INSTITUTO POLITÉCNICO NACIONAL - Alexander Gelbukh
INSTITUTO POLITÉCNICO NACIONAL - Alexander Gelbukh
INSTITUTO POLITÉCNICO NACIONAL - Alexander Gelbukh
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
CAPITULO II.<br />
Propuesta de solución<br />
Este capitulo es el capitulo principal del trabajo. Ante todo desde el punto de vista<br />
de la optimización se consideran los requisitos para una función de criterio que<br />
permiten determinar los parámetros de las fuentes contaminantes. Se lleva a cabo<br />
una modificación al método NM propuesta en la literatura de optimización. Se<br />
investiga el comportamiento de este variando sus parámetros. Se propone una<br />
forma de utilizar información a priori en base a la función de preferencia. Para<br />
localizar en forma mas eficiente el mínimo global se realiza la combinación de los<br />
métodos de búsqueda aleatoria y NM. Al final del capítulo se propone otra forma<br />
de búsqueda en un espacio de dimensión grande.<br />
2.1 Función de criterio<br />
1. Requisitos para una función de criterio<br />
Como ya se mencionó en el capitulo anterior, el enfoque sobre la búsqueda de<br />
parámetros de las fuentes se reduce a la búsqueda de un mínimo global de una<br />
función de criterio que refleja la diferencia entre los datos de observación y los<br />
datos de la modelación. La selección del criterio es un procedimiento subjetivo,<br />
depende de la experiencia del usuario, de la precisión de los datos de<br />
observación, etc., pero hay unos requisitos generales los cuales deben satisfacer<br />
todas estas funciones. La referencia sobre un ejemplo de aplicación a la Geofísica<br />
en donde se describen estos requisitos, se da en [Alexandrov, 1987].<br />
Como se definió en el párrafo 1.1, una función de criterio se presenta en la forma<br />
siguiente:<br />
f(x 1 ,x 2 ,...x n )=f [F m (X, D), F o (D)]<br />
Donde:<br />
f = valor de la función de criterio,<br />
F m = resultados de la modelación,<br />
F o = datos de observación,<br />
X = {x 1 ,x 2 ,...x n } =parámetros del modelo aceptado,<br />
D = dominio de simulación.<br />
En caso de que el modelo aceptado describa correctamente los procesos que se<br />
observan, entonces es posible encontrar un punto (x* 1 ,x* 2 ,...,x* m ) en el espacio de<br />
los parámetros donde F m (x* 1 ,x* 2 ,...,x* m , D) = F o (D). Por eso todas las funciones<br />
del tipo:<br />
28