Академический Документы
Профессиональный Документы
Культура Документы
Para la realización del algoritmo se tomó como base la Ecuación gravimétrica para
un cilindro en donde las iteraciones son generadas variando la temperatura con el
fin de llegar a errores mínimos.
Gsin(j)=2*pi*G*Dp(IDP)*(R(IR))^2*(z(IZ)/(z(IZ)^2+X(j)^2)
Entre mayor sea el número de iteraciones más cerca están los datos sintéticos de
los observados ya que adquiere mayor probabilidad de encontrar los datos que se
ajusten. Como los datos sintéticos son elegidos aleatoriamente al utilizar la misma
iteración la gráfica varia.
Figura 1. Datos observados vs datos sintéticos para 700 iteraciones.
El criterio de aceptación para el modelo está dado por la diferencia entre energía de
los modelos, si delta E es < ó =0 el modelo es aceptado y cuando delta E es > que
0 se utiliza el criterio de metrópoli para la ubicación de la probabilidad.
Así, en cada iteración en el algoritmo tiende a encontrar estados con menor energía
total. Para disminuir la temperatura se usó la función exponencial donde T
disminuye por un factor α<1 en cada paso que se desarrolló.
Al iniciar con T alta el algoritmo escoge un parámetro que ira variando, se evalúa
el modelo sintético y se tiene un error, se mira si se ajusta o no para una iteración,
para otra iteración escoge otro parámetro como la T es alta los parámetros van a
estar distanciados del anterior, esto con el fin de no quedarme en un mínimo local
sino que encuentre un global. Luego se debe ir disminuyendo la temperatura para
ir restringiendo mi campo de soluciones. Figura 4.
Figura 4. Cambio de parámetros Zmin, Rmin, Dpmin según el número de
iteraciones de 150, generando que los puntos estés alejados la T es grande 100.