MinimosQuadrados ModelosNãoLineares

Universidade do Minho
Campos de Azurm Escola de Engenharia Departamento de Produo e Sistema MIEGI Mestrado Integrado de Engenharia e Gesto Industrial
Tcnica dos Mnimos Quadrados em Modelos No-Lineares

Mtodos Numricos 2012/2013
maio de 2012
Mtodos Numricos 2013
Grupo Mtodos Numricos:
Andr Lopes A62036
Jos Nogueira A66106
Micael Gonalves A65513
Nuno Silva A66105
Ricardo Crista A66104
Docentes: Senhorinha Teixeira Ana Rocha
10 de maio de 2013
Universidade do Minho ndice
ndice de Figuras .............................................................................................................. 4 ndice de Tabelas .............................................................................................................. 4 Introduo ......................................................................................................................... 5 Problema prtico ............................................................................................................... 6 Mtodo Numrico utilizado: Mnimos Quadrados ........................................................... 8 Critrio para o Melhor Ajuste ................................................................................... 8 Mnimos Quadrados num modelo linear .................................................................... 10 Resoluo do problema .................................................................................................. 11 Modelo exponencial ................................................................................................... 11 Modelo de potncia .................................................................................................... 14 Resoluo do problema em Matlab ................................................................................ 19 Resoluo do problema em Matlab aps a linearizao dos dados ............................ 19 Resoluo do problema em Matlab sem recorrer linearizao dos dados .................. 21 Taxa de saturao do crescimento .................................................................................. 23 Comparao e Discusso dos Resultados ....................................................................... 29 Concluses ...................................................................................................................... 34 Anexo Calculo dos Resduos do Modelo Populacional .............................................. 35 Bibliografia ..................................................................................................................... 36
Universidade do Minho ndice de Figuras
Figura 1 Critrio do melhor ajuste (1) ........................................................................... 9 Figura 2 - Critrio do melhor ajuste (2) ............................................................................ 9 Figura 3 - Representao Grfica da Quantidade de Energia Elica produzida por ano 11 Figura 4 - Funo exponencial linearizada ..................................................................... 12 Figura 5 - Funo potncia linearizada........................................................................... 14 Figura 6 - Representao do Modelo Exponencial e de uma Potncia .......................... 18 Figura 7 - Modelo de crescimento populacional ............................................................ 23 Figura 8 - Taxa de crescimento por Recursos disponveis ............................................. 25 Figura 9 - Representao dos modelos exponenciais ..................................................... 29 Figura 10 - Representao dos modelos populacionais .................................................. 32
ndice de Tabelas
Tabela 1 - Dados Mundiais sobre a produo de Energia Elica (Wind in Power) ......... 7 Tabela 2 - Clculo dos Coeficientes das Equaes Normais para o modelo exponencial ........................................................................................................................................ 12 Tabela 3 - Clculo dos Coeficientes das Equaes Normais para o modelo exponencial ........................................................................................................................................ 15 Tabela 4- Clculo dos coeficientes de determinao do Modelo Exponencial e de Potncia .......................................................................................................................... 16 Tabela 5 - Clculo dos Coeficientes das Equaes Normais para o modelo populacional ........................................................................................................................................ 26 Tabela 6 - Calculo dos valores de Residuos dos Modelos exponenciais........................ 30
Universidade do Minho Introduo
O crescimento da industrializao, da tecnologia e o aumento generalizado da populao mundial fizeram com que as necessidades de energia fossem crescendo progressivamente. O petrleo, fonte tradicional de energia, imprescindvel pelo que o seu consumo continua, inevitavelmente, a crescer. Contudo este recurso limitado o que levou procura de fontes de energia alternativas, ecolgicas e melhor que tudo ilimitadas. O presente trabalho sobre a produo mundial de energia elica e suas potencialidades, mais concretamente como tem sido o seu crescimento e como poderemos prever o seu futuro prximo. objetivo deste trabalho tentar prever como se ira comportar a produo de energia elica no futuro recorrendo a Tcnica dos mininos quadrados em modelos no lineares auxiliado com a ferramenta Matlab, aproveitando tambm para aprender conhecimentos to importantes como estes. Este trabalho est organizado em 5 partes fundamentais. Na primeira parte ser abordado o nosso problema prtico, seguindo de uma segunda parte onde expomos o que a tcnica de mnimos quadrados. Na terceira parte optamos por fazer a resoluo do problema, e posterior discusso dos resultados, onde se termina com a concluso. A resoluo do problema estar dividida tambm ela partes. Em primeiro lugar tentaremos encontrar o modelo no linear que melhor se aproxima nossa variao dos dados, atravs de tcnicas de linearizao e de funes do Matlab. Na segunda parte tentaremos resolver o problema da irrealidade da funo para determinados valores, tentando encontrar, por exemplo, a taxa de crescimento mxima para uma utilizao dos recursos ptimas. Este modelo de aproximao pode ser chamado de populacional. Esperamos assim atingir estes objectivos e ultrapassar as dificuldades.
Universidade do Minho Problema prtico
Vivendo ns num mundo consumista e com recursos limitados, sedentos de rentabilizao do capital, procuramos ento, analisando a evoluo do mercado, um bom investimento futuro. Olhando para razes ecolgicas decidimos pesquisar um pouco mais sobre energias renovveis e suas potencialidades. Para ajudar a anlise resolvemos fazer uma pesquisa de mercado que importante para todas as empresas. Uma empresa de sucesso realiza pesquisas numa base contnua para acompanhar as tendncias do mercado e manter uma vantagem competitiva. Pesquisa de mercado vital para a compreenso do nosso mercado alvo e aumentar os lucros. Uma pesquisa de mercado engloba vrias etapas que se deve analisar escrupulosamente tais como, identificar potenciais clientes e compreenso dos mesmos, definio de metas realistas, desenvolver estratgias eficazes, analisar e resolver problemas de negcios, identificar oportunidades de negcios A finalidade da pesquisa determinada pelo que queremos alcanar (nossos objetivos) e os tipos de decises que precisamos para ajudar a fazer. Antes de comear, essencial definir bem os nossos objetivos. Esta a parte mais importante do processo e evitar perdas de tempo e de esforo em fases posteriores. Realizao de um estudo de investigao bem-sucedido envolve quatro fases distintas: verificar se a mesma ou semelhante pesquisa foi realizada no passado, rever todos os dados relevantes existentes, determinar quando a informao necessria e quanto podemos gastar para obt-la, e deciso de como os dados sero utilizados, e por quem. Grande parte da informao que precisamos pode ser encontrada em registros internos da empresa ou de fontes oficiais. As informaes coletadas em uma base dia-adia pode ajudar a identificarem tendncias, tais como produtos populares ou a sazonalidade do produto/servio. Outras informaes se dividem em duas reas: oficial, isto inclui informao recolhida e publicada por agncias do governo federal, estadual e local ou no oficial, esta abrange os dados que podem ser obtidos a partir de fontes
como a internet, jornais, revistas, livros de referncia... A nossa informao foi baseada em dados no oficiais da The wind power company e market intelligence report. Depois de terminar o seu levantamento hora de analisar as respostas e obter as respostas para as perguntas que fizemos no incio. Se a pesquisa mostra que o objetivo proposto tem uma alta probabilidade de fracasso seria imprudente continuar, a menos que estejamos em posse de obter informao adicional que vai mudar essa avaliao. Recolhendo a dados de nvel mundial sobre a produo de energia elica entre os anos 1995 ate 2012 faremos um estudo de forma a enquadrar estes dados atravs de uma funo para podermos estimar num futuro prximo, por exemplo, se vale apena investimentos nesta rea. Outra varivel importante e interessante de estudar o limite mximo de crescimento possvel perante os recursos disponvel. Os nossos dados foram recolhidos no terreno atravs de equipas de investigao com base em cada pas.
Tabela 1 - Dados Mundiais sobre a produo de Energia Elica (Wind in Power)
Ano Quantidade (MW) 1995 4800 1996 6100 1997 7482 1998 9670 1999 13699 2000 18040 2001 24318 2002 31184 2003 41353 2004 49461 2005 59135 2006 74176 2007 93959 2008 121247 2009 157910 2010 194560 2011 237046 2012 276055
Mtodo Numrico utilizado: Mnimos Quadrados

