Modelamiento Introduccion Al Tema

CONTENIDO
INTRODUCCIÓN AL MODELAMIENTO INTRODUCCIÓN

MODELAMIENTO DESDE EL PUNTO DE VISTA SIG
1. Esquema
ENFOCADO AL USO DE SISTEMAS DE 2. Componentes
INFORMACIÓN GEOGRÁFICA 3. Tipos de modelos
4. Clasificaciones
Por: Ma. Reneé Sandoval G. 5. Representaciones
6. Etapas de creación de un modelo
CENTRO DE LEVANT AMIENTOS AEROESPACIALES Y APLICACIONES SIG PARA EL

DESARROLLO SOSTENIBLE DE LOS RECURSOS NATURALES
Cochabamba, Bolivia CENTRO DE LEVANTAMIENTOS AEROESPACIALES Y APLICACIONES SIG PARA EL DESARROLLO SOSTENIBLE DE LOS RECURSOS NATURALES
INTRODUCCIÓN
En ciencias puras y, sobre todo, en ciencias aplicadas, se denomina MODELO
modelo al resultado del proceso de generar una representación
abstracta, conceptual, grafica o visual, física, matemática, etc., de
fenómenos, sistemas o procesos a fin de analizar, describir, explicar, Reproducción a escala de un sistema, concepción mental,
simular, etc. relación empírica o serie de ecuaciones matemáticas y
estadísticas que representan un sistema.
En general, lo que se busca es: EXPLORAR, CONTROLAR y PREDECIR los
fenómenos o procesos.
Aunque los modelos no son representaciones perfecta de la
realidad, son herramientas valiosas que nos permiten estudiar
Se considera que la creación de un modelo es una parte esencial de toda
actividad científica. una gama de condiciones y formular respuestas que no
podríamos obtener de forma práctica midiendo u observando
Para hacer un modelo es necesario plantear una serie de hipótesis, de el sistema real.
manera que lo que se quiere representar, esté plasmado en la
idealización, y sea lo bastante sencillo como para poder ser manipulado y
estudiado.
CENTRO DE LEVANTAMIENTOS AEROESPACIALES Y APLICACIONES SIG PARA EL DESARROLLO SOSTENIBLE DE LOS RECURSOS NATURALES CENTRO DE LEVANTAMIENTOS AEROESPACIALES Y APLICACIONES SIG PARA EL DESARROLLO SOSTENIBLE DE LOS RECURSOS NATURALES
MODELAMIENTO El Modelamiento de un Fenómeno Natural, es un conjunto de operaciones

DESDE EL PUNTO DE de análisis y comandos interactivos utilizando mapas que actúan como una
VISTA SIG pila u overlay cuyo fin es procesar decisiones de tipo espacial.
(TOMLIN, 1990, citado por DEMERS, 1997).
Se refiere a la utilización de las funciones de análisis de un sistema de

información geográfica bajo una secuencia lógica de tal manera que se
puedan resolver problemas espaciales complejos.
(IGAC. Conceptos Básicos de Sistemas de Información Geográfica y
Aplicaciones en Latinoamérica, 1995).
1
Conjunto de herramientas y procedimientos que permiten la
manipulación y análisis de datos espaciales con el fin de obtener un
Es la expresión detallada de la manipulación de los datos utilizando las MODELO que represente del mundo real en un determinado tiempo y/o
funciones de los software SIG, para la producción de nueva información llevar a cabo a la solución de problemas complejos.
que será almacenada en el computador, de manera permanente como
nuevas entidades, o de manera virtual para análisis determinados.
(IGAC. Guía Metodológica para la Formulación del Plan de Ordenamiento
Territorial Urbano. Aplicable a Ciudades, 1996)
La realidad esta representada en mapas.

El modelamiento esta orientado a procesos y no a productos
(IGAC. Análisis y Modelamiento Espacial, 2004)
1. ESQUEMA 2. COMPONENTES
Predecir un evento mediante un modelo, es el resultado de un proceso
COMPRENDER EL PASADO
complejo que involucra la consideración cuidadosa de:
PASADO
Tendencia
• La adquisición de datos.
• Principios matemáticos
(incluyendo los modelos de
predicción numérica en el
PRESENTE ENTENDER EL PRESENTE
tiempo).
• Exploración del modelo.
• Pronostico, resultado
Modelo
• Validación y calibración del
modelo.
FUTURO OPCIONES EN EL FUTURO
ADQUISICIÓN DE DATOS
Control de calidad
2.1. ADQUISICIÓN DE DATOS
Recursos
INFORMÁTICOS Valores Numéricos Se recopilan los datos para describir el estado inicial del fenómeno. Los
datos provienen de observaciones, satélites, estaciones de superficie,
Asimilación Dinámica Física
aviones, sondeos, radares y otras fuentes.
2.2. CONTROL DE LA CALIDAD

