognicin se puede entender como la interaccin entre el sujeto y
el objeto cognitivos, cuya finalidad es obtener la verdad que permita la asimilacin del objeto
cognitivo segn las necesidades del sujeto. De aqu surge la necesidad de estudiar los
mecanismos de interaccin que permiten la transmisin del conocimiento desde el objeto al
sujeto cognitivo.

Uno de los mtodos que permite describir estos mecanismos es la modelacin, la cual
constituye un mtodo cognoscitivo en el que el objeto en estudio es reemplazado con otro,
llamado modelo, que cumple con relacin al primero unas condiciones de analoga. Despus
de reemplazar el original por su modelo, el modelo es estudiado y analizado. Las conclusiones
y elementos que surjan de este anlisis son transferidos al objeto original con base en los
criterios y condiciones de analoga y semejanza antes mencionadas. En epistemologa
(ciencia del conocimiento cientfico) los modelos son la forma de explicar la realidad, ejemplos
de esto son: el modelo de mecnica newtoniana, el cuntico de Maxwell y el relativista de
Einstein.
La modelacin se aplica en aquellas situaciones donde el estudio o anlisis del objeto
cognitivo es inviable, resulta muy costoso o demasiado riesgoso. El trabajar con el modelo del
objeto cognitivo y no con su original ofrece la ventaja de que, en forma segura, rpida y sin
grandes gastos econmicos permite estudiar las propiedades del objeto cognitivo en cualquier
situacin imaginable.
Un paso fundamental de la modelacin consiste en la construccin o seleccin del objeto
(tangible o abstracto) que reemplaza al objeto real en estudio. La forma como se reemplaza el
objeto real de estudio define el tipo de modelacin, el cual puede ser fsico, matemtico,
anlogo, lgico, etc. Cada tipo de modelacin tiene sus ventajas, desventajas y requerimientos.
De los tipos de modelacin mencionados el matemtico goza de una gran universalidad, la
cual aunada al gran desarrollo de los ordenadores ofrece una gran flexibilidad para la solucin
de problemas complejos. Segn la Enciclopedia Matemtica por modelo matemtico se
entiende la descripcin aproximada de una clase de fenmenos del mundo exterior, expresada
con ayuda de simbolismos matemticos. Esta nocin representa un poderoso mtodo
cognoscitivo ya que el anlisis de modelos matemticos de la realidad permite penetrar la
esencia de los fenmenos estudiados. En la actualidad es difcil imaginar la ciencia sin la
amplia aplicacin de modelos matemticos, an ms, disciplinas cientficas como la mecnica,
la fsica y sus mltiples divisiones pueden ser vistas como un conjunto ordenado de modelos
matemticos que se acompaan de un fundamento terico sobre el nivel de veracidad con que
estos modelos reflejan la realidad (ejemplo: modelos corpuscular y ondulatorio de la luz). Esto
permite enunciar que a travs de los modelos matemticos las disciplinas cientficas
interactan con la matemtica. En esencia es esto lo que reflejan la opinin de Kant cuando

enuncia que el estudio de la naturaleza contendr ciencia en sentido propio slo en la medida
en que pueda aplicar las matemticas.
La aplicacin de la modelacin matemtica consiste en el reemplazo del objeto cognitivo por
su imagen matemtica (modelo matemtico) la cual, implementada en algoritmos lgico
numricos en un ordenador, permite estudiar las cualidades del proceso original. Este mtodo
de cognicin conjuga las ventajas de la teora y del experimento. Al trabajar con el modelo
matemtico y no con el objeto cognitivo (proceso o fenmeno en estudio) en forma
relativamente rpida y barata se pueden estudiar sus propiedades de estado y pronosticar la
evolucin del mismo (ventaja terica). Al mismo tiempo los algoritmos numricos permiten,
apoyndose en la potencia de clculo de los ordenadores, verificar las cualidades del objeto
cognitivo en una forma no accesible para los enfoques tericos (ventaja del experimento).
La modelacin matemtica ha sido aplicada desde los tiempos en que aparecieron las ciencias
exactas. No por casualidad algunos mtodos de clculo llevan el nombre de grandes cientficos
como Newton y Euler e incluso la palabra algoritmo se desprende del nombre del cientfico
rabe del medio evo AlGuarismi. El segundo nacimiento de la modelacin matemtica tuvo
lugar con la aparicin del ordenador en los aos 40 50 del siglo XX y fue impulsado por los
requerimientos, sin precedente, de los gobiernos de Estados Unidos y de la Unin Sovitica
para la creacin de escudos de defensa antiarea contra msiles nucleares. En este caso la
modelacin matemtica cumpli con todas las expectativas, explosiones nucleares,
trayectorias de misiles y lanzamiento de satlites fueron realizados con anterioridad en las
entraas de ordenadores con la ayuda de modelos matemticos. Este xito contribuy al
desarrollo de la modelacin matemtica hasta sus niveles actuales posicionndola en el ncleo
estructural de la sociedad de la informacin. El sorprendente progreso de los medios de
tratamiento y transmisin de informacin requiere de un ncleo de anlisis que permita
convertir la materia prima de la informacin en conocimiento. El desarrollo histrico de la
modelacin matemtica muestra que ella debe ser el ncleo intelectual de las tecnologas de la
informacin ya que esto permitir resolver no solo problemas directos sino tambin
problemas inversos para la gestin de sistemas complejos.

