Académique Documents
Professionnel Documents
Culture Documents
ISSN 2174-0410
1 de abril de 2012
Resumen
Se expone una aplicacin del ajuste de datos mediante mnimos
cuadrados generalizados para funciones vectoriales, a la modelacin de
los parmetros de la Geofsica Espacial 0 2 y Dst, con el objetivo de
pronosticar los mismos. Se emplean un modelo con retardo y dos
algoritmos que fueron creados, uno para el ajuste y el otro para estimar la
matriz de covarianzas, ambos implementados en MATLAB Versin 7.3.
1. Introduccin
1.1 Antecedentes de los mnimos cuadrados generalizados
Por su importancia, los mnimos cuadrados (MC) son tratados con gran
frecuencia en numerosas publicaciones cientficas y tcnicas. Es necesario
sealar que el problema de MC es conocido bajo diferentes nombres en varias
ramas, por ejemplo, en Estadstica se le llama anlisis de regresin, y en
Ingeniera, estimacin de parmetros, filtraje o identificacin de procesos.
1
Investigacin Jorge Lemagne Prez
MCG para funciones vectoriales en la Geofsica Espacial Alexander Calzadilla Mndez
Minimizar () () = ()()
( es diagonal con elementos positivos) (2)
Minimizar () () = ()()
( es simtrica y definida positiva) (3)
: 1 1 , 1, 1 (4)
Por ejemplo, Greene [2003], pp. 340, presenta el modelo de regresiones sin
relacin aparente (Seemingly Unrelated Regressions, SUR) es decir, donde
las ecuaciones estn solo relacionadas por sus errores; el modelo es:
= + , = 1, , (6)
donde
= (1 , 2 , , ) ,
2 La formulacin (5) es algo restrictiva. Por otra parte, para aplicarla, o deben conocerse de
antemano, pues forman parte de los datos de este problema. Una formulacin rigurosa y
suficientemente general de los MCG, y en particular del AD_MCG_FV, aparece en Lemagne
[2011 (2)].
[|1 , 2 , , ] = ,
[ |1 , 2 , , ] =
= (7)
Es por ello que para resolver dicho problema fue creado el algoritmo
Adafunv (AD para FV), en donde la matriz de varianzas y covarianzas
(correspondiente con la matriz de observaciones vectorizada) es simtrica y
definida no negativa arbitraria.
3 En el modelo SUR cada ecuacin tiene su propio conjunto fijo de parmetros. Las variables
independientes son en general distintas. Por otra parte, supondremos que el nmero de
observaciones es el mismo, de acuerdo con lo que ocurre normalmente en la prctica.
4 Cuando las observaciones tienen un orden secuencial natural, utilizamos el trmino
Magnetosfera
Viento
solar
Anillo de corriente
7Versin simplificada de otra figura que aparece en Baker and Daglis [2007], pp. 185.
8 El ecuador geomagntico es diferente del ecuador geogrfico, porque existe una diferencia de
11.5 grados entre el norte geogrfico y el norte geomagntico, por lo que tambin existe la misma
diferencia entre el ecuador geomagntico y el geogrfico.
9 Los datos de prueba utilizados en este artculo corresponden con el ao 2000 y fueron
120
100
f0F2 (MHz)
80
60
40
20
0 100 200 300 400 500 600 700
Hora
0
Dst (nT)
-50
-100
0 100 200 300 400 500 600 700
Hora
Por otra parte, 0 2 adem{s de los factores vistos con anterioridad est{
influido por el campo magntico, de aqu que: Es necesario considerar la
correlacin existente entre los parmetros geofsicos 0 2 y Dst (recordemos del 1
() = () + ( )
=1 =0
(9)
donde y son abreviaturas para y , respectivamente.
pero debemos tener en cuenta que el mismo no es solo el conjunto de las ecuaciones. Por otra
parte, existen ecuaciones sencillas y sin retardo que modelan de manera muy modesta a 0 2 y a
Dst, pero que contienen autocorrelacin. Mediante transformaciones de cada una de estas
ecuaciones se obtiene una versin de MCG de la misma, y se elimina la autocorrelacin.
Se puede demostrar que tanto (8) como (9) son modificaciones de versiones de MCG de las
ecuaciones del modelo sin retardo original.
Segn Vassiliadis [2007], pp. 406, los modelos realistas de clima espacial
son hbridos de los enfoques emprico (o sea, basado en informacin) y fsico
(es decir, basado en transporte de cantidades fsicas). El modelo (8)_(9) es un
hbrido emprico-fsico vectorial.
es decir, para cada uno de los vectores , , , , , todas las componentes son
iguales y la suma de estas es 1.