Os Mtodos Numricos destinados aproximao dos dados esto diretamente relacionados com o tipo de erros que lhes esto associados. Assim, h duas possibilidades gerais de abordar um problema de aproximao de dados: se os dados obtidos forem precisos, o mtodo mais comum de ser utilizado a interpolao (polinomial ou spline), caso contrrio, quando existe um erro substancial na nossa amostra (o que acontece normalmente) usa-se a tcnica dos mnimos quadrados. A tcnica dos mnimos quadrados procura obter uma expresso numrica que consiga traduzir o comportamento de uma varivel dependente em funo de uma varivel independente, quando se observam variaes que sugerem uma relao entre os dois elementos (atravs, por exemplo, da inspeo visual de um grfico). Neste tipo de aproximaes a estratgia mais adequada passa por determinar uma funo aproximadora aos pontos, isto , no com o objetivo que passe em todos os pontos (para isso faramos uma interpolao polinomial) mas sim que se ajuste tendncia geral dos dados, sem que que necessariamente de passar por cima dos pontos. Uma forma possvel de fazer esta aproximao seria, por exemplo, esboar manualmente uma recta que se ajustasse distribuio dos pontos. Esta seria com certeza uma proposta aliciante, e at possvel para a obteno de informao informal, contudo ficaria totalmente descredibilizada num contexto formal uma vez que obtida de uma forma arbitrria e subjetiva (a menos que os pontos definissem uma recta perfeita). Neste contexto, para colmatar esta subjetividade adjacente a este mtodo, foi desenvolvido um critrio que servisse de regra para o melhor ajuste: minimizar a diferena entre os dados e os pontos da curva.
Critrio para o Melhor Ajuste

Considerando o critrio enunciado, para um conjunto de n pontos aproximados a um modelo matemtico Mi, temos que o critrio seria:

Este critrio facilmente refutado se considerar o seguinte exemplo:
Figura 1 Critrio do melhor ajuste (1)
O modelo que melhor expressa esta situao , naturalmente, uma recta que passa pelos dois pontos. Contudo, se considerarmos uma recta que passe no ponto mdio indicado na figura os erros anulam-se segundo a expresso apresentada. Para colmatar esta lacuna, a estratgia lgica foi aplicar mdulo ao somatrio dos erros:
Ainda assim, esta estratgia no era a mais adequada, pois se considerarmos o caso da imagem abaixo, as rectas tracejadas so aquelas que minimizam os erros mas no o mtodo mais apropriado.
Figura 2 - Critrio do melhor ajuste (2)
Por fim, surgiu a estratgia aplicada a este tipo de erros e bem mais eficaz na uniformizao das respostas:

A estes valor de erro total d-se tambm o nome de resduo.
Mnimos Quadrados num modelo linear

Se o modelo de aproximao for linear, tal que:
Ento, a soluo dos coeficientes
dada pela matriz:
[ ] [ ]
O modelo linear mais utilizado neste tipo de aproximaes a recta, pelo que, com m pontos, temos: ( ) ( )
Estas equaes, tambm chamadas equaes normais, aplicam-se em modelos no lineares depois de aplicarmos a linearizao.
10
Universidade do Minho Resoluo do problema
A disposio dos dados do problema descrito est representada na figura 3

Quantidade de Energia Elica produzida no Mundo
300000 250000 Quantidade (MW) 200000 150000 100000 50000 0 1990
1995
2000 Ano
2005
2010
2015
Figura 3 - Representao Grfica da Quantidade de Energia Elica produzida por ano
Analisando cuidadosamente a figura 3 vemos que o modelo a utilizar para realizarmos uma regresso ser no linear, podendo inclusive ser estudadas duas possibilidades: Um modelo exponencial, da forma y = a e b x Um modelo de potncia, da forma y = a xb
Como ambas podem servir de boa aproximao para os dados em questo decidimos abordar os dois casos e de seguida optar pelo modelo com menor erro, ou menor coeficiente de determinao.
Modelo exponencial
O modelo exponencial um modelo muito usado na engenharia para caracterizar quantidades que aumentam ou diminuem a uma taxa que diretamente proporcional ao seu valor absoluto e que segue a forma y = a e b x. Ainda assim, como vimos apenas possvel fazer uma regresso atravs de modelos lineares, pelo que temos proceder a linearizao do modelo antes de o resolver.
11
Deste modo, a equao pode ser linearizada atravs da aplicao da funo ln, ou seja: ln(y) = ln( a e b x ) = ln(a) + ln(e b x) = ln(a) + b * x Considerando agora que: y'=ln(y) , a0=ln(a) , Temos, esto, a equao de uma recta: y' = a0 + a1 x Aplicando esta linearizao as nossos dados temos um grfico que, como se pode constar na figura 4, se aproxima bastante a um modelo linear de uma recta. Linearizao da Quantidade de Energia Elica produzida no Mundo
14 12 ln (Quantidade) (MW) 10 8 6 4 2 0 1990 1995 2000 Ano 2005 2010 2015
a1=b
Figura 4 - Funo exponencial linearizada
Depois de aplicadas estas transformaes podemos obter as constantes a0 e a1 (e consequentemente a e b) podemos empregar o Mtodo dos Mnimos Quadrados para um modelo linear.
Tabela 2 - Clculo dos Coeficientes das Equaes Normais para o modelo exponencial
x 1995
y 4800
y'=ln(y)
x2
x*y'
8,476371 3980025 16910,36
12
1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 Soma: 36063 6100 7482 9670 13699 18040 24318 31184 41353 49461 59135 74176 93959 121247 157910 194560 237046 276055

8,716044 8,920255 9,176784 9,525078 9,800347 10,09897 10,34766 10,6299 10,80894 10,98758 11,2142 11,45061 11,70559 11,96978 12,1785 12,37601 12,52836 3984016 3988009 3992004 3996001 4000000 4004001 4008004 4012009 4016016 4020025 4024036 4028049 4032064 4036081 4040100 4044121 4048144 17397,22 17813,75 18335,21 19040,63 19600,69 20208,04 20716,02 21291,69 21661,12 22030,09 22495,68 22981,38 23504,81 24047,29 24478,78 24888,16 25207,05 382608
1420195 190,911 72252705
( )
Passando agora para o nosso modelo exponencial temos que:
Pelo que o modelo exponencial , ento: y=
13
Modelo de potncia
O modelo de potncia simples um modelo no linear muito usado em vrios campos da engenharia e que segue a forma y = a x b. Novamente apenas possvel fazer uma regresso atravs de modelos lineares, pelo que temos proceder tambm a linearizao do modelo antes de o resolver. Deste modo, a equao pode ser linearizada atravs da aplicao da funo ln, agora a ambas as variveis, ou seja: ln(y) = ln(a x b) = ln(a) + ln(x b) = ln(a) + b * ln(x) Considerando agora que: y'=ln(y) , x'=ln(x) , a0=ln(a) , a1=b
Temos, esto, a equao de uma recta: y' = a0 + a1 x Aplicando esta linearizao aos nossos dados temos um grfico que, novamente, como se pode constar na figura 5, se aproxima bastante a um modelo linear de uma recta.
Linearizao da Quantidade de Energia Elica produzida no Mundo