4.2.

Esquema general de la modelacin

El proceso de modelacin matemtica de cualquier objeto cognitivo (proceso, fenmeno)

consiste en un plan de trabajo preciso que se enmarca en tres etapas que conforman la
triloga modelo algoritmo programa (vase figura 1).

Figura 1. Triloga Modelo Algoritmo Programa

En la primera etapa se escoge o construye el equivalente al objeto cognitivo, el cual refleja en
forma matemtica sus propiedades ms relevantes, los mecanismos a los que obedece su
comportamiento y las conexiones entre sus partes y con su entorno. El modelo matemtico es
propuesto e investigado con mtodos tericos, lo que permite obtener informacin previa
sobre el objeto cognitivo. Esta etapa requiere de un conocimiento amplio sobre el proceso en
estudio y culmina con la formulacin de las expresiones matemticas que formalizan las
concepciones cualitativas que se tiene del proceso.
En la segunda etapa se escoge o desarrolla el algoritmo de clculo que permite implementar
el modelo en un ordenador. El modelo es llevado a una forma que permita la aplicacin de
mtodos numricos, se define la secuencia de las operaciones lgicas y aritmticas necesarias
para encontrar, con la precisin requerida, las incgnitas que expresan las variables de estado
del modelo. El algoritmo de calculo no debe distorsionar las cualidades bsicas del modelo y
en consecuencia del objeto cognitivo, tambin debe ser econmico y adaptable a las
particularidades de los problemas que se resuelven y al nivel tecnolgico de los ordenadores
disponibles.

En la tercera etapa se crean los programas de ordenador que traducen el modelo y el

algoritmo a un lenguaje entendible por el ordenador. A estos programas tambin se les exige
ser econmicos y adaptables, y son la versin digital equivalente al objeto cognitivo lista
para la realizacin de experimentos numricos en el ordenador.
Despus de cumplir la triloga modelo algoritmo programa el investigador obtiene una
herramienta universal, flexible y de bajo costo. Esta herramienta se depura y sintoniza con
experimentos numricos que permiten demostrar su adecuada correspondencia con el objeto
cognitivo para posteriormente realizar los experimentos que arrojarn todas las
caractersticas, cualitativas y cuantitativas, que se requiere conocer del proceso en estudio.
Finalmente es necesario enunciar que el proceso de modelacin se acompaa del
perfeccionamiento paulatino de los tres eslabones de la triada. Para hacer aplicable el
esquema general de la modelacin son necesarios dos elementos adicionales: a) el esquema
general del modelo y b) el protocolo de modelacin. Cada vez que se construye el
equivalente del objeto cognitivo en estudio se utiliza el postulado de la valides de las
relaciones causa efecto caracterstico del determinismo cientfico. Este principio terico
general puede ser descrito con el siguiente conjunto de tesis:
1) Los sistemas y procesos materiales son universalmente condicionados; 2) Cada suceso
tiene su causa y es generado por otro suceso. La generacin de un suceso se acompaa de la
transferencia de sustancia, energa, movimiento e informacin. 3) Existe una gran variedad de
formas de determinacin y el principio del determinismo es la fuente de todas ellas; 4) La
determinacin de los procesos est condicionada por un carcter ordenado y regular. Cada
proceso o fenmeno se rige por las relaciones establecidas con su entorno.
El principio de la determinacin establece los elementos y subordinacin de la relacin causa
efecto, designando a la causa como la interaccin misma y al efecto como el resultado de la
interaccin. La causa precede al efecto pero no todo lo que precede a un fenmeno es su causa
(la noche precede al da pero no es la causa del mismo). Causas iguales producen efectos
iguales y la recurrencia del efecto ante una causa es indicio de ley. La causa detona un flujo de
materia, energa, movimiento o informacin el cual transcurre en un dominio abstracto o
tangible. Este dominio es el equivalente de la nocin de sistema y el flujo mencionado refleja

