PDF

Realizado por: JUVENAL TORDOCILLO PUCHUC
Lic. en Física
Mg. en Física con mención en geofísica Modelamiento Procesos Ambientales
INTRODUCCION
El curso de modelamiento de procesos ambientales, se ha utilizado el software Matlab

para simular distintos procesos ambientales tales como contaminación ríos, lago y
atmosfera. Como parte del desarrollo del curso y del nivel alcanzado en el manejo del
Matlab para procesos ambientales se ha desarrollado 5 ejercicios con respectivos script
adjunto a este archivo donde en cada solución se ha puesto énfasis que cada
transformación de datos sea lo más automático posible y para el desarrollo de sistema
de ecuaciones ordinarias se procedió mediante el uso del método de Euler, si bien es
un método básico pero permite encontrar resultados satisfactorios para incrementos
pequeños y siempre en cuando la precisión de encontrar los datos no sean tan
relevantes, como es el caso este trabajo.
-1-
Lic. en Física
PROBLEMA PROPUESTO: DE AJUSTE DE DATOS EXPERIMENTALES
Enunciado 1:
En la ingeniería de abastecimiento de aguas, el tamaño del reservorio depende de la estimación
exacta del flujo de agua en el río del cual se toma. Para algunos rios es difícil obtener registros
históricos de muchos años atrás de tales datos de flujo. Por el contrario, datos meteorológicos
sobre precipitación de muchos años atrás están a menudo disponibles. Por tanto, con frecuencia
es útil determinar una relación entre el flujo y precipitación. Esta relación se puede entonces
usar para estimar flujos por años pero solo cuando se hicieron dichas mediciones de
precipitación.
Para un río que se va a encauzar a un dique, se tienen los siguientes datos:
Precipitación, cm Flujo, m3/s

88.9 114.7
101.6 172.0
104.1 152.9
139.7 269.0
132.1 206.4
94.0 161.4
116.8 175.8
121.9 239.0
99.1 130.0
a) Grafique los datos

b) Ajuste a una línea recta. Sobreponga la línea de su gráfica
c) Use la mejor línea de ajuste para predecir el flujo de agua anual si la
precipitación es de 120 cm.
SOLUCION
a) Grafique los datos

b) Ajuste a una línea recta. Sobreponga la línea de su gráfica
El procedimiento que permite leer los datos externos ejercicio_1 txt es el comando load.
-2-
Lic. en Física
PASO 1: LECTURA DE DATOS
clc
clear all
% procedimiento de lectura y graficado de los datos
% este comando permite ordenar de forma ascendente
A=load('ejercicio_2.txt');
PASO 2: Ordenar en orden ascendente se utilizó el siguiente procedimiento
[B,K]=sort(A(:,2));
B = [A(K) B];
x=B(:,1);
y=B(:,2);
plot(x,y,'bs','linewidth',1)
grid on
xlabel('PRECIPITACION (cm)')
ylabel('FLUJO (m^3/s)')
xmin=min(x);
xmax=max(x);
PASO 3: Ajuste de datos con polinomio de primer orden y mostrar gráfico
% procedimiento de ajuste de los datos

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
figure () % gafico mostrado para ajuste de orden 1
n=input('Ingrese el grado de polinomio 1:');
p1=polyfit(x,y,n);
x1=linspace(xmin,xmax,50);
y1=polyval(p1,x1);
plot(x,y,'bp',x1,y1,'ro-','linewidth',1)
legend('datos experimentales','ajuste orden 1')
grid on
PASO 4: Ajuste de datos con polinomio de segundo orden y mostrar gráfico

-3-
Lic. en Física
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
p2=polyfit(x,y,n);
y2=polyval(p2,x2);
plot(x,y,'bp',x2,y2,'r*-')
grid minor
PASO 5: Ajuste de datos con polinomio de cuarto orden y mostrar gráfico

p3=polyfit(x,y,n);
y3=polyval(p3,x3);
plot(x,y,'bp',x3,y3,'r*-','linewidth',1)
grid minor
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
PASO 6: Muestra de gráfico
figure () % gafico mostrado todos los ajustes
plot(x,y,'bp',x1,y1,'r*-',x2,y2,'b+-',x3,y3,'gp-')
legend('datos experimentales','ajuste orden 1','ajuste orden 2','ajuste orden
4')
grid minor
-4-
Lic. en Física
c) Use la mejor línea de ajuste para predecir el flujo de agua anual si la precipitación
es de 120 cm.
PASO 7: Calculo de datos para el problema
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
p11=polyval(p1,124);
fprintf('AJUSTE CON POLINOMIO DE GRADO 1:')
fprintf('\t\t %10.2f\n\n',p11)
-5-
Lic. en Física
Enunciado 2:
Tres organismos portadores de enfermedades decaen de manera exponencial en las
aguas de un lago de acuerdo con el siguiente modelo:
p(t) = Ae-1.5t + Be- 0.3t + Ce-0.05t