Post - Procesamiento
Una serie de verificaciones y pruebas permite controlar la calidad de los
Salida directa Análisis estadístico Análisis numérico
datos para asegurar la viabilidad de la entrada de la información al
modelo.
Salida del modelo
• Esto contribuye a asegurar que los datos incorrectos se ajusten o se
Comprensión del eliminen antes de que formen parte del análisis.
Observaciones Exploración del modelo fenómeno
• En este proceso es esencial los parámetros de juicio ya establecidos y la
experiencia profesional.
VALIDACIÓN y
CALIBRACIÓN
PRONOSTICO VERIFICACIÓN DE
RESULTADOS
2
El proceso de la adquisición y calidad de datos, conlleva
dificultades y entre están: 2.3. PRINCIPIOS MATEMÁTICOS
• Ausencia total o parcial de datos: La ausencia puede ser total acerca de un
parámetro básico ó puede ser parcial afectando la calidad y confiabilidad
Valores numéricos:
del resultado
Los valores numéricos de un modelo son:
• Incertidumbre por mezcla de escalas: Mezclar coberturas con información
general y coberturas con información detallada genera incertidumbres y
desconfianza en los resultados. No se genera más y mejor información • las características del modelo tales como la formulación matemática
solamente ampliando los mapas. usada para resolver las ecuaciones de pronóstico del modelo;
• la forma de representar los datos;
• Dificultades en el establecimiento de relaciones: Es necesario diferenciar
las relaciones entre los parámetros a analizar para evitar el riesgo de
• la resolución del modelo;
establecer relaciones no posibles ó no manejables • el dominio computacional;
• el sistema de coordenadas.
• Dificultades de la compatibilidad de las fuentes de datos: Con frecuencia
se encuentra la información en diversos formatos algunos de los cuales no
son compatibles en el sistema de información seleccionado por lo cual se Todos estos factores afectan la manipulación de la dinámica y
crean dificultades en su conversión ó se produce pérdida de información la coherencia de la representación de las condiciones iniciales
importante.
y los procesos físicos.
• Asimilación: 2.4. POST - PROCESAMIENTO

Un sistema de asimilación es un procedimiento complejo en el cual
El Post - Procesamiento permite realizar los cálculos que transforman los
los parámetros observados se convierten en variables iniciales y/o se
datos crudos de salida del modelo en un formato de edición, que se
fusionan con pronósticos o simulaciones anteriores para producir las
pueda usar de inmediato.
condiciones iniciales necesarias para comenzar otra simulación o
predicción. El producto resultante se conocen como Salida del modelo
El sistema de asimilación trata de encontrar los campos iniciales de
las de cualquier variable.
• Dinámica:
Se entiende como procesos dinámicos, al conjunto de ecuaciones y
operaciones matemáticas aplicadas a la información inicial para
simular un nuevo escenario.
• Física:
Los procesos físicos se refieren a las escalas de trabajo como a las
escalas de salida, resolución del modelo.
2.5. EXPLORACIÓN DEL MODELO