lo que usualmente se denomina como proceso. En general, observando la secuencia y los

elementos impuestos por el principio del determinismo, las relaciones causa efecto pueden
ser clasificadas como relaciones causa efecto secuenciales (vase figura 2 a) reflejan
procesos en sistemas en los que no existe posibilidad de flujo de materia, energa o
informacin del efecto a la causa o al sistema mismo. Por el contrario, las relaciones causa
efecto con retroalimentacin se dan en aquellos sistemas que s lo permiten. El esquema causa
efecto tipo (a) es un caso particular (reducido) del esquema tipo (b). En este esquema por
sistema se entiende un complejo de elementos que interactan (Bertalanffy: 1976), siendo
una cualidad intrnseca del elemento su necesaria presencia en el sistema para que este pueda
existir. La definicin de sistema propuesta por Bertalanffy debe ser ajustada explicitando que
el conjunto de elementos es limitado y ordenado por una estructura que le da coherencia. Esta
estructura abarca las relaciones y enlaces estables entre los elementos, lo que incluye su
ubicacin espacial y los enlaces entre las distintas etapas de desarrollo.

Figura 2. Esquema de las relaciones causa efecto: (a) secuenciales, (b) con
retroalimentacin.
Un tipo especial de relaciones causa-efecto son aquellas en las que la causa, al actuar sobre el
sistema, puede desencadenar distintos efectos (vase figura 2 c) y todos estos efectos tienen

lugar con uno u otro nivel de probabilidad. La imprecisin sobre el nivel de aparicin de cada
efecto no rompe el principio de determinacin, lo que sucede es que estas relaciones
constituyen una cadena de relaciones lineales sobre las cuales no se tienen un conocimiento
total.
La prctica demuestra que en la naturaleza los procesos transcurren bajo los esquemas
enunciados, por ello el modelo que se utilice como anlogo de un proceso natural debe
contener una estructura muy similar a la presente en estos esquemas. En efecto, el esquema
general de los modelos matemticos presenta una estructura muy similar que se representa
de la siguiente forma:

Figura 3. Esquema general de un modelo matemtico

En detalle: las entradas del modelo representan las variables que activan el flujo de materia,
energa o informacin en el sistema (por ejemplo la precipitacin al caer y redistribuirse
sobre la cuenca impulsa los flujos de agua en la misma), las entradas son la analoga de la
causa. Las salidas estn conformadas por el vector de variables que caracterizan el estado del
sistema (por ejemplo los caudales lquido y slido de una cuenca). A su vez la estructura del
modelo analoga del sistema en el que transcurre el proceso es el mecanismo de
transformacin de las entradas en salidas. En si la estructura del modelo es el corazn del
mismo, por ello su grado de complejidad, como elemento del modelo, es mayor. La estructura
del modelo est conformada por:

El operador la estructura matemtica que establece las reglas de correspondencia entre las
entradas (causas) y su imagen en el dominio de las salidas (efectos). Ms estrictamente el
operador matemtico refleja un conjunto de funciones (X) en otro conjunto funcional (Y).
Los parmetros magnitudes encargadas de describir las caractersticas fsicas y funcionales
del sistema.
Las variables de estado magnitudes que representan el estado del sistema y cuya evolucin
espacio temporal constituye las salidas del modelo.
La funcin de retroalimentacin mecanismo que refleja el grado en el que las salidas del
modelo influyen en el transcurrir de los procesos del sistema. Generalmente es una cualidad
intrnseca del operador del modelo. En parte representa el orden de no linealidad del proceso
en estudio.
4.3.

Ejemplos de operadores matemticos

Entre las nociones descritas el operador matemtico es de gran importancia. La seleccin del
operador matemtico es una tarea difcil que se basa en la experiencia existente sobre el
proceso en estudio. Generalmente para establecer el operador matemtico se hace uso de las
leyes de conservacin de masa, momento, energa e informacin en un volumen de control
determinado. Como ejemplos de operador matemtico se pueden enunciar las siguientes
expresiones:
Operador de diferenciacin

Operador de Laplace o laplaciano Operador diferencial D definido en un espacio n y

definido por la expresin

son coordenadas en

. Donde
. Es un operador diferencial elptico de segundo orden que juega un

papel muy importante en la fisicomatemtica y la geometra. s

Operador de Hamilton, hamiltoniano u operador nabla

Operador diferencial de primer

orden representado por el signo y aplicable para la descripcin de operaciones diferenciales

en anlisis vectorial (Hamilton: 1853).
En un sistema cartesiano rectangular de coordenadas
unitarios

con los vectores

el operador nabla se expresa de la forma.