7,608 7,606 ln (Quantidade) (MW) 7,604 7,602 7,6 7,598 7,596 8 9 10 ln (Ano) 11 12 13
Figura 5 - Funo potncia linearizada
14
Depois de aplicadas estas transformaes podemos obter as constantes a0 e a1 (e consequentemente a e b) podemos empregar o Mtodo dos Mnimos Quadrados para um modelo linear. Devido s aproximaes aos limites da funo exponencial tivemos de fazer a aproximao ao modelo y = a (x-1994) b
Tabela 3 - Clculo dos Coeficientes das Equaes Normais para o modelo exponencial
x 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 Soma:
x'=ln(x-1994) 0 0,693147 1,098612 1,386294 1,609438 1,791759 1,94591 2,079442 2,197225 2,302585 2,397895 2,484907 2,564949 2,639057 2,70805 2,772589 2,833213 2,890372 36,39545
y 4800 6100 7482 9670 13699 18040 24318 31184 41353 49461 59135 74176 93959 121247 157910 194560 237046 276055
y'=ln(y) 8,476371 8,716044 8,920255 9,176784 9,525078 9,800347 10,09897 10,34766 10,6299 10,80894 10,98758 11,2142 11,45061 11,70559 11,96978 12,1785 12,37601 12,52836 190,911
x'2 0 0,480453 1,206949 1,921812 2,59029 3,210402 3,786566 4,324077 4,827796 5,301898 5,749902 6,174761 6,578965 6,964624 7,333536 7,687248 8,027098 8,354249
x'*y' 0 6,041501 9,799902 12,72172 15,33002 17,55986 19,65169 21,51735 23,35628 24,8885 26,34706 27,86623 29,37024 30,89171 32,41477 33,76596 35,06388 36,2116
84,52063 402,7983
( )
15
Passando agora para o nosso modelo de potncia temos que: .02
Pelo que o modelo de potncia , ento: y=
Comparao do modelo exponencial e de potncia A medida que serve de comparao entre os modelos o coeficiente de determinao, r2, onde r o coeficiente de correlao:
Para a obteno destes valores precisamos dos seguintes valores.
Tabela 4- Clculo dos coeficientes de determinao do Modelo Exponencial e de Potncia
x 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
Modelo exponencial y'=ln(y) x2 x*y' 8,476371 8,716044 8,920255 9,176784 9,525078 9,800347 10,09897 10,34766 10,6299 10,80894 10,98758 11,2142 11,45061 11,70559 11,96978 3980025 3984016 3988009 3992004 3996001 4000000 4004001 4008004 4012009 4016016 4020025 4024036 4028049 4032064 4036081 16910,36 17397,22 17813,75 18335,21 19040,63 19600,69 20208,04 20716,02 21291,69 21661,12 22030,09 22495,68 22981,38 23504,81 24047,29
y'2 71,84887 75,96942 79,57096 84,21336 90,72711 96,0468 101,9892 107,0741 112,9948 116,8332 120,7269 125,7582 131,1166 137,0207 143,2756
x'=ln(x) 0 0,693147 1,098612 1,386294 1,609438 1,791759 1,94591 2,079442 2,197225 2,302585 2,397895 2,484907 2,564949 2,639057 2,70805
Modelo de uma potncia y'=ln(y) x'2 x'*y' 8,476371 8,716044 8,920255 9,176784 9,525078 9,800347 10,09897 10,34766 10,6299 10,80894 10,98758 11,2142 11,45061 11,70559 11,96978 0 0,480453 1,206949 1,921812 2,59029 3,210402 3,786566 4,324077 4,827796 5,301898 5,749902 6,174761 6,578965 6,964624 7,333536 0 6,041501 9,799902 12,72172 15,33002 17,55986 19,65169 21,51735 23,35628 24,8885 26,34706 27,86623 29,37024 30,89171 32,41477
y'2 71,84887 75,96942 79,57096 84,21336 90,72711 96,0468 101,9892 107,0741 112,9948 116,8332 120,7269 125,7582 131,1166 137,0207 143,2756
16
2010 2011 2012 Soma 36063 12,1785 4040100 12,37601 4044121 12,52836 4048144 190,911 72252705
24478,78 148,3158 2,772589 12,1785 7,687248 33,76596 148,3158 24888,16 153,1656 2,833213 12,37601 8,027098 35,06388 153,1656 25207,05 156,9597 2,890372 12,52836 8,354249 36,2116 156,9597 382608 2053,607 36,39545 190,911 84,52063 402,7983 2053,607
Assim, temos que:
O coeficiente de determinao, r2, indica-nos a percentagem de variao dos dados explicados pelo modelo. Visto que esta de 99,56 % no modelo exponencial e de 17,24 % no modelo de potncia optaremos, logicamente, pelo modelo exponencial. Alis, dado o elevado valor obtido (prximo do valor perfeito 1) podemos considerar o modelo com uma excelente aproximao aos dados tratados. A representao grfica, na figura 6, dos dois modelos tambm exemplificadora da diferena de preciso dos dois modelos.
17
Figura 6 - Representao do Modelo Exponencial e de uma Potncia
Sendo o erro uma relao entre valores dos pontos e os valores da funo vemos que o erro, logicamente, muito mais superior no modelo de uma potncia.
18
Universidade do Minho Resoluo do problema em Matlab
A resoluo de aproximaes de dados para modelos no lineares (neste caso um modelo exponencial) atravs de Mnimos Quadrados pode ser realizada de dois modos atravs do Matlab. A 1 opo tem de ser antecedida de uma linearizao do modelo seguindo-se os clculos do coeficiente do polinmio (polinmio de grau 1 no nosso caso). A 2 opo passa por aplicar directamente o Matlab e obter os coeficiente do modelo no linear.
Resoluo do problema em Matlab aps a linearizao dos dados

Aps a linearizao j explicada na seco anterior, o comando do Matlab que permite obter os coeficientes do modelo linear (que no captulo anterior se designavam a0 e a1) o seguinte:
x = [1995,1996,1997,1998,1999,2000,2001,2002,2003,2004,2005,200 6,2007,2008,2009,2010,2011,2012]; y = [8.476371197,8.71604405,8.920255415,9.176783588,9.525078116 ,9.800346794,10.0989721,10.34766042,10.62990025,10.80893976 ,10.98757824,11.21419593,11.4506138,11.70558507,11.96978053 ,12.17849588,12.37600949,12.5283554]; [p,S] = polyfit(x,y,1)
Em primeiro lugar, note-se que os valores de x so os dos anos representados, contudo os de y no a quantidade de energia produzida, mas sim esses valores linearizados pela funo ln. O comando polyfit permite calcular analiticamente os coecientes de um polinmio que queremos ajustar ao conjunto de pontos. Alm disso calcula tambm o valor dos resduos.
19
A sua sintaxe de utilizao : [p,S] = polyfit(x,y,N) x : e um vetor com os pontos
y : e um vetor com os valores da funo nos pontos N representa o grau do polinmio p : e um vetor com os coeficientes do polinmio P(x) = c1xn + c2xn-1 + + cnx + cn+1 S : e uma estrutura que usa o polyval para obter uma estimativa dos erros. A estrutura contm os seguintes campos: o R, df o normr : a norma dos resduos, i.e., a raiz quadrada da soma do quadrado dos erros.
O output do comando inserido foi ento o seguinte: p= 0.2433 S= R: [2x2 double] df: 16 normr: 0.3228
-476.7564
Assim, vemos que o polinmio obtido y' = a0 + a1 x (=) y= 0.2433 476.7564 x Fazendo a reposio da varivel temos:
20
Resoluo do problema em Matlab sem recorrer linearizao dos dados
O comando que permite fazer directamente a aproximao dos dados ao modelo exponencial directamente o seguinte:
function F = funcaoexp(x,xdata) F = x(1)*exp(x(2)*(xdata-1994));
xdata= [1995,1996,1997,1998,1999,2000,2001,2002,2003,2004,2005,2006,2007,2008,20 09,2010,2011,2012]; ydata=[4800,6100,7482,9670,13699,18040,24318,31184,41353,49461,59135,741 76,93959,121247,157910,194560,237046,276055]; x0 = [2 1]; x=lsqcurvefit(@funcaoexp, x0, xdata, ydata)
Em primeiro lugar comeamos por definir a funo no linear, ou seja, a que queramos ajustar a nossa aproximao de dados, neste caso uma funo exponencial. De realar que depois de vrias tentativas e experincias no foi possvel ajustar os dados ao modelo y = a e b x , pois os valores de x comeam em 1994 em vez de comear em 0. Assim sendo, como se pode ver na funo definida, tivemos de alterar o nosso modelo para y = a e
b (x-1994)
fazendo com que nossos valores de x j estejam correctos
para a aproximao em questo. De seguida, so apresentados os dados sem qualquer tipo de linearizao, sendo xdata o ano e ydata a quantidade de energia elica. O comando lsqcurvefit (fun, x0, xdata, ydata) comea em x0 e encontra coeficientes de x para melhor responder a funo no-linear fun (x, xdata) definida para os dados ydata . Neste caso a funo a funo exponencial definida, x0 escolhido aleatoriamente como 2 e 1, e xdata e ydata os nossos dados. A varivel resposta x ser um vetor (com duas posies neste caso) com os coeficientes do modelo no linear introduzido.
21
x= 1.0e+03 * 5.6901 0.0002179
Tendo em conta os resultados obtidos, vemos que o modelo : y = 5690.1 e 0.2179 (x-1994) Fazendo a equivalncia para o modelo y = a e b x, temos que:
22
Universidade do Minho Taxa de saturao do crescimento
Um modelo exponencial torna-se errado, muito irrealista inclusive, quando se pensa que esta populao (a energia produzida neste caso) vai sempre subir exponencialmente. Imaginemos o valor no ano 2030. Daria certamente um valor totalmente irrealista, visto que a partir de um ponto a energia tender a manter-se. H factores condicionantes que passam pela falta de recursos, invenes de novas tecnologias, entre muitos outros. Uma forma de determinar este comportamento passa pela definio de um modelo da taxa de saturao, representado na figura 7.
Figura 7 - Modelo de crescimento populacional
Neste modelo, kmax representa a taxa mxima de crescimento com as condoes ptimas e perfeitas de crescimento (ex. numero de turbinas, capacidade de distribuio, f) e K a constante de saturao mdia, isto , a quantidade de recursos existentes que suporta um crescimento de populao igual a metade do valor da taxa mxima de crescimento. O modelo matemtico que descreve este comportamento o seguinte:
23
A questo deste exerccio passa pela obteno dos valores de (atravs dos mnimos quadrados), contudo os valores de f e k tambm so desconhecidos. Por forma a podermos continuar os exerccios tivemos de considerar que f a energia produzia, pelo que k tem o valor: f = a e k x (=) k = Esta aproximao no a melhor possvel, e pode at considerada invalida, ainda assim serve para ter uma ideia do crescimento, e realizar o exerccio. Alm disso, o valor de a bastante negativo, fazendo com que o seu exponencial fosse aproximadamente 0, pelo tivemos de transformar a funo com o modelo f = a e k x em f = c e k (x-1994). Feitas as converses temos que : f= = 4334.14
Os dados obtidos passam a ser obtidos pela seguinte transformao: k= e os valores passam a ser ento,
f 4800 6100 7482 9670 13699 18040 24318 31184 41353 49461 59135 74176 93959 k (ano-1) 0,102093 0,170883 0,181992 0,200626 0,23016 0,237678 0,246385 0,246673 0,250625 0,243466 0,237573 0,23666 0,236641
24
121247 157910 194560 237046 276055

0,23795 0,2397 0,237764 0,235396 0,230782
e o grfico o representado na seguinte figura.

0,3
k (taxa de crescimento)
0,25 0,2 0,15 0,1 0,05 0 0 50000 100000 150000 200000 250000 300000
f (Recursos)
Figura 8 - Taxa de crescimento por Recursos disponveis
Neste momento j possvel obtermos o valor de Kmax e de K. Assim, comecemos por linearizar o modelo atravs do inverso.
Ou seja, temos que:
Temos, esto, a equao de uma recta: k' = a0 + a1 f Depois de aplicadas estas transformaes podemos obter as constantes a0 e a1 (e consequentemente Kmax e K) empregando o Mtodo dos Mnimos Quadrados para um modelo linear.
25
Tabela 5 - Clculo dos Coeficientes das Equaes Normais para o modelo populacional
f 4800 6100 7482 9670 13699 18040 24318 31184 41353 49461 59135 74176 93959 121247 157910 194560 237046 276055 Soma:
f'=1/f 0,000208 0,000164 0,000134 0,000103 7,3E-05 5,54E-05 4,11E-05 3,21E-05 2,42E-05 2,02E-05 1,69E-05 1,35E-05 1,06E-05 8,25E-06 6,33E-06 5,14E-06 4,22E-06 3,62E-06 0,000924
k 0,102093 0,170883 0,181992 0,200626 0,23016 0,237678 0,246385 0,246673 0,250625 0,243466 0,237573 0,23666 0,236641 0,23795 0,2397 0,237764 0,235396 0,230782
k'=1/k 9,795018 5,851965 5,494738 4,984392 4,344805 4,207372 4,058692 4,053954 3,990031 4,107348 4,209238 4,225475 4,225807 4,202555 4,171879 4,205858 4,248162 4,333093 84,71038
f'2 4,34E-08 2,69E-08 1,79E-08 1,07E-08 5,33E-09 3,07E-09 1,69E-09 1,03E-09 5,85E-10 4,09E-10 2,86E-10 1,82E-10 1,13E-10 6,8E-11 4,01E-11 2,64E-11 1,78E-11 1,31E-11
f'*k' 0,002041 0,000959 0,000734 0,000515 0,000317 0,000233 0,000167 0,00013 9,65E-05 8,3E-05 7,12E-05 5,7E-05 4,5E-05 3,47E-05 2,64E-05 2,16E-05 1,79E-05 1,57E-05
1,12E-07 0,005566
( )
Passando agora para o nosso modelo populacional temos que:
Pelo que o modelo , ento:
26
Fazendo agora no Matlab, depois da linearizao (usando o comando polyfit j explicado) temos o seguinte cdigo:
x=[1/4800,1/6100,1/7482,1/9670,1/13699,1/18040,1/24318,1/31 184,1/41353,1/49461,1/59135,1/74176,1/93959,1/121247,1/1579 10,1/194560,1/237046,1/276055]; y=[1/0.102092713,1/0.170882783,1/0.18199231,1/0.200626276,1 /0.230159926,1/0.237678052,1/0.246384802,1/0.246672742,1/0. 250624641,1/0.243466127,1/0.237572705,1/0.236659787,1/0.236 641178,1/0.23795047,1/0.239700136,1/0.237763587,1/0.2353959 42,1/0.230782051]; [p,S] = polyfit(x,y,1)
e o output o seguinte: p = 1.0e+04 * 1.8949 0.0004 S= R: [2x2 double] df: 16 normr: 2.9621 Assim, vemos que o polinmio obtido k' = a0 + a1 f (=) k= 4 + 18949 f Fazendo a reposio da varivel temos:
Pelo que o modelo populacional , ento:
A outra, e ltima possibilidade de resoluo de um problema no linear, atravs da aplicao directa do comando lsqcurvefit. O cdigo, correspondente criao da funo e do programa de resoluo do problema, o seguinte:
function F = funcaok(x,xdatakmax) F = x(1)*(1./((x(2)./xdatakmax)+1));
27
x = 1.0e+03 * 0.0003 3.0331 kmaximo = 0.2521 K = 3.0331e+03
De realar que a funo ver, para
, teve de ser reformatada, como se pode
, devido a questes de integridade do domnio.
E o output o seguinte: x= 1.0e+03 * 0.0002521
3.0331
Assim, vemos que o modelo obtido
28
Comparao e Discusso dos Resultados

As expresses exponenciais obtidas foram as seguintes:
As suas representaes esto na figura
Figura 9 - Representao dos modelos exponenciais
Apesar de haver alguma diferena nos valores dos coeficientes encontrados, estes apresentam grficos parecidos e aceitveis. De salientar ainda que as funes que foram linearizadas (linha verde e vermelha) so quase coincidentes, enquanto que a outra (a azul) se distancia um pouco na parte final.
29
Ainda assim, para sabermos qual aquela que melhor se aplica aos nossos dados temos de recorrer ao clculo do resduo. O valor do resduo para cada funo dado por:
Tabela 6 - Calculo dos valores de Residuos dos Modelos exponenciais
Ano
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
Capacidade
4800 6100 7482 9670 13699 18040 24318 31184 41353 49461 59135 74176 93959 121247 157910 194560 237046 276055
Modelo Linearizado Manualmente

5527,43162 7049,264342 8990,093624 11465,27913 14621,94179 18647,70837 23781,86375 30329,57359 38680,0229 49329,54851 62911,14051 80232,06619 102321,8526 130493,4799 166421,4228 212241,1785 270676,1973 345199,7596
(Cap - Modelo Lin. Man.)2

529156,7611 901102,7908 2274346,38 3223027,172 851821,5434 369309,458 287442,0826 730044,4833 7144806,558 17279,49481 14259237,18 36675937,65 69937303,04 85497389,71 72444317,59 312624074,8 1130990173 4780997776
S(Linearizado Manualmente)= 6519754546 = 0.65 * 1010

Modelo Linearizado + Matlab 5580,991137 7118,281855 9079,021148 11579,84844 14769,53161 18837,81685 24026,71614 30644,90398 39086,07962 49852,38724 63584,28723 (Cap. - Modelo Lin. + Mat.)2 609947,1562 1036897,936 2550476,548 3647521,054 1146037,927 636511,7193 84846,28673 290624,5146 5138927,991 153183,9728 19796156,89
Ano 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005
Capacidade 4800 6100 7482 9670 13699 18040 24318 31184 41353 49461 59135
30
2006 2007 2008 2009 2010 2011 2012 74176 93959 121247 157910 194560 237046 276055 81098,65559 103437,3778 131929,3278 168269,4197 214619,4337 273736,6147 349137,6942

47923160,38 89839644,89 114112127,2 107317577,2 402380879,3 1346201205 5341080197
S(Linearizado + Mat.)= 7483945923 = 0.75 * 1010 Modelo Matlab

7073,869113 8796,092493 10937,61305 13600,51403 16911,7321 21029,10831 26148,91212 32515,19726 40431,43547 50274,98252 62515,06627 77735,15404 96660,7657 120194,0582 149456,8299 185843,9955 231090,0793 287351,8974
Ano
1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012
Capacidade
4800 6100 7482 9670 13699 18040 24318 31184 41353 49461 59135 74176 93959 121247 157910 194560 237046 276055
(Cap - Modelo Mat.)2

5170480,741 7268914,731 11941261,58 15448940,5 10321647,53 8934768,494 3352239,18 1772086,141 849281,1899 662567,5452 11424847,98 12667577,48 7299537,915 1108686,502 71456084,54 75968734,15 35472991,91 127619890,7
S (Matlab)= 408740538,8 = 0.0489 * 1010 Tendo em conta os resduos apresentados, o modelo com menor resduo e que por isso melhor se ajusta ao modelo o obtido directamente do Matlab, sem recurso linearizao, o que acaba por fazer sentido, visto que o elevado nmero de arredondamentos e aproximaes que tambm influenciam o resultado. Por outro lado, os outros modelos (ambos linearizados) apresentam valores bastantes parecidos, contudo ligeiramente superiores no caso da linearizao e restante resoluo em Matlab.
31
Alm disso, de salientar que estas funes apenas devem ser utilizadas para valores de anos compreendidos entre 1994 e 2012, podendo se fazer estimativas mas sempre perto do intervalo indicado. Se extravagarmos os valores sero irrealistas. Perante esta perspectiva, e optando pela escolha do melhor modelo (com menor resduo) podemos estimar, por exemplo, uma Capacidade de Energia Elica de
357311,3705 MW em 2013.
Relativamente ao clculo da taxa de saturao, obtemos os seguintes populacionais:
As suas representaes esto na figura 10.
Figura 10 - Representao dos modelos populacionais
32
Novamente a representao das funes parecem ser bastante satisfatrias em relao aos dados apresentados. No anexo 1 pode-se visualizar a forma como se chegaram aos seguintes valores dos Resduos: SLinearizado Manulmente = 0.0091; SLinearizado + Matlab = 0.0105; SMatlab = 0.0057;
O modelo com menor resduo e que por isso melhor se ajusta ao modelo populacional , novamente, o obtido directamente do Matlab, novamente pelas mesmas razes certamente. Assim, tendo em conta o modelo , podemos dizer que:
kmax=0.2521 a taxa mxima de crescimento para condies ptimas de recursos; K = 3033.1 a constante de saturao mdia, isto , quantidade de recursos que suporta um crescimento populacional igual a metade do valor da taxa mxima de crescimento;
Relativamente validade destes resultados estes podem ser muito discutveis, no por no se aproximarem aos dados iniciais, mas sim devido forma como estes foram obtidos. O valor dos recursos devia ser obtido atravs da contabilizao do nmero de estaes de fornecimento de energia (elicas), disponibilidades e custos da distribuio da energia, tipos e limitaes dos equipamentos, entre outras. Ainda assim, esses valores no foram obtidos da forma mais correcta, podendo ter impacto negativo sobre a veracidade dos resultados.
33
Universidade do Minho Concluses
Conhecimento, criatividade e trabalho so trs conceitos elementares que tentamos empregar neste trabalho e que sero muito importantes no futuro. O conhecimento que permite a realizao e a concretizao, a criatividade que estimula o trabalho. O ajuste a modelos, lineares ou no lineares, pode ser uma ferramenta bastante importante para realizar projeces futuras ou at passadas. Assim sendo, nos modelos no lineares esta pode ser realizada de duas formas com linearizao e sem linearizao. A linearizao foi sempre realizada tendo em conta um polinmio simples de grau 1, facilitando assim as operaes. O modelo que melhor se aproxima aos dados apresentados da Capacidade de Energia Fornecida exponencial e tem a forma Este
modelo obtido sem recorrer a linearizaes (e assim sendo aproximaes) e por isso apresenta o resduo mnimo de todos os modelos. O modelo de uma potncia tambm foi testado mas apresentou resultados mais insatisfatrios de ndice de correlao. Alm disso, e mesmo sem os dados mais precisos da taxa de crescimento da energia (k) por recurso disponveis (f), chegamos modelo populacional . Este modelo indica, por exemplo, que para condies ptimas de aproveitamento dos recursos a taxa de crescimento mxima de 25,21%. Em contrapartida, estes valores tem de ser vistos com algum cuidado e precauo devido impreciso dos dados iniciais dos recursos. Relativamente ao Matlab, para alm de aperfeioarmos tcnicas de manuseamento do programa, introduzimos tambm novas funcionalidades como o polyfit e lsqcurvefit. Deste modo, pensamos cumprir os objectivos mais importantes que passava pela aquisio de conhecimentos importantes sobre a tcnica dos mnimos quadrados e da utilizao das funcionalidades Matlab.
34
Anexo Calculo dos Resduos do Modelo Populacional
35
Universidade do Minho Bibliografia
Chapra, S.C.; Canale, R.P. (2006) Numerical methods for engineers, Fifth edition, Mcgraw-Hill, ISBN 007-124429-8 Hildebrand, F.B., Introduction to numerical analysis, 2nd edition Fernandes, Edite Manuea da G.P., Computao numrica
Escola de Engenharia de Lorena (n.d.), Ajuste de Curvas Pelo Mtodo dos Mnimos Quadrados, disponvel em: http://www.alunos.eel.usp.br/numerico/notasDeAula/ajuste.pdf, acedido em: 10/05/2013 The Wind Power (n.d), Dados de capacidades de energia no mundo, http://www.thewindpower.net, acedido em: 10/05/2013 MathWorks, MATLAB and Simulink for Technical Computing, disponvel em: www.mathworks.com, acedido em: 10/05/2013
36