• Salida directa del modelo: Se combinan el modelo de salida y las observaciones del fenómeno en
Normalmente, el término salida directa del modelo se refiere cuando se lanza tiempo en función a la experiencia profesional, para generar un resultado
los resultados sin un análisis numérico y/o estadístico, para la verificación y mas optimo. Las variables requeridas y las necesidades del cliente
calibración del modelo. determinan la exactitud de los resultados.
• Análisis numérico: • Observaciones:
Los productos de guía numérica se generan mediante el Post - Procesamiento Se necesitan observaciones del fenómeno a analizar para determinar las condiciones
de la salida del modelo. Por lo general se presentan en tablas o valores que actuales y evaluar la precisión del análisis o pronóstico del modelo. Las observaciones
resuman un evento de fácil interpretación y comparación. de campo constituyen el punto de comparación necesario para evaluar la
confiabilidad del producto del modelo y hacer los ajustes necesarios.
• Análisis estadístico:
• Comprensión del fenómeno:
Se han desarrollado técnicas de interpretación estadística que comparan los
Es necesario un entendimiento claro de los principios del fenómeno a analizar y sus
datos iniciales y los datos predecibles, para evaluar fiabilidad (grado de
relaciones para poder usar de forma inteligente el modelo. Por ejemplo para poder
confianza) de los modelos numéricos de salida. identificar cuándo la salida del modelo no es acertada o coherente. Conforme los
modelos se vuelven más complejos, llegan a pronosticar las características con mayor
detalle y verosimilitud.
3
3. TIPOS DE MODELOS
2.6. PRONÓSTICO
Es el producto final, el cual es el resultado de un conjunto de análisis, representa
en escala reducida de una parte del mundo real en un momento dado. Su Hoy en día han existe un sinnúmero de clasificaciones de
frecuencia dependen de las necesidades de los clientes.
modelos, como ser los modelos físicos, analógicos,
matemáticos, abstractos, conceptuales, etc.
2.7. VALIDACIÓN Y CALIBRACIÓN
Con el avance de la tecnología y la ciencia, no existe una
Los modelos deben ser calibrados y validados, es decir deben verificar los
resultados para identificar y compensar las limitaciones de los sesgos estadísticos clasificación establecida, debido que el modelamiento fue
propios modelo. ganando complejidad.
Los modeladores usan los datos Hoy en día, la mayoría de los modelos son compuestos o
de verificación para ayudar a
identificar las deficiencias con el híbridos, es decir que incluyen varios tipos de ellos de
fin de mejorar los diferente naturaleza.
componentes del
modelo.
3.1. MODELO MATEMÁTICO
En ciencias aplicadas un "Modelo matemático" es uno de los tipos de

modelos científicos.
Se basa en expresarse, utilizando los instrumentos de la teoría
matemática, declaraciones, relaciones, proposiciones sustantivas de
hechos o de contenidos simbólicos.
• Implica variables, parámetros, entidades y relaciones entre variables y/o entidades u
operaciones.
• Estudiar comportamientos de sistemas complejos ante situaciones difíciles de observar en la
realidad.
Se podría decir también que es una traducción de la realidad física para

poder aplicar los instrumentos y técnicas de las teorías matemáticas para
estudiar el comportamiento de sistemas complejos, y posteriormente
hacer el camino inverso para traducir los resultados numéricos a la
realidad física.
Generalmente se introducen simplificaciones de realidad.

Método experimental: Interviene sobre el objeto de estudio, modificando

3.1.1. MODELO EMPÍRICO - ANALÍTICO a este, directa o indirectamente para crear las condiciones necesarias que
Modelo representado por procesos simplificados basados en permitan revelar sus características fundamentales y sus relaciones
observaciones, mediciones o experiencia práctica, también incluye en esenciales.
principios o teorías matemáticas y físicas.
• Modelo de investigación, que se basa en la lógica empírica que a su vez Método de la observación científica: Permite conocer la realidad
deriva en pruebas, es decir, llevando a cabo el experimento. mediante la sensopercepción directa de entes y procesos, para lo cual
• Los resultados empíricos son sacados de las pruebas acertadas y los errores. debe poseer algunas cualidades que le dan un carácter distintivo.
• Posibilitan revelar las relaciones esenciales y las características
fundamentales del objeto de estudio.
Método de la medición: Es el método empírico que se desarrolla con el
• Es un método fáctico, se ocupa de los hechos que realmente acontecen.
objetivo de obtener información numérica acerca de una propiedad o
• Se vale de la verificación empírica, mediante una cuidadosa contrastación cualidad del objeto, proceso o fenómeno, donde se comparan magnitudes
por medio de la percepción. medibles conocidas.
• Es autocorrectivo y progresivo, se construye a partir de la superación
gradual de sus errores. Es la asignación de valores numéricos a determinadas propiedades del
objeto, así como relaciones para evaluarlas y representarlas
adecuadamente. Para ello se apoya en procedimientos estadísticos.
4
3.1.3. MODELO DETERMINÍSTICO O ANALÍTICO
3.1.2. MODELO ESTOCÁSTICO O PROBABILÍSTICO
Modelo que emplea métodos clásicos como el cálculo y el álgebra para
resolver una serie de ecuaciones. Es decir, que para un conjunto de datos
Modelo que incluye elementos estadísticos y produce un conjunto de
tiene un único resultado, una misma salida.
salidas para un conjunto dado de entradas. La salida representa un
conjunto de valores esperados.
• Elaborados con ecuaciones matemáticas al objeto de describir los procesos
involucrados, teniendo en cuenta las leyes físicas, de conservación de masas
• Se denomina estocástico a aquel sistema que funciona, sobre todo, por el y energía, etc.
azar. Función de probabilidades.
• Son modelos del resultado de los modelos empíricos experimentales
• El estocástico es un algoritmo que basa su resultado en probabilidades comprobados, estructurados y formulados en ecuaciones y bases teóricas
que cambian en el tiempo, tiene un comportamiento dinámico. sólidas.
• Es un modelo de un conjunto de teorías estadísticas que tratan de los • Arroja soluciones exactas. No cuenta el riesgo o la incertidumbre.
procesos cuya evolución es aleatoria.
• Estos modelos pueden presentar ecuaciones logias, dando como resultado
un modelo analítico lógico.
3.1.4. MODELO NUMÉRICO 3.1.5. MODELO DE LÓGICA DIFUSA
Modelo que, a diferencia de un modelo analítico, emplea un método La lógica borrosa o difusa se basa en lo relativo de lo observado. Este tipo
numérico para resolver una serie de ecuaciones. de lógica toma dos valores aleatorios, pero contextualizados y referidos
entre sí.
• Los resultados de los modelos numéricos son aproximaciones, mientras

