Upload
others
View
6
Download
0
Embed Size (px)
Citation preview
Teoría de sistemasIntroducción a la modelización
es u
n m
od
elo
?¿Q
ué
es u
n
Énfasis en aspecto formal, artístico del coche
es u
n m
od
elo
?¿Q
ué
es u
n
Modelo esquemático, transformador de materia y energía
es u
n m
od
elo
?¿Q
ué
es u
n
Diagrama de sistema, incluyendo reguladores de flujo
es u
n m
od
elo
?¿Q
ué
es u
n
Análisis verbal de componentes y función
es u
n m
od
elo
?¿Q
ué
es u
n
Parte de un ciclo global de carbono/energía
es u
n m
od
elo
? Diferentes…
• Perspectivas
• Componentes
• Nivel de detalle (holismo vs. reduccionismo)
¿Qu
ées
un
• Nivel de detalle (holismo vs. reduccionismo)
• Nivel de formalización
DIFERENTES OBJETIVOS
de
mo
del
os
1. Verbales (teorías)
2. Gráficos
3. Matemáticos
Tip
os
de 3. Matemáticos
4. Informáticos
sirv
enlo
s m
od
elo
?1. Comprender mejor los sistemas
2. Integrar y sintetizar conocimientos
3. Predecir
4. Disponer de herramientas para la gestión y la toma de decisiones
5. Explorar el comportamiento de sistemas cuya
¿Par
a q
ué
sirv
en 5. Explorar el comportamiento de sistemas cuyamanipulación sería cara, lenta, de dimensionesexcesivas o éticamente reprobable
NO HAY UN MODELO MEJOR/PEOR
DEPENDE DE LOS OBJETIVOS
de
sist
emas
Economía – relaciones comerciales Ecología – relaciones mutualistas
Teo
ría
de
Sociología– relaciones personales
Electrónica – cara/cruz
Jordi Bascompte
de
sist
emas
BIODIVERSIDAD Y FUNCIONALIDAD DEL ECOSISTEMA: ANÁLISIS DE REDES MUTUALISTAS
Pedro Jordano
Ricard V. Solé
Teo
ría
de
Nombre d’espècies
(En blanc, funcions potencials)
de
sist
emas
BIODIVERSIDAD Y FUNCIONALIDAD DEL ECOSISTEMA: ANÁLISIS DE REDES MUTUALISTAS
Solé i Montoya, 2001
Nombre d’espècies
ConnectànciaTeo
ría
de
BIODIVERSIDAD Y FUNCIONALIDAD DEL ECOSISTEMA: ANÁLISIS DE REDES MUTUALISTAS
Teo
ria
de
sist
emas
Teo
ria
de
QUANTIFICACIÓ DE LA BIODIVERSITAT
MÈTODES: ÍNDEXS DE DIVERSITAT I EQUITATIVITAT
La teoria de la informació es basa en el concepte d’entropia, formulat per C. Shannon (1948) (BellLab.) A partir d’aquesta expressió és senzill veure que existeix una relació entreentropia, informació o diversitat i el nombre de preguntes binàries (de si/no, 1/0) que calformular per a identificar l’estat en què es troba un objecte d’una població o grupd’observacions.