MinimosQuadrados ModelosNãoLineares

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

MinimosQuadrados ModelosNãoLineares

Uploaded by

Copyright:

Available Formats

Universidade do Minho

Tcnica dos Mnimos Quadrados em Modelos No-Lineares

Mtodos Numricos 2013

Grupo Mtodos Numricos:

Andr Lopes A62036

Jos Nogueira A66106

Micael Gonalves A65513

Nuno Silva A66105

Ricardo Crista A66104

Docentes: Senhorinha Teixeira Ana Rocha

Tcnica dos Mnimos Quadrados em Modelos No-Lineares

Universidade do Minho ndice

Mtodos Numricos 2013

Tcnica dos Mnimos Quadrados em Modelos No-Lineares

Universidade do Minho ndice de Figuras

Mtodos Numricos 2013

Tcnica dos Mnimos Quadrados em Modelos No-Lineares

Universidade do Minho Introduo

Mtodos Numricos 2013

Tcnica dos Mnimos Quadrados em Modelos No-Lineares

Universidade do Minho Problema prtico

Mtodos Numricos 2013

Tcnica dos Mnimos Quadrados em Modelos No-Lineares

Mtodos Numricos 2013

Tcnica dos Mnimos Quadrados em Modelos No-Lineares

Mtodos Numricos 2013

Mtodo Numrico utilizado: Mnimos Quadrados

Critrio para o Melhor Ajuste

Tcnica dos Mnimos Quadrados em Modelos No-Lineares

Mtodos Numricos 2013

Este critrio facilmente refutado se considerar o seguinte exemplo:

Figura 1 Critrio do melhor ajuste (1)

Figura 2 - Critrio do melhor ajuste (2)

Tcnica dos Mnimos Quadrados em Modelos No-Lineares

Mtodos Numricos 2013

A estes valor de erro total d-se tambm o nome de resduo.

Mnimos Quadrados num modelo linear

Ento, a soluo dos coeficientes

dada pela matriz:

Tcnica dos Mnimos Quadrados em Modelos No-Lineares

Universidade do Minho Resoluo do problema

Mtodos Numricos 2013

A disposio dos dados do problema descrito est representada na figura 3

Figura 3 - Representao Grfica da Quantidade de Energia Elica produzida por ano

Tcnica dos Mnimos Quadrados em Modelos No-Lineares

Mtodos Numricos 2013

Figura 4 - Funo exponencial linearizada

8,476371 3980025 16910,36

Tcnica dos Mnimos Quadrados em Modelos No-Lineares

Mtodos Numricos 2013

1420195 190,911 72252705

Passando agora para o nosso modelo exponencial temos que:

Pelo que o modelo exponencial , ento: y=

Tcnica dos Mnimos Quadrados em Modelos No-Lineares

Mtodos Numricos 2013

Linearizao da Quantidade de Energia Elica produzida no Mundo

Figura 5 - Funo potncia linearizada

Tcnica dos Mnimos Quadrados em Modelos No-Lineares

Mtodos Numricos 2013

Tcnica dos Mnimos Quadrados em Modelos No-Lineares

Mtodos Numricos 2013

Passando agora para o nosso modelo de potncia temos que: .02

Pelo que o modelo de potncia , ento: y=