La aplicacin del operador hamiltoniano sobre una funcin escalar f (x), entendida como la
multiplicacin del operador nabla por el escalar f (x) , produce el operador de gradiente de la
funcin

sea

el

vector

. El producto escalar del operador

produce

el

operador

de

divergencia

con

las

coordenadas

por un campo vectorial

del

. El producto vectorial del operador

campo

vectorial

a:

por los vectores

a produce el operador rotacional (o rotor) del conjunto de vectores

, o sea el vector

El cuadrado escalar del operador hamiltoniano da como resultado el operador de Laplace:

La estructura del operador matemtico define las caractersticas del modelo matemtico. Los
operadores que contienen derivadas parciales representan sistemas multivariados, que
experimentan cambios en ms de una dimensin. Un ejemplo de ello es la simulacin del
movimiento del agua en un lago, donde adems de las variaciones de la velocidad de agua en
el tiempo es necesario estudiar el campo de velocidades en las direcciones {x, y, z}. Los
operadores compuesto por ecuaciones diferenciales ordinarias describen cambios en una solo
dimensin, usualmente en el tiempo, pero podra ser en una de las dimensiones espaciales.
4.4.

El problema directo y el problema inverso

Durante la modelacin matemtica se resuelven dos tipos de problemas, estos son conocidos
como el problema directo y el problema inverso. Para explicarlos es necesario apoyarse en el
esquema general de un modelo matemtico. En el problema directo de todos los elementos
del esquema general el nico desconocido es la salida. Esta es la situacin ideal de la
modelacin matemtica, en ella, ya se han establecido las entradas, las variables de estado, el
operador y los parmetros (vase figura 4).

Figura 4. Esquema general para el problema directo

Existen tres clases de problema inverso. En el primer tipo de problema inverso la
informacin conocida es la relacionada con las entradas, variables de estado, operador
matemtico y las salidas. Se desconocen los parmetros del modelo. Resolver este tipo de
problema significa encontrar el conjunto de parmetros idneos que aplicados al operador
matemtico y utilizando las entradas conocidas produce las salidas observadas.

Figura 5. Primer tipo de problema inverso

En el segundo tipo de problema inverso se conocen las salidas, las variables de estado, los
parmetros, el operador y se desconocen las entradas. A travs de este problema se intentan
reconstruir las causas que produjeron determinado efecto en el sistema bajo estudio (vase
figura 6).

Figura 6. Segundo tipo de problema inverso

En el tercer tipo de problema inverso el elemento desconocido es el operador matemtico.
Constituye la situacin ms compleja y resolverlo significa encontrar las ecuaciones que mejor
trasponen las entradas en salidas. En este caso se trata de definir las ecuaciones que mejor
relacionan una seal de entrada con otra de salida. Un ejemplo de este tipo de problema se
tiene cuando se supone que existe algn tipo de correspondencia entre dos variables
observadas y mediante el anlisis regresivo se intenta construir una ecuacin matemtica que
las relacione con el fin de utilizar una de ellas como predictor de la otra.

Figura 7. Tercer tipo de problema inverso

4.5.

Clasificacin de los modelos matemticos

No existe una clasificacin nica y general de los modelos matemticos, sin embargo es
pertinente entender las formas que existen de clasificarlos para conocer que tipo de modelo
matemtico debe ser aplicado en cada caso particular. Existen por lo menos 3 criterios de

clasificacin de los modelos matemticos. El primer criterio de clasificacin esta definido