1) Tots els objectes són idèntics. No cal fer cap pregunta per a predir en quin estat es troba unobjecte concret (a quina classe pertany). H=0
2) La meitat dels objectes es troba en un estat, l’altre meitat en l’altre. Només cal fer unapregunta (ex. l’objecte es troba en l’estat 1?)… I per tant H=1
GRUP D’OBSERVACIONS
de
sist
emas
3) Si es consideren quatre estats possibles, caldrà fer un mínim de dos qüestions binàries per a conèixer l’estat d’un objecte triat a l’atzar, i aleshores H=2
Qüestió BinàriaESTAT 1p(a1)=1/2
ESTAT 2p(a2)=1/2
ESTAT 1p(a1)=1/4
ESTAT 2p(a2)=1/4
GRUP D’OBSERVACIONS
ESTAT 3p(a1)=1/4
ESTAT 4p(a2)=1/4
Teo
ría
de
Fixeu-vos que H’=0, H’=1 i H’=2 serien les estimacions de la diversitat de Shannon que calcularíem amb l’expressió H’=-SUM(pi log2 pi)) si ho haguérem calculat per a pi=1, pi=1/2 i pi=1/4 (casos 1, 2 i 3), ja que amb màxima equitativitat, H’=log2 S (on S=1, 2 i 4 estats o espècies, respectivament
ÍNDEX DE SIMPSON
diversitat D = 1/∑(Pi2)
equitativitat Dmax = S; E = D/Dmax = (1/∑(Pi2))(1/S)
ÍNDEX DE SHANNON
QUANTIFICACIÓ DE LA BIODIVERSITAT
MÈTODES: ÍNDEXS DE DIVERSITAT I EQUITATIVITAT
de
sist
emas
diversitat H = -∑(Pi log2 Pi)
equitativitat J = H/Hmax = -∑(Pi log2Pi)/log2S
Comunitats pioneres, pertorbades, contaminades, sobre-explotades 1-3
Fitoplàncton 2’5
Comunitats madures 4-5
Màxim observat 5’3
Valors típics de l’índex de Shannon
Teo
ría
de
Calcula la diversidad de palabras/caracteres de la últimalínea de texto que has escrito
SISTEMAConjunto de reglas o elementos que ordenados contribuyen a un fin
Conjunto de elementos interrelacionadosde
sist
emas
Conjunto de elementos interrelacionados
MODELORepresentación formal de un sistemaTe
orí
ad
e
REALIDAD
SISTEMA 1 MODELO 1
de
sist
emas
FINES, MEDIOS, IDEOLOGÍA (CULTURA)
SISTEMA 2
SISTEMA 3
MODELO 2
MODELO 3Teo
ría
de
UTILIDAD
REALISMO
din
ámic
os
SISTEMAS ESTÁTICOS SISTEMAS DINÁMICOS
Independientes del tiempo Función del tiempo
Sist
emas
din
ámic
os
din
ámic
os
PROYECCIÓNTendencia
PREVISIÓNEvolución de un modelo determinista
SIMULACIONES
Sist
emas
din
ámic
os
SIMULACIONESGeneración de posibles estados del sistema(imágenes) por medio de un modelo, ante diferentes hipótesis o escenarios (es decir, ante diferentes combinaciones de parámetros, valores iniciales de los nivelesy evolución de variables externas)
dinámicosP
RO
YECC
IÓN
: Tend
encia
Variable Y
Sistemas dinámicos
Variable Y
Variab
le X
din
ámic
os
Var
iab
le Y
PREVISIÓN: Evolución modelo determinista
Señala las variables, constantes y parámetros de esta ecuación
Sist
emas
din
ámic
os
Var
iab
le Y
Variable X
Y = a + ebX
din
ámic
os
Var
iab
le Y
SIMULACIONES: posibles estados del sistema
Escenario 2Escenario 1
Escenario 3
Sist
emas
din
ámic
os
Var
iab
le Y
Variable X
bt
tt aN
RNN
)1(1 +=+
Modelo discreto de competencia intraespecífica
Determinismo impredecibled
inám
ico
sSi
stem
asd
inám
ico
s
TIPOS DE ESTABILIDADResistencia, Resiliencia
din
ámic
os
Sist
emas
din
ámic
os
ESTABILIDAD DE UN SISTEMA
Constancia o persistencia: capacidad de un sistema de no cambiar.
Resistencia o inercia: tasa de cambio en respuesta a unapresión externa. Un sistema inerte es aquel que es capaz de resistir fluctuaciones externas.
din
ámic
os
Resiliencia: tendencia de un sistema a volver al estado inicialtras una perturbación.
Elasticidad y amplitud: medidas de resiliencia. Elasticidades la velocidad a la que un sistema vuelve al estado original. Amplitud es una medida de la magnitud de la variación quepuede experimentar un sistema, manteniendo su capacidadde volver al estado original.
Sist
emas
din
ámic
os
Parameter shift: temperature, pH...
