Tipos de Modelos

Modelos estticos e dinmicos

Modelos estticos relacionam variveis sem quantificar
sua dependncia temporal (equaes algbricas)
Modelos dinmicos representam dependncia temporal
(equaes diferenciais ou diferenas)
Quando utilizar modelos estticos?
Vivel quando a sua dinmica (variaes no tempo) no
relevante (muito rpida ou muito lenta se comparada com a
escala de interesse)
1

Modelos discretos e contnuos

Modelos contnuos representam a evoluo do sistema
continuamente no tempo e so descritos atravs de
equaes diferenciais
Modelos discretos representam a evoluo temporal
em instantes discretos de tempo e so descritos por equaes
a diferenas

Modelo discreto de um sistema biolgico

Considere uma populao de insetos composta por:
(L) larvas
(C) casulos
(B) besouros
Considere o perodo de amostragem de 2 semanas e o instante
de tempo em questo representado pela letra k. Portanto
L(k) = populao de larvas em um determinado instante
B(k+1) = populao de larvas duas semanas depois

Um modelo para descrever esta populao poderia ser:

L(k+1)= v B(k)
C(k+1)= L(k) [ 1 - mL]
B(k+1)= C(k) [ 1 - mC] + B(k) [ 1 - mB]
onde

v= taxa de natalidade
mL=taxa de mortalidade de larvas
mC=taxa de mortalidade de casulos
mB=taxa de mortalidade de besouros

Modelos autnomos e no autnomos

Modelo autnomo no depende explicitamente do tempo

Exemplo: populao de besouros ( no h influncia externa)
Modelo no autnomo
Exemplo: deseja-se estudar a influncia de um agrotxico
na populao de besouros sendo A(k) quantidade mdia
aspergido por metro quadrado

Modelo no autnomo passou a conter o sinal externo A(k)

L(k+1)= v B(k)
C(k+1)= L(k) [ 1 - mL - mA A(k)]
B(k+1)= C(k) [ 1 - mC] + B(k) [ 1 - mB]
onde

v= taxa de natalidade
mA= taxa de mortalidade devido ao agrotxico
mL=taxa de mortalidade de larvas
mC=taxa de mortalidade de casulos
mB=taxa de mortalidade de besouros

Modelos monovariveis e multivariveis

Modelo monovarivel (SISO )

apresenta relao de causa e efeito de apenas um par de
entradas (simplificaoda realidade)
Modelo multivarivel
MISO (multiple inputs single output)
MIMO (multiple inputs multiple outputs)

acoplamento
testes de correlao

Modelos Determinsticos e Estocsticos

Modelo Determinstico
no leva em considerao o rudo ou incertezas presentes
nos dados
Modelo Estocsticos
incluem incertezas

Problema de Programao Linear (PL) so problemas de otimizao

nos quais a funo objetivo e as restries so todas lineares
Muitos problemas prticos de Pesquisa Operacional podem
ser expressos como problemas de programao linear
O termo otimizao ou programao matemtica refere-se ao estudo
de problemas em que se busca minimizar ou maximizar uma funo
atravs da escolha sistemtica dos valores de variveis reais ou
inteiras dentro de um conjunto vivel

10

Um problema de programao matemtica ou simplesmente problema de

otimizao, apresenta o seguinte modelo geral:

Onde:
x o vetor de variveis de deciso
f(x) a funo objetivo
gi (x) para i= 1,2, ..., m restries de desigualdade
hj (x) para j= 1,2, ..., n restries de igualdade

Fonte : VASCONCELOS, 2013

11

Quando em sua formulao, o problema consiste em apenas minimizar ou

Maximizar uma funo, diz-se que o problema irrestrito

O problema dito restrito quando a minimizao ou maximizao

da funo est sujeita a alguma restrio

Fonte : VASCONCELOS, 2013

12

Quando todas as funes f(x), g(x) e h(x) do problema so lineares,

o problema dito linear. Se pelo menos uma funo for no linear,
o problema dito no linear
Problemas Lineares Especiais
Problema de Atribuio
Problema de Transportes
Problemas de Fluxo em Redes
Programao Inteira
Modelagem
Algoritmo de branch and bound

Programao No Linear
Problemas no lineares monovariados
Problemas no lineares mutivariados
Problemas multivariados no lineares com restries
13

Fonte : VASCONCELOS, 2013

14

Programao Dinmica
Programao Dinmica Determinstica
Programao Dinmica Estocstica
Programao dinmica diz respeito a sistemas que evoluem de um estado
para outro.
Onde um estado uma configurao do sistema, e identificado por um
rtulo que indica suas propriedades.
Na anlise de muitos problemas operacionais, conveniente considerar a idia
de um sistema, que tem um nmero de estados possveis, e que evolui por
estes estados.
Por exemplo, num problema de manuteno e substituio de equipamentos, a
mquina pode ser o sistema, e um estado pode ser definido por sua idade ou
estado de conservao; na anlise de um problema de manuteno de
estoques pode ser considerado, como estado, os possveis nveis de estoque
de um dado item.
Fonte: MAYERLE, 2013
15