Calcule la población inicial de cada organismo (A, B y C) dadas las siguientes
mediciones:
t, HR p(T)
0.5 7
1 5.2
2 3.8
3 3.2
4 2.5
5 2.1
6 1.8
7 1.5
8 1.2
9 1.1
SOLUCION
El procedimiento que permite leer los datos externos ejercicio_2 txt es el comando load.
clc
clear all
clf
% procedimiento de lectura y graficado de los datos

% este comando permite ordenar de forma ascendente
A=load('ejercicio_2.txt');
PASO 2: MOSTRA GRAFICO
x=A(:,1);
y=A(:,2);
-6-
Lic. en Física
plot(x,y,'ro')
grid on
xlabel('TIEMPO(HORAS)')
ylabel('POBLACION (MICRO-ORGAMISMOS)')
PASO 3: Ajuste de datos exponenciales y mostrar gráfico
%pause
% procedimiento de ajuste de los datos
hold on
f2 = fit(x,y,'exp2')
plot(f2,x,y)
ylabel('POBLACION (MICRO-ORGAMISMOS)')
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
PASO 4: Transformación de datos a lineal
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
y1=log(y);
p1=polyfit(x,y1,1);
-7-
Lic. en Física
xmin=min(x);
xmax=max(x);
xx=linspace(xmin,xmax,50);
yy=polyval(p1,xx);
plot(x,y1,'ro','linewidth',2)
hold on
plot(xx,yy,'k--')
ylabel('LN(POBLACION (MICRO-ORGAMISMOS))')
grid on
PASO 5: Encuentre el coeficiente correlación

%coeficente de correlacion lineal
CC=corrcoef(x,y1);
rxy=CC(1,2);
rr2=rxy*rxy;
fprintf('COEFICIENTE DE CORRELACION LINEAL :')
fprintf('\t\t %10.2f\n\n',rr2)
PASO 6: Encuentre la raíz y de corte en las abcias y la ordenada
%---------------------------------------------
%Encuentra la raiz en la abcisa
y11=0;
f = @(xx) polyval(p1,xx) - y11;
raiz=fzero(f,5);
fprintf('LA INTERSECCION EN EL EJE ABCISAS (TIEMPO):')
fprintf('\t\t %10.2f\n\n',raiz)
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
p11=polyval(p1,0);
fprintf('LA INTERSECCION CON EL EJE DE LA ORDENADA:')
-8-
Lic. en Física
PASO 7: Calculo de A, B, C
A1='exp(1.85)=A+B+C';
B1='1=A*exp(-1.5*8.9)+B*exp(-0.3*8.9)+A*exp(-0.05*8.9)'
C1='7=A*exp(-1.5*0.5)+B*exp(-0.3*0.5)+A*exp(-0.05*0.5)'
[A,B,C]=solve(A1,B1,C1,'A,B,C');
disp('MICROORGANISMO A:'),A
disp('MICROORGANISMO B:'),B
disp('MICROORGANISMO C:'),C
-9-
Lic. en Física
Enunciado 3: Modelos Predador-Presa con Migración

En este caso, asumimos que las presas constituyen una especie migratoria. Para ello se
añade al modelo LV un término que refleja la emigración e inmigración periódica. Dicho
término puede ser una función sinusoidal con amplitud M y periodo w:
dx
 Ax  Bxy  Msen(wt )
dt
dy
 Cy  Dxy
dt
a. Sea que las presas migran todos los años entre este santuario y otra zona en la que
crían, retornando posteriormente. Analizar el efecto de esta migración sobre el
comportamiento del modelo.
SOLUCION
clc
clear all
% Entrada de datos y declarcion de parametros
h=0.01;
ti=input('Ingrese el tiempo inicial: ');
tf=input('Ingrese el tiempo final: ');
N=(tf-ti)/h;
A=1.0;
B=0.5;
C=0.75;
D=0.25;
X(1)=1.5;
Y(1)=2;
W=0.5;
M=0.01;
t=ti:h:tf;
PASO 2: TECNICA NUMERICA DE EULER
% sE UTILIZARA EL METODO DE EULER PARA APROXIMACION