State variable shift: population density, Nº of
starting state forward perturbation
same reverse perturbation
din
ámic
os
State variable shift: population density, Nº of reproductive individuals...starting state forward
perturbationsame reverse perturbation
Beisner et al., 2003. Front. Ecol. Environ. 1(7)
Sist
emas
din
ámic
os
din
ámic
os
Nutrients
Scheffer et al., 2001. Nature 413
Sist
emas
din
ámic
os
dinámicosH
ISTÉRESIS
Sistemas dinámicos
dinámicosB
ifurcacio
nes
Sistemas dinámicos
En el ejemplo anterior, representa en un modelográfico las variaciones del flujo de hormigas en función de las dimensiones de la población
Recordad:din
ámic
os
Recordad:Fase 1. Por ambos orificios.Fase 2. Alternativamente por uno u otro.Fase 3. Predominantmente por uno de ellos.
Sist
emas
din
ámic
os
din
ámic
os
MODELOS DE ESTADO Y TRANSICIÓNSi
stem
asd
inám
ico
s
M. Derak (2011)
dinámicosC
atástrofes
Sistemas dinámicos
CARACTERÍSTICAS ESTRUCTURALES DE UN SISTEMA
• Elementos (endógenos/exógenos)
• Relaciones
• Límites
de
sist
emas
CARACTERÍSTICAS ESTRUCTURALES DE UN SISTEMA
• Elementos (endógenos/exógenos)
• Relaciones
CARACTERÍSTICAS ESTRUCTURALES DE UN SISTEMA
• Elementos (endógenos/exógenos)Te
orí
ad
e
COMPARTIMENTO (pool, compartment; compartiment): material con unas determinadas características físicas, químicas o biológicas bajo unas determinadas condiciones
FLUJO (flux; flux): cantidad de material, energía o información transferida desde un compartimento
de
sist
emas
información transferida desde un compartimento (variable de estado) a otro por unidad de tiempo.
FUENTE (source, font): Origen de un flujo
SUMIDERO (sink, embornal): Destino de un flujo.
BALANCE : Revisión de las fuentes y sumideros que afectan a un compartimento
Teo
ría
de
CARACTERÍSTICAS FUNCIONALES DE UN SISTEMA
• Válvulas que controlan los flujos
• Retrasos (efectos hereditarios, inercia)
• Bucles de retroalimentación, cadenas de causalidad o
de
sist
emas
• Bucles de retroalimentación, cadenas de causalidad o influencias circulares
Teo
ría
de
Dia
gram
asca
usa
les
Relaciones causales
Depresivos (reguladores o estabilizadores):
Bucles de retroalimentación
Dia
gram
as
Explosivos:
Dia
gram
asca
usa
les
Pieles en el mercado de Londres (x1000)
Dia
gram
as
Más de dos interaccionesD
iagr
amas
cau
sale
s Simples
Complejos o superpuestos
Sólo signos + � Explosivo
Sólo signos - � explosivo(par) o depresivo (impar)
Combinado � Si Σ– es par: explosivo, impar: depresivo
Dia
gram
as Complejos o superpuestos
Combinaciones complejasdifíciles de predecir
Grafica los bucles de causalidad simple que describen las interacciones ecológicas en las costasdel Oeste de EE.UU.
Dia
gram
asca
usa
les
Dia
gram
as
CARACTERÍSTICAS ESTRUCTURALES DE LOS MODELOS MATEMÁTICOS
Elementos (variables y parámetros). Definición precisa de un elemento cuya magnitud varía en el tiempo. Endógenos (variables dependientes) y
de
sist
emas
exógenos (variables independientes o explicativas)
Relaciones. Relaciones funcionales o funciones que relacionan variables y parámetros (ecuaciones). Redes.Te
orí
ad
e
de
sist
emas
VARIABLES ENDÓGENAS
CARACTERÍSTICAS ESTRUCTURALES DE LOS MODELOS MATEMÁTICOS
Teo
ría
de
VARIABLES EXÓGENAS
PARÁMETROS
Y1=A+B X1 + C Y2
Y2 = B X2 eD
din
ámic
os
dY1/dt = f (X, Y, Θ)dY2/dt = f (X, Y, Θ)Y = f (X, Θ , T, Y0)
Donde Θ corresponde a parámetro(s) y T a tiempo
Y
constante
Y
lineal
Y
exponencial
Sist
emas
din
ámic
os
Tiempo
Y
Tiempo
Y
Tiempo
Y
Tiempo
Y
sigmoidea
Tiempo
Y
oscilatoria
Tiempo
Y
oscilatoria atenuada
PROCESO DE ORDEN CERO: Si se trata de un flujo de salida independiente del volumen del compartimento.