Um estado do sistema pode ser definido em termos de uma ou mais variveis

discretas ou contnuas. Em alguns casos essencial, ou adequado, considerar
estados discretos, como por exemplo no caso dos nveis de estoque, quando
estes s podem variar em quantidades inteiras.
No caso de uma mquina, que se deteriora gradualmente, o espao de estados
essencialmente contnuo, mas, para fins de aplicao prtica, pode-se impor uma
descrio discreta dos estados. Assim, ao se decidir fazer o reparo ou
substituio do equipamento, razovel se pensar na substituio a cada trs,
quatro ou cinco anos, sendo absurdo proliferar estes prazos de anlise no nvel
semanal.
Em muitos problemas reais da engenharia e das cincias sociais o sistema
apresenta um estado inicial conhecido, sujeito a leis de controle tambm
conhecidas
problema determinstico
Em outros casos, especialmente em problemas operacionais, as leis de controle
so sujeitas atuao da natureza
problema estocstico
Fonte: MAYERLE, 2013
16

Utilizao de Modelos Polinomiais para Predio

17

MODELOS ESTOCSTICOS

Modelos estocsticos so sistemas dinmicos cuja varivel de sada

e algumas das variveis de entrada so processos estocsticos (Box e
Jenkins, 1976), (Bittanti, 1981) e (Ljung, 1999).

18

- Modelos ARMAX
Um modelo ARMAX (autoregressive moving average with exogenous inputs)
tem a seguinte forma:
y(k) = - a1y(k-1) - a2y(k-2) - .......- anyy(k- ny) + b1u(k-d-1) + b2u(k-d-2)
+ ....... + bnuu(k-d-nu) + c1e(k -1) + c2e(k -2) + ........ + cnye(k - ny) + e(k)
Os termos em y so referentes sada, os termos em u entrada e os termos em e so
referentes ao erro de modelagem. Os termos em e so normalmente chamados de
termos de rudo.
Na equao acima os valores entre parnteses indicam os instantes em que as
variveis so consideradas. Por exemplo, u(k-3), indica o valor da entrada no instante
k-3.
19

Um dos problemas mais complexos na identificao de sistemas

a escolha da estrutura do modelo.
Um aspecto importante a ser levado em considerao a
escolha da ordem do modelo:
-Se a ordem usada for muito menor do que a ordem efetiva do
sistema real, o modelo no possuir a complexidade estrutural
necessria para reproduzir a dinmica do sistema.
-Se a ordem do modelo for muito maior do que a necessria, a
estimao de parmetros ser, provavelmente, mal
condicionada.

20

Exemplo:
Considere o sistema cujo modelo deseja-se estimar. Trata-se de um
Conversor Buck operando a 33kHz em modo contnuo de funcionamento.
A entrada a tenso VREF do modulador PWM (CI 3524) e sada
a tenso Vo . Aplicou-se um sinal PRBS entrada.

21

22

Utilizando-se a funo ARMAX do MATLAB:

TH = armax( Z,NN )
onde Z = [y u ] - dados de entrada e sada do sistema
NN = [ na nb nc nk ] - ordens e atraso do modelo
Escolheram-se vrios valores para o vetor NN, caracterizando modelos
diferentes. Obteve-se uma famlia de modelos sendo que, cada um tendeu a
se adaptar melhor em uma determinada faixa. O modelo que apresentou
comportamento mais satisfatrio, de uma maneira geral, apresentado a
seguir.
Grau do polinmio utilizado: NN = [ 3, 2, 1, 20 ]
Modelo polinomial obtido:
y(k) = - 1,5741y(k-1) - 0,2221y(k-2) - 0,3551y(k- 3) -0,3232u(k-1) +
0,3025u(k-2) -0,9205e(k -1) + e(k)
23

Resultados obtidos:

24

Comparando-se a Entrada , Sada Real / Sada Estimada,

observa-se
claramente o ganho negativo do sistema.

25

Validao do Modelo:
Utilizando-se o modelo obtido a partir da 1a metade da massa de dados,
realizou-se a validao atravs da 2a metade da massa de dados.
Observa-se que o modelo comporta-se de forma razoavelmente satisfatria.

