Laboratorio 14 - Aplicación: ODE estimación de

parámetros
Luisa Fernanda Fuentes 201631093, Diego Felipe Vásquez 201618174 , Juan Camilo Gutiérrez 201812463

Resumen—En esta práctica de laboratorio, se plantea un mayor posible a los resultados. Teniendo en cuenta que en
problema en base a un modelo de la cantidad de alcohol en principio nos dan como valores iniciales p=[0 1], se gráfica
la sangrem la cual representa las dinámicas del metabolismo. estos resultados obteniendo los siguientes parámetros:
Teniendo en cuenta esto, se estima los parámetros de una ecuación
diferencial (ODE), y se realiza una serie de requerimientos a
desarrollar a lo largo de la práctica.

I. E VIDENCIAS Y D ESARROLLO
Para la solución de este laboratorio se tiene en cuenta un
modelo de la cantidad de alcohol en sangre BAC, el cual
representa las dinámicas del metabolismo definido por las
siguientes ecuaciones:

x0 (t) = v(t)
v 0 (t) = −β 2 x(t) − 2ζβv(t) + β 2 µu(t)
Donde x(t) es la cantidad de alcohol en sangre [g/100ml],
v(t) es la derivada de la cantidad de alcohol en sangre
Lo primero que realizamos en este laboratorio fue Figura 1. Parámetros de condiciones iniciales p0=[0 1]
implementar ode45 a la función dada en los archivos del
laboratorio llamada BAC.m. Esto permitió encontrar la
solución numérica de nuestro sistema para compararla con la
solución analı́tica de la base de datos dados. Se observa estos parámetros que buscan la minimización del
También se completa una función cfparameterestimation la sistema. Ası́, al multiplicar estos parámetros con la función,
cual tiene como entradas los coeficientes a encontrar, el vector busca que el comportamiento se siga manteniendo a pesar
de tiempo, los valores iniciales, los valores de la constante de modificar las condiciones inicial. Dicho de otra manera,
que modelan el sistema ζ, la cantidad de alcohol conocida en buscan que se estabiliza el sistema desde la parte teórica y la
el organismo del individuo (uc) y los valores registrados en experimental.
datalab.
empleando estas funciones ya mencionadas se procede a
calcular una solución Xsim y Vsim usando p como los
parámetros que queremos estimar. En este mismo paso, se
procede a calcular la suma del error cuadrático entre los datos
del laboratorio y los que se obtuvieron como solución para X
y V, estos se suman para formar la función de costo J como
se ve a continuación :

J = Jx + Jv
X
Jx = (xlab − xsim )2
X
Jv = (vlab − vsim )2

Al ya tener la función de costo, se procede a invocar el

proceso de optimización empleando la función fmincon donde
p representa los parámetros µyβ. Este proceso miniminiza la
función J (de costo) y permitirá encontrar los parámetros que
hacen que la solución de la ecuación diferencial se ajuste lo Figura 2. Valor V de condiciones iniciales p0=[0 1]
Figura 3. Valor X de condiciones iniciales p0=[0 1] Figura 5. Valor V de condiciones iniciales p0=[0 0]

Para poder comparar los resultados, se proponen 2

nuevos vectores p0 (condiciones iniciales) para observar
el comportamiento y los nuevos parámetros que encuentra
nuestro sistema. A continuación, se observaran los resultados
de estos nuevos valores:
Para vector p0 = [0 0]

Figura 6. Valor X de condiciones iniciales p0=[0 0]

Para vector p0 = [5 4]

Figura 4. Parámetros de condiciones iniciales p0=[0 0]

Como se menciona anteriormente, estos parámetros buscan

estabilizar el sistema, a pesar de que las condiciones iniciar, en
este caso p0 = [00], y que minimicen el mismo. Ası́, también
se puede afirmar que un punto crı́tico del sistema es el [0 0]
porque no permite que el sistema se estabilice. Figura 7. Parámetros de condiciones iniciales p0=[5 4]
 R EFERENCIAS
[1] http://www2.ece.ohio-state.edu/ passino/PapersToPost/DrinkingMetab-
TCMC.pdf
[2] KOLMAN, Bernard. Álgebra lineal con aplicaciones y MATLAB. 6a. ed.
PRENTICE HALL, México, 1999.
[3] https://la.mathworks.com/help/matlab/ref/ode45.html
[4] https://la.mathworks.com/help/optim/ug/fmincon.html

Figura 8. Valor V de condiciones iniciales p0=[5 4]

Figura 9. Valor X de condiciones iniciales p0=[5 4]

II. C ONCLUSIONES

Para las condiciones iniciales se observa que la solución

calculada para los valores de X discrepa de los datos
experimentales al utilizar los valores dados por el archivo
original. Sin embargo, en la variable V muestran un poco
más de similitud entre sı́ pero después de alrededor de
50 minutos, antes se encuentran distanciados.
Al variar las condiciones iniciales a un vector de ceros,
vemos que la relación entre los valores calculados y
experimentales se vuelve mucho más exacta, llegando
a relacionarse casi perfectamente entre sı́. La variable V
aquı́ muestra una correcta correlación en todo el intervalo
de tiempo de muestra en lugar de después de un punto.
En la última variación de condiciones iniciales se ob-
serva una correlación parecida a la del punto anterior,
sin embargo está un poco más alejado de corresponder
perfectamente, tanto para la variable X como la V.