PROCESO DE PRIMER ORDEN: Si se trata de un
de
sist
emas
PROCESO DE PRIMER ORDEN: Si se trata de un flujo de salida proporcional a las dimensiones del compartimento (F = k M)
PROCESOS DE ORDEN 2, 3,…: F = k Mα donde α>1
Teo
ría
de
Si consideramos un proceso de primer orden, describe gráficamente en un modelo DISCRETO la evolución del compartimento (C) en relación al tiempo (t), considerando que k=0,5 y que el flujo (F) es de salida (no hay flujo de entrada).
F=kMM
de
ord
en1
t
Pro
ceso
sd
e
Considerando que la entrada de aire troposférico en la estratosfera es del 75 % cada año y que la atmósfera se comporta como u n sistema estable 75 % cada año y que la atmósfera se comporta como u n sistema estable con una dinámica de orden 1, calcula la tasa de ren ovación (k) del aire en la estratosfera.
En el caso continuo:
lnlnln
1
tto
MtMo
t
to
Mt
Mo
toktkMoMtktM
dtkdMM
dtkM
dMMk
dt
dM
⇒⋅−⋅=−⇒=⇒
⋅=⋅⇒⋅=⇒⋅= ∫∫
de
ord
en1
)()(ln totkeMo
Mttotk
Mo
Mt −=⇒−=⇒
kttkee
Mo
Moe
Mo
Mt
MoMt
tktkkt 693.0693.05.0
5.0
5.0
=⇒⋅−=−⇒=⇒=⋅⇒=
⋅=
⋅−⋅−−
Y la Vida Media : K: Tasa de renovación (F/M, T-1)TMR: Tiempo Medio de Residencia (1/k, M/F, T)P
roce
sos
de
Considerando que la entrada de aire troposférico en la estratosfera es del 75 % cada año y que la atmósfera se comporta como u n sistema estable con una dinámica de orden 1, calcula la tasa de ren ovación (k) del aire en la estratosfera y el tiempo medio de residencia (TMR).
A continuación, utiliza el modelo continuo para esti mar qué porcentaje de las emisiones que alcanzaron la estratosfera tras la erupción del volcán Eyjafjallajökull (abril de 2010) quedarán ahí en abr il de 2014
Considerando que el flujo de aire troposférico en la estratosfera es del 75 % cada año y que la atmósfera se comporta como un sistema estable con una dinámica de orden 1…
Calcula el tiempo medio de residencia del aire en la estratosfera (TMR) y la tasa de renovación (k)
Utiliza el modelo continuo para estimar qué porcentaje de las emisiones que alcanzaron la estratosfera tras la erupción del volcán Eyjafjallajökull quedarán ahí en abril de 2014
de
ord
en1
añosTMR
añosTMRK
MF
FMTMR
_3.175.01
_75.01
75.0
1
)
==
==
=
=
−05.0
_4
3475.0*0
*
*0
*
===
=⋅=
−×−
−
eeM
M
añost
eMM
t
ktt
Pro
ceso
sd
e
1. Calcula la tasa de renovación del N en un lagoconsiderando que se trata de un sistemaestable de orden 1 , el lago tiene 10 Hm3, la concentración de N en sus aguas es de 1 ppm y recibe unas entradas anuales de 200 kg N.d
e o
rden
1
recibe unas entradas anuales de 200 kg N.
2. ¿Cuánto tiempo deberá transcurrir, traseliminar las fuentes de N, para que los nivelesde N se reduzcan a un tercio de los actuales?
Pro
ceso
sd
e
fun
cio
nal
del
sist
ema A partir de los diagramas causales, con un mayor nivel de formalización...