for i=1:N
dx=A*X(i)-B*X(i)*Y(i)-M*sin(W*t(i));
dy=-C*Y(i)+D*X(i)*Y(i);
X(i+1)=X(i)+h*dx;
Y(i+1)=Y(i)+h*dy;
end
- 10 -
Lic. en Física
PASO 4: Muestra del gráfico y su interpretación
plot(t,X,'r-')
ylabel('PRESA')
xlabel('tiempo')
title ('MODELO LOGISTICO LV')
grid on
figure()
plot(t,Y,'k-')
ylabel('PREDADOR')
xlabel('tiempo')
grid on
- 11 -
Lic. en Física
figure ()
plot(t,X,'r-', t,Y,'k-')
ylabel('PRESA y PRESA')
xlabel('tiempo')
legend('PRESA','PREDADOR')
grid on
figure ()
plot(t,X,'r-', t,Y,'k-')
ylabel('PRESA y PRESA')
xlabel('tiempo')
legend('PRESA','PREDADOR')
grid on
- 12 -
Lic. en Física
Enunciado 4 : TRES CSTRs EN SERIE

Las ecuaciones que describen a tres reactores CSTR isotérmicos en serie son
dC A1 1
= (CA0 – CA1) – k CA1
dt 
dC A2 1
= (CA1 – CA2) – k CA2
dt 
dC A3 1
= (CA2 – CA3) – k CA3
dt 
Las condiciones iniciales son CA1(0) = 0,4 kg.mol de componente A/m3, CA2(0) = 0,2 kg.mol
de componente A/m3, y CA3(0) = 0,1 kg.mol de componente A/m3. La función impulsora
es CA0 . Asumiremos que en el tiempo cero CA0 se ajusta a 1,8 kg.mol de A/m3 y se
mantiene constante. El parámetro  = V/F (tiempo de residencia), es ajustado igual a 2
min y el valor de k es 0,5 min–1. La perturbación es el cambio en escalón de la
concentración de la alimentación en el tiempo igual a cero desde 0.8 hasta 1.8 kg mol
de A/m3. El tiempo está en minutos
Similar al anterior y basado en el método de EULER
PASO 1: Declaración de parámetros
clc
clear all
h=0.01;
ti=input('Ingrese el tiempo inicial: ');
tf=input('Ingrese el tiempo final: ');
N=(tf-ti)/h;
Ca1(1)=0.4;
Ca2(1)=0.2;
Ca3(1)=0.1;
Cao=1.8;
k=0.5;
tau=2;
t=ti:h:tf;
PASO 2: Método de EULER
% sE UTILIZARA EL METODO DE EULER PARA APROXIMACION

for i=1:N
dCa1=(Cao-Ca1(i))/tau -k*Ca1(i);
dCa2=(Ca1(i)-Ca2(i))/tau -k*Ca2(i);
dCa3=(Ca2(i)-Ca3(i))/tau -k*Ca3(i);
Ca1(i+1)=Ca1(i)+h*dCa1;
End
- 13 -
Lic. en Física
PASO 3: GRAFICOS UTILIZADO SUBPLOT
figure
subplot(2,2,1)
plot(t,Ca1,'r')
title('Subplot 1: Ca1')
ylabel('Ca1 (kg.mol)')
xlabel('tiempo (min.)')
grid on
subplot(2,2,2)
plot(t,Ca2,'r')
grid on
subplot(2,2,3)
plot(t,Ca3,'r')
grid on
subplot(2,2,4)
plot(Ca1,Ca2,'k')
title('Subplot 4: Ca1 vs Ca2')
xlabel('Ca2 (kg.mol)')
grid on
PASO 4: RESULTADOS
PASO 5: RESULTADOS
figure ()
subplot(2,1,1);
plot(Ca2,Ca3,'k')
grid on
- 14 -
Lic. en Física
subplot(2,1,2);
plot(Ca3,Ca1,'k')
grid on
Enunciado 5 :
PROGRAMACIÓN LINEAL
“MODELAMIENTO Y SIMULACIÓN DE UN CASO DE TRATAMIENTO DE RESIDUOS
CONTAMINANTES”
La distribución bidimensional de la concentración de contaminantes en un canal se
puede describir con
c(x, y) = 7,9 + 0,13x + 0,21 y – 0,05 x2 – 0,016 y2 – 0,007 xy