por la capacidad del modelo de tomar en cuenta o no la incertidumbre en la realizacin del
proceso que se estudia. Esto se refiere al esquema de relacin causa efecto que se aplica. S el
esquema seleccionado es cmo el de la figura 2c, entonces el modelo es determinista y
supone que a un conjunto de valores de entrada y parmetros le corresponde un conjunto
determinado de valores de salida. En este tipo de modelos se asume el conocimiento total del
proceso en anlisis y una vez llevada la modelacin al problema directo se conoce con
precisin todo lo que ocurrir en el sistema. La variable de estado de un modelo determinista
no puede ser de carcter aleatorio. S por el contrario el esquema seleccionado es el
presentado en la figura 2c, entonces el modelo es estocstico, en l a un conjunto de valores
de entrada y parmetros le corresponden varios posibles conjuntos de salida, cada una de
ellas caracterizada por una probabilidad de aparicin (de xito).
Obligatoriamente en un modelo estocstico la variable de estado es de carcter aleatorio. El
segundo criterio de clasificacin consiste en determinar la evolucin o no del proceso en el
tiempo. S el modelo matemtico puede hacer seguimiento de las variaciones temporales del
proceso en estudio entonces este es un modelo dinmico (no estacionario), en ellos el tiempo
participa como una variable independiente. En el caso contrario se tiene un modelo esttico
(estacionario1), es decir sin el tiempo como variable independiente. El tercer criterio de
clasificacin analiza el nmero de dimensiones en las que varan la variable de estado y los
parmetros del modelo. Si la estructura matemtica slo considera los cambios de estas en
una dimensin, por ejemplo en el tiempo, entonces se tiene un modelo aglutinado. S por el
contrario se toma en cuenta dos o ms dimensiones, por ejemplo los cambios en el tiempo y
en una coordenada espacial en dos coordenadas espaciales, este ser un modelo
distribuido. Formalmente, los modelos aglutinados se representan con ecuaciones
diferenciales ordinarias con uno o menos argumentos independientes, mientras que los
distribuidos son ecuaciones en derivadas parciales con dos o ms.
Se pueden utilizar otros criterios de clasificacin de los modelos matemticos, entre ellos la
clasificacin por disciplinas (modelos hidrolgicos, biolgicos, ecolgicos, etc.) y la
clasificacin segn la validez del principio de superposicin para el operador matemtico
aplicado (modelo lineal o no lineal). Otro criterio consiste en clasificar al modelo por la
claridad fsica de su operador matemtico. Si este ltimo ha sido deducido totalmente de leyes

fsicas se habla de un modelo de caja blanca o basado en la fsica del proceso y s por el
contrario la deduccin del operador esta relacionada con la solucin del problema inverso
tipo 2 se habla de un modelo de caja negra.
5. TIPOS DE MODELOS
Una primera diferencia debe hacerse en cuanto a los dos tipos bsicos de modelos existentes:
modelos matemticos y modelos fsicos.
Los modelos fsicos son representaciones a pequea a escala de la dispersin atmosfrica;
por ejemplo, replica de una determinada rea mediante tneles de viento. Foto del tnel de
viento de la Universidad de Karlsruhe (Dr. Kastner Klein) reproduciendo la dispersin de un
gas en una maqueta de edificios.

Se denominan modelos matemticos a aquellos que estn basados en determinados

sistemas conceptuales basados en principios fsico-qumicos, e implementados en programas
de ordenador.
Foto: Ejemplo de simulaciones de dispersin de contaminantes realizadas con un modelo
matemtico de dispersin de contaminantes atmosfricos.
Entre los modelos matemticos se pueden distinguir dos grandes grupos:

modelos determinsticos, basados en las ecuaciones matemticas (principalmente, la

ecuacin de adveccin difusin (1)) que representan los procesos atmosfricos, y

los modelos empricos, basados en relaciones estadsticas y empricas entre los

datos relativos a la contaminacin y otras variables que puedan tener influencia sobre
ella.

6. Consideraciones para la seleccin de un modelo

Qu modelo o tipo de modelo debo utilizar para abordar mi problema?. Para responder a sta
pregunta, debemos conocer bien la naturaleza del modelo, para qu fue diseado y cules son
sus limitaciones.
El uso de los modelos de dispersin de contaminantes atmosfricos no puede ser
indiscriminado. Cada modelo por su estructura y procesos fsico-qumicos considerados tiene
unas caractersticas propias que no lo hacen aplicable para todas las situaciones o problemas
que se planteen. Evidentemente, debemos tener garantas de que los modelos
preseleccionados son modelos validados y contrastados. Para ello, es conveniente estudiar
detalladamente toda la documentacin relativa a los mismos (artculos cientficos, informes
de validacin de modelos frente a experimentos de campo, manuales, etc).
Los aspectos a tener en cuenta a la hora de seleccionar un modelo seran los siguientes:
1. Qu problema se desea tratar?.
2. Fenmenos fsicos y qumicos, que van a venir determinados por:
a. Tipo de contaminante
b. Tipo de fuente emisora
c. Ambito espacial y temporal.
3. De qu datos y ordenadores disponemos para inicializar, ejecutar y validar el
modelo?.
En muchos casos, estos aspectos pueden estar relacionados entre s, pero resulta interesante
analizar cada uno en particular.
Como norma general, en lo posible, se deben utilizar los modelos ms avanzados y mejor
validados.