An
ális
isfu
nci
on
al
http://en.wikipedia.org/wiki/System_dynamicshttp://ssmworld.mit.edu/streams/reunion2002/forrester_20010521.html
J.W. FORRESTER
fun
cio
nal
del
sist
ema
Nube: fuente/sumidero, en la prácticainagotable
Variable de estado: nivel, stock o acumulación de flujo
Variable auxiliar: ayuda a explicar el valor de un flujo
Parámetro: tasa, magnitud constante en cualquier dimensión
An
ális
isfu
nci
on
al
Variable de flujo: variación de nivel, cambio en estado de un sistema
Canal de materia: acción de un flujo sobre un nivel en relación con la materia
Canal de información: acción de un flujosobre un nivel en relación con información
Retraso: transmisión de información no inmediata (período más largo que el elegidocomo unidad temporal del análisis)
Variable exógena: independiente, no se ve afectada por el sistema
fun
cio
nal
del
sist
ema Algunas reglas
1. Canal de materia: se debe establecerentre nube y nivel, o entre niveles
2. Canal de información: conecta causas y efectos: nunca irán de variables endógenas a exógenas
3. Canal de información: no conecta
An
ális
isfu
nci
on
al
3. Canal de información: no conectavariables de flujo o tasas con variables de estado, sinó al revés.
4. Se puede establecer relaciones funcionales alternativas (condicionaleso de ‘clip’): Y1=f(X), Y2=f(Z), Y=MAX(Y1,Y2)
5. Cuando una variable influye sobre ella misma se usa un símbolo de retraso
Dibuja un diagrama causal sobre algún aspectorelativo al cambio climático
fun
cio
nal
del
sist
ema
An
ális
isfu
nci
on
al
funcional del sistemaAnálisis funcional
Dibuja un diagrama causal a partir de esta foto
3 4 . 2 7 L
fun
cio
nal
del
sist
ema
Apertura grifo
An
ális
isfu
nci
on
al
grifo
Flujo gasolina
Nivel depósito
Diferencia 40 € - nivel depósito
Modelo verbal: Esta chica quiere llenar el depósito hasta los 40 litros.
fun
cio
nal
del
sist
ema
POBLACIÓN
DEFUNCIONES
Tasa de defunciones
MIG
RA
CIO
NES
An
ális
isfu
nci
on
al
NACIMIENTOS
Tasa de nacimientos
fun
cio
nal
del
sist
ema
calor
pérdidade calor
Factor de pérdida
temperatura
discrepancia
An
ális
isfu
nci
on
al
calor
generaciónde calor
discrepancia
Temperatura deseada
3 4 . 2 7 L
Ahora inténtalo con un diagrama de Forresterfu
nci
on
ald
elsi
stem
a
Gasolinera
40 €
An
ális
isfu
nci
on
al
Gasolinera
Depósito coche
Discrepancia Grifo
Modelo verbal: Esta chica quiere llenar el depósito hasta los 40 litros.
Dibuja un diagrama de Forrester que tenga en cuenta competencia INTRAespecífica en natalidad
fun
cio
nal
del
sist
ema
An
ális
isfu
nci
on
al
Población A
Muertes
Discrepancia
KA
fun
cio
nal
del
sist
ema
dNA/dt = rANA (KA-NA)/KA
POBLACIÓN
NACIMIENTOS
Tasa de nacimientos
Nacimientos
Población ADiscrepancia
r
An
ális
isfu
nci
on
al
Competencia intraespecífica(natalidad)
dNA/dt = rANA (KA-NA)/KA
Ahora intenta hacer un diagrama de Forrester que tenga en cuenta competencia iNTRAespecífica e INTERespecífica en natalidad
fun
cio
nal
del
sist
ema
An
ális
isfu
nci
on
al
Población A
Muertes
Discrepancia
KA
Población B
fun
cio
nal
del
sist
ema
Nacimientos
PoblaciónA
Muertes
Discrepancia
KA
r
Nacimientos
Población ADiscrepancia
r
Población B
αAB
An
ális
isfu
nci
on
al
Competencia intra+interespecífica (natalidad)