que los modelos analíticos arrojan soluciones exactas. • En la lógica clásica una proposición sólo admite dos valores: verdadero o
falso. Binaria (0,1).
• Validan las hipótesis y aproximaciones que forman un modelado
conceptual de cierto proceso u objeto mediante iteraciones.
• La lógica difusa (o borrosa) es una de ellas, que se caracteriza por querer
cuantificar esta incertidumbre en posibles verdadero.
La lógica difusa se utiliza cuando la complejidad del proceso en cuestión

es muy alta y no existen modelos matemáticos precisos, para procesos
altamente no lineales y cuando se envuelven definiciones y conocimiento
no estrictamente definido (impreciso o subjetivo).
4. CLASIFICACIÓN
4.1. MODELOS ESTÁTICOS
La representación en mapas y bases de datos son modelos estáticos,
siempre y cuando representen una situación específica en un momento
dado.
Modelo descriptivo
• Trata de representar la información directamente mostrando patrones y
distribuciones de rasgos o elementos espaciales.
• Este modelo no conduce a recomendaciones.
• Su análisis es limitado a recuperar y mostrar la información espacial.
• Básicamente es la elaboración de un mapa.
• Emplea la formulación inductiva o deductiva.
Ejemplo:
Expansión urbana entre varias ciudades. Utilizando comparaciones de
espacio, cambios, uso, frecuencias y otros parámetros se producen análisis
espaciales sobre desarrollo urbano.
5
Modelo predictivo
4.2. MODELOS DINÁMICOS • Es una técnica SIG de gran potencial, que trata de generar escenarios
Los mapas y bases de datos son modelos dinámicos, cuando estos futuros de acuerdo a tendencias o modelamiento estadístico a partir de
pueden ser presentados en una serie de mapas o datos en el tiempo, y datos de ocurrencia histórica, es decir de datos reales.
nos permiten inferir alguna información a cerca del comportamiento del • Analiza como intervienen los factores en el tiempo, cómo están
sistema. asociados, identifica cuáles factores son decisivos en el proceso de la
solución de un problema.
Modelo dinámico simple • Una vez probado el modelo con datos conocidos, se aplican y se
• Los modelos dinámicos simples están compuestos por la colección de manejan estadísticamente nuevos datos con el propósito de predecir
series mapas en el tiempo resultados.
• El modelo utiliza análisis de regresión y emplea métodos inductivos o
deductivos.
• El análisis de regresión se realiza a partir de hechos individuales, donde se obtiene conceptos ó
patrones generales.
• En el caso de la formulación deductiva a partir de conjuntos de datos específicos se deducen ó
concluyen hechos ó soluciones especificas.
1990 2000 2007
DISTRIBUCIÓN ESPACIAL Y TEMPORAL DE LA LLUVIA
Modelo de simulación
• Tratan de crear escenarios ficticios o