Para las tres pruebas que realizaremos correspondientes con las estaciones
se seleccion el mayor bloque de informacin en cada una; los bloques
correspondientes con invierno y equinoccios ser{n llamados Invierno y
Equinoccios respectivamente.
13El software descrito en este artculo fue ejecutado en una computadora con procesadores Intel
(R) Pentium (R) D de 3.39 GHz, con 1 GB de memoria fsica total y 2 GB de memoria virtual total.
4. Resultados obtenidos
Verano
Columns 1 through 7
Columns 8 through 14
Column 15
-0.00023799
110
100
90
f0F2 (MHz)
80
70
60
Observ.
Pronost.
50
0 2 4 6 8 10 12 14
Hora
Observ.
Pronost.
5
-5
Dst (nT)
-10
-15
-20
-25
-30
0 2 4 6 8 10 12 14
Hora
Invierno
Se tom un lapso de 163 horas (de las cuales el ajuste se realiz con las
primeras 153) desde el 9 hasta el 16 de noviembre. El vector obtenido se
muestra a continuacin:
Columns 1 through 7
1.4399
Columns 8 through 14
Column 15
-4.7185e-005
130
120
110
100
90
f0F2 (MHz)
80
70
60
50
40 Observ.
Pronost.
30
1 2 3 4 5 6 7 8 9 10
Hora
Figura 6. Pronstico de 0 2 en Invierno
3
Dst (nT)
0
Observ.
Pronost.
-1
1 2 3 4 5 6 7 8 9 10
Hora
Figura 7. Pronstico de Dst en Invierno
Equinoccios
Se tom un lapso de 193 horas (de las cuales el ajuste se realiz con las
primeras 180) desde el 22 hasta el 30 de abril. El vector obtenido se
muestra a continuacin:
Columns 1 through 7
Columns 8 through 14
Column 15
0.0002387
130
Observ.
125 Pronost.
120
115
110
f0F2 (MHz)
105
100
95
90
85
80
0 2 4 6 8 10 12 14
Hora
-6
-8
-10
Dst (nT)
-12
-14
-16
-18
Observ.
Pronost.
-20
0 2 4 6 8 10 12 14
Hora
Tabla 1. Informacin sobre las corridas de Estimacov y modificacin de Adafunv para cada estacin
Tiempo Tiempo
Num.
Estacin estimacin ajuste 1 2
iterac.
(seg) MCG (seg)
5. Conclusiones
En esta comunicacin hemos visto una aplicacin del AD_MCG_FV a la
modelacin de los parmetros geofsicos 0 2 y Dst, con el objetivo de
pronosticar los mismos.
14Aunque la funcin de aproximacin sea lineal, el modelo pudiera ser no lineal, debido a la
estructura de covarianza.
Referencias
[1] ABDI, Herv. The Method of Least Squares, pp. 1, 2, Encyclopedia of
Measurement and Statistics, Thousand Oaks (CA): Sage, 2007,
http://www.utd.edu/~herve/Abdi-LeastSquares06-pretty.pdf
[2] BAKER, Daniel N. and DAGLIS, Ioannis A. 6. Radiation belts and ring
current, Space Weather Physics and Effects, pp. 185, 184, Praxis
Publishing Ltd, Chichester, UK, ISBN 13: 978-3-540-23907-9, 2007.
[3] BOTHMER, Volker and ZHUKOV, Andrei. 3. The Sun as the prime source
of space weather, Space Weather Physics and Effects, pp. 41, Praxis
Publishing Ltd, Chichester, UK, ISBN 13: 978-3-540-23907-9, 2007.
[4] CALZADILLA, Alexander. Sistema Dinmico Viento Solar-Magnetosfera-
Ionosfera: Principales Interacciones, Tesis presentada con mxima
calificacin en opcin al grado cientfico de Doctor en Ciencias
Geofsicas, pp. 10, Instituto de Geofsica y Astronoma, Cuba, 2006,
http://www.minas.upm.es/fundacion/jgs/trabajos/07a06.html
[5] CHATTERJEE, Samprit and HADI, Ali S. Regression analysis by example,
4th edition, pp. 197, Wiley series in Probability and Statistics, Hoboken,
New Jersey, ISBN 0471746967, 2006.
[6] GREENE, William H. Econometrics analysis, Fifth Edition, pp. 340, 360, 343,
Prentice