dNA/dt = [rANA (KA-NA)/KA] - NBαAB
funcional del sistemaO
trasrep
resentacio
nes
form
ales: Od
um
Análisis funcional
fun
cio
nal
del
sist
ema Recopilando... Fases de la modelización
1. Descripción del sistema. Identificación de sus elementos y relaciones fundamentales
2. Diagrama causal
3. Definición precisa de cada magnitud, código de variables
4. Diagrama de Forrester/MDS/...
1. Descripción del sistema. Identificación de sus elementos y relaciones fundamentales
2. Diagrama causal
3. Definición precisa de cada magnitud, código de variables
4. Diagrama de Forrester/MDS/...
An
ális
isfu
nci
on
al
4. Diagrama de Forrester/MDS/...
5. Sistema de ecuaciones
6. Calibrado
7. Análisis de sensibilidad
8. Contrastado
9. Simulación
4. Diagrama de Forrester/MDS/...
5. Sistema de ecuaciones
fun
cio
nal
del
sist
ema Calibrado
Asignar valores a los parámetros y valores iniciales a las variables de estado. En ocasiones puede ser el principal objetivo de la modelización(por ejemplo, cuando variable dependiente sea la más conocida).
• Búsqueda bibliográfica
• ‘Best guess’, opinión experta...
An
ális
isfu
nci
on
al
• Experimentación
• Sintonización con resultados o comportamientos conocidos del modelo (ensayo y error). Métodos de remuestreo (Bootstrapping, Jackknifing).
UNIDAD VAR X VAR Y
1 X1 Y1
2 X2 Y2
3 X3 Y3
4 X4 Y4
MO
DEL
O
fun
cio
nal
del
sist
ema
Métodos de remuestreo
CA
LIBR
AC
IÓN
4 X4 Y4
5 X5 Y5
6 X6 Y6
7 X7 Y7
MO
DEL
O
An
ális
isfu
nci
on
al
CA
LIBR
AC
IÓN
fun
cio
nal
del
sist
ema Análisis de sensibilidad
Evaluación de cambios en las variables endógenas como consecuencia de variaciones en el valor de los parámetros.
Fase importante en el proceso de calibrado
Peso actual
An
ális
isfu
nci
on
al
Contrastado
Grado de ajuste entre modelo y hechos observados
¿Cómo se mide este ajuste?
Normas de convergencia: (Yc-Yo)/Yo < εDonde Yc = valor estimado o previsto, Yo = valor observado y ε es el error admisible
fun
cio
nal
del
sist
ema
admisible
Además, esta fase se puede usar para escoger el “mejor” modelo…
An
ális
isfu
nci
on
al
Suma de Cuadrados Residual
Y D
ata
468
1012141618
Y=Yo+a*XRSS=24.4p<0.0001
Y=Yo+a*X+b*X^2+c*X^3RSS=13.8p<0.0003
Contrastado
Cuando hay varios modelos posibles... ¿cómo optar por uno u otro?fu
nci
on
ald
elsi
stem
a
X Data
0 2 4 6 8 10 12
02
X Data
0 2 4 6 8 10 12
Y D
ata
02468
1012141618
Y=Yo+a*X+b*X^2RSS=23.9p<0.0002
Y=a*X^bRSS=24.5p<0.0001
An
ális
isfu
nci
on
al
Contrastado
AIC: CRITERIO DE INFORMACIÓN DE AKAIKEfu
nci
on
ald
elsi
stem
a
AIC = 2k – 2 ln(L)
Nº de parámetros Función de verosimilitud
An
ális
isfu
nci
on
al
AIC = n ln(RSS/n) + 2k + C
Se puede obviar en comparaciones entre
modelos
Suma de CuadradosResidual
Nº de muestras
RECURSOS
• Martínez, S. y Requena, A. (1986). Dinámica de sistemas. 1. Simulación por ordenador. AlianzaEditorial. Madrid.
• Aracil, J. y Gordillo, F. (2002). Dinámica de sistemas. Alianza Universidad Textos. Madrid.• Caselles, A. (2008). Modelización y simulación de sistemas complejos. Publicacions de la Universitat
de València. València. http://www.uv.es/~caselles/Mod1.pdf• Jorgensen, S. and Bendoricchio, G. Fundamentals of ecological modelling. 3d Ed. Developments in
Environmental Modelling 21. Elsevier. Oxford.• http://www.slideshare.net/jaisraal/modelos-de-simulacion• http://www.slideshare.net/jaisraal/modelos-de-simulacion