Determine la localización exacta de La concentración pico dada la función y con el
conocimiento de que el pico cae dentro de las fronteras –10  x  10 y 0  y  20.
PASO 1: DECLARACION DE DATOS DE X e Y ADEMAS DE LA ECUACION

CORRESPONDIENTE
clc
clear all
x=linspace(-10,10,50);
y=linspace(0,20,50);
[x1 y1]=meshgrid(x,y);
C=7.9+0.13*x1+0.21*y1-0.05*x1.^2-0.016*y1.^2-0.007*x1.*y1;
- 15 -
Lic. en Física
PASO 2: GRAFICO EN 3D
surf(x1,y1,C)
title('CONCENTRACION EN UN CANAL BIDIMENSIONAL')
ylabel('X (m)')
xlabel('Y (m)')
shading interp
PASO 3: ENCUENTRA EL MAXIMO Y LAS COORDENADAS QUE CORRESPONDE
xmax=max(max(C));
xmin=min(min(C));
[fila col]=find(C==max(max((C))))
fprintf('EL VALOR MAXIMO DE LA CONCENTRACIÓN ES :')
fprintf('\t\t %10.2f\n\n',xmax)
fprintf('en el eje y es :')
fprintf('\t\t %10.2f\n\n',fila)
fprintf('en el eje x es :')
fprintf('\t\t %10.2f\n\n',col)
hc = colorbar;
set(get(hc,'title'),'string','Concentracion','FontS',11,'FontW','Bold'
)
set(hc,'YTick',[xmin:xmax],'YTickLabel',[xmin:xmax],'FontS',10)
CONCLUSION
 Se ha utilizado el software matlab para implementar los modelos con enfoque
al comportamiento de contaminación ambiental.
 Se realizado todo el proceso en base a la implementación de script que puede

ser modificable según los parámetros se requiera modificar.
- 16 -

PDF

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

PDF

Hochgeladen von

Copyright:

Verfügbare Formate

Realizado por: JUVENAL TORDOCILLO PUCHUC

El curso de modelamiento de procesos ambientales, se ha utilizado el software Matlab

PROBLEMA PROPUESTO: DE AJUSTE DE DATOS EXPERIMENTALES

Precipitación, cm Flujo, m3/s

a) Grafique los datos

a) Grafique los datos

PASO 1: LECTURA DE DATOS

PASO 2: Ordenar en orden ascendente se utilizó el siguiente procedimiento

PASO 3: Ajuste de datos con polinomio de primer orden y mostrar gráfico

% procedimiento de ajuste de los datos

PASO 4: Ajuste de datos con polinomio de segundo orden y mostrar gráfico

PASO 5: Ajuste de datos con polinomio de cuarto orden y mostrar gráfico

figure () % gafico mostrado para ajuste de orden 4

PASO 6: Muestra de gráfico

figure () % gafico mostrado todos los ajustes

PASO 7: Calculo de datos para el problema

p(t) = Ae-1.5t + Be- 0.3t + Ce-0.05t

PASO 1: LECTURA DE DATOS

% procedimiento de lectura y graficado de los datos

PASO 2: MOSTRA GRAFICO

PASO 3: Ajuste de datos exponenciales y mostrar gráfico

PASO 4: Transformación de datos a lineal

PASO 5: Encuentre el coeficiente correlación

PASO 6: Encuentre la raíz y de corte en las abcias y la ordenada

Enunciado 3: Modelos Predador-Presa con Migración

PASO 1: LECTURA DE DATOS

PASO 2: TECNICA NUMERICA DE EULER

% sE UTILIZARA EL METODO DE EULER PARA APROXIMACION

PASO 4: Muestra del gráfico y su interpretación

PASO 4: Muestra del gráfico y su interpretación

PASO 6: Muestra del gráfico y su interpretación

Enunciado 4 : TRES CSTRs EN SERIE

Similar al anterior y basado en el método de EULER

PASO 1: Declaración de parámetros

PASO 2: Método de EULER

% sE UTILIZARA EL METODO DE EULER PARA APROXIMACION

c(x, y) = 7,9 + 0,13x + 0,21 y – 0,05 x2 – 0,016 y2 – 0,007 xy

PASO 1: DECLARACION DE DATOS DE X e Y ADEMAS DE LA ECUACION

PASO 3: ENCUENTRA EL MAXIMO Y LAS COORDENADAS QUE CORRESPONDE

 Se realizado todo el proceso en base a la implementación de script que puede

Das könnte Ihnen auch gefallen