potencialmente reales simulando un
fenómeno complejo de la naturaleza.
• Requiere un alto grado de experiencia
técnica y varía en el grado de estar
relacionado a un SIG.
• Una vez generado un modelo de simulación
éste puede ser utilizado para evaluar
Ejemplo: diferentes características de los datos.
Distribución conocida (puntos rojos) y
probabilidad de presencia de una especie de
aves, tras elaborar un modelo predictivo de
Relación entre el número de especies de distribución incluyendo varias variables Ejemplo:
Coleóptero en la Península Ibérica y la meteorológicas, topográficas, geológicas,
temperatura media mínima Respuestas de los niveles de agua (inundación) para
ambientales y espaciales en un análisis de distintos periodos de retorno
regresión.
El evento no necesariamente ocurrirá
Relación es parabólica
Y = c + b1X + b2 X2 (R2 =82.9%)
5. REPRESENTACIONES
Según su representación y en función de la escala temporal los • El modelo de cubo de espacio-tiempo. El modelo cúbico de
modelos pueden ser presentados como: espacio-tiempo puede ser visto como una modelo retrato idealizado
con una secuencia de mapas infinitamente densa.
• El modelo retrato (snapshot). Es una secuencia de mapas basada en
campo que pueda funcionar como una base para el estudio con
preguntas relacionadas al tiempo.
Distribución espacial y
temporal de la lluvia
Mensual - 96 mapas
6
• Modelo basado en el evento. Nuestro evento se guarda en este 6. ETAPAS DE CREACIÓN DE UN MODELO
modelo de tal forma que podemos reconstruir la historia completa
espacial y no espacial de nuestra área de estudio. 6.1. CONCEPTUALIZACIÓN
• El análisis del sistema real, definición de las partes relevantes y de
los procesos clave: identificación y planteamiento claro del
problema a solucionar.
• Limites del problema en cuanto alcance a analizar.
• Se define el dominio espacial y temporal del estudio.
6.2. DISEÑO
• Establecer las variables de estado, selección y exclusión de partes
y relaciones, así como las escalas: temporal, espacial y de las
variables a utilizar.
• Adquisición y selección de los datos a utilizar.
• Se crea un modelo físico de datos.
6.5. CALIBRACIÓN
• Fase de análisis de estabilidad.
• En esta fase se examina si el modelo genera resultados razonables.
6.3. IMPLEMENTACIÓN • Se ve la variación de los resultados ante cambios en las variables
• En esta fase se traduce a código el modelo esquemático. dentro del rango de variación natural.
• Implica la solución a problemas de programación: • Un parámetro crítico es aquél que induce cambios fuertes de
• Lenguajes incertidumbre.
• Planteamiento de Ecuaciones
• Escritura de código
• Analizar los resultados ante cambios en los parámetros dentro del
error estándar de cada uno.
6.4. ANÁLISIS Y MODELAMIENTO

6.6. VALIDACIÓN
• En la fase de análisis y modelamiento propiamente dicha se
seleccionan los métodos y operaciones específicas para los análisis • Validación es la comprobación del modelo con datos
de datos. independientes.
• Se identifican y definen las interfases de análisis externos. • La validación nunca es absoluta; unos buenos resultados no
garantizan un comportamiento correcto en todos los escenarios.
CENTRO DE LEVANTAMIENTOS AEROESPACIALES Y APLICACIONES SIG PARA EL DESARROLLO SOSTENIBLE DE LOS RECURSOS NATURALES

Modelamiento Introduccion Al Tema

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Modelamiento Introduccion Al Tema

Загружено:

Авторское право:

Доступные форматы

CONTENIDO

INTRODUCCIÓN AL MODELAMIENTO INTRODUCCIÓN

CENTRO DE LEVANT AMIENTOS AEROESPACIALES Y APLICACIONES SIG PARA EL

MODELAMIENTO El Modelamiento de un Fenómeno Natural, es un conjunto de operaciones

Se refiere a la utilización de las funciones de análisis de un sistema de

La realidad esta representada en mapas.

FUTURO OPCIONES EN EL FUTURO

2.2. CONTROL DE LA CALIDAD

• Asimilación: 2.4. POST - PROCESAMIENTO

2.5. EXPLORACIÓN DEL MODELO

3.1. MODELO MATEMÁTICO

En ciencias aplicadas un "Modelo matemático" es uno de los tipos de

Se podría decir también que es una traducción de la realidad física para

Generalmente se introducen simplificaciones de realidad.

Método experimental: Interviene sobre el objeto de estudio, modificando

3.1.4. MODELO NUMÉRICO 3.1.5. MODELO DE LÓGICA DIFUSA

• Los resultados de los modelos numéricos son aproximaciones, mientras

La lógica difusa se utiliza cuando la complejidad del proceso en cuestión

1990 2000 2007

DISTRIBUCIÓN ESPACIAL Y TEMPORAL DE LA LLUVIA

• Tratan de crear escenarios ficticios o

Y = c + b1X + b2 X2 (R2 =82.9%)

6.4. ANÁLISIS Y MODELAMIENTO

Вам также может понравиться