26

PREVISO DE CHEIA EM TEMPO ATUAL, COM UM MODELO

ARMAX, PARA A CIDADE DE RIO DO SUL-SC
Ademar Cordero1; Marcos Rodrigo Momo2; Dirceu Luis Severo3
RESUMO --- Neste trabalho apresenta-se os resultados obtidos de um modelo
hidrolgico de previso de cheia em tempo atual para a cidade de Rio do Sul. A
estrutura do modelo foi baseada nos modelos matemticos estocsticos do tipo
ARMAX. Devido configurao geomtrica da bacia hidrogrfica, o modelo foi
estruturado para utilizar como entrada os dados de trs postos fluviomtricos. O
primeiro posto est localizado no rio Itaja do Sul no municpio de Ituporanga, o
segundo no rio Itaja do Oeste no municpio de Tai e o terceiro no rio Itaja-Au
na cidade de Rio do Sul. Como sada foi obtida a previso em tempo atual dos
nveis do rio Itaja-Au na cidade de Rio do Sul. O modelo proposto apresentou
resultados satisfatrios at 8 horas de antecedncia.
O objetivo deste trabalho apresentar um modelo estocstico para
previso de cheias em tempo atual para a cidade de Rio do Sul.
27

METODOLOGIA
1 - Coleta e organizao dos dados
Os dados utilizados para a realizao deste trabalho estavam armazenados em
planilhas eletrnicas distribudas e no estruturadas. O conjunto de planilhas
eletrnicas descrevia todos os eventos ocorridos desde 1978 at 2009 e estavam
organizadas em sries temporais. Cada srie temporal continha os seguintes
dados: dia, ms e ano do evento ocorrido e o nvel (em metros) do rio registrado
a cada 2 horas durante todo o perodo de ocorrncia do evento. As sries
temporais de cada evento estavam disponveis para as estaes de Rio do Sul,
Ituporanga e Tai. As planilhas foram organizadas e estruturadas no formato de
vetores, viabilizando a carga de dados e simulao a partir do software Matlab e
posteriormente o software MSExcel .

28

2 - Definies da estrutura do modelo

Neste estudo, para a fase de inicial de calibrao do modelo matemtico foram
consideradas como variveis de entradas, os nveis dos rios em Ituporanga,
Tai e Rio Sul e como varivel de sada o nvel do rio Itaja do Sul na cidade
de Rio do Sul. Para toda a fase de tratamento dos dados foi utilizado o
software MatLab. O toolbox Ident (Toolbox, 2010), proporcionou as operaes
de importao e processamento dos dados para a realizao da estimao do
modelo. Esta tarefa foi realizada atravs de interfaces disponibilizadas pelo
toolbox Ident que por sua vez viabilizou um ambiente adequado para a
configurao da simulao do modelo. Matematicamente, o sistema de
identificao proposto pode ser representado da seguinte forma:
f(Y) = U1 + U2, onde: Y Rio do Sul, U1 Ituporanga e U2 Tai.

29

3 - Calibrao do modelo
Para esta fase foram utilizados 5 eventos de cheias ocorridos em Rio do Sul:
12/1978, 03/1983, 11/1986, 05/1988 e 05/1989. Na tabela 1 descrevem-se
os nveis mximos para cada evento na cidade de Rio Sul. A partir da etapa
anterior (identificao do sistema) onde foram encontrados valores das
constantes de entrada e sada do modelo, utilizou-se o software MSExcel
para visualizar o comportamento do modelo proposto.

30

31

4 - Testes do modelo
Na etapa de teste do modelo foram utilizados os seguintes eventos de
cheias:
05/1983, 08/1984, 09/1989, 07/1992, 02/1997. Na tabela 2 apresentado o
valor do pico da cheia de cada um dos eventos.

32

RESULTADOS
Neste trabalho foi apresentado um modelo matemtico calibrado para a previso
em tempo atual do nvel do rio Itaja do Sul na cidade de Rio do Sul. O modelo
calibrado e testado foi um modelo estacionrio estocstico da famlia ARMAX,
mais especificamente, ARX (p, n1, n2), onde: p a varivel autoregressiva
(nvel do rio em Rio do Sul); n1 a primeira varivel da parte exgena (nvel do
rio em Ituporanga) e n2 a segunda varivel da parte exgena (nvel do rio em
Tai).
O melhor ajuste encontrado nas simulaes foi a configurao ARX(2,2,2). O
modelo calibrado descrito pela equao :

33

34

CONCLUSES E RECOMENDAES
O uso de modelos numricos para previso em tempo atual muito importante
para a tomada de deciso, principalmente em eventos relacionados a alertas e
evacuao da populao das reas de risco.
Apesar dos bons resultados alcanados neste trabalho, tanto na fase de
calibrao como na de testes do modelo ARMAX, recomenda-se a
investigao de modelos que permitam a introduo da chuva como varivel
de entrada. Neste sentido j est em desenvolvimento uma verso que utiliza
mtodos de Inteligncia Artificial. Para tanto, se pretende utilizar o mtodo de
redes neurais artificiais (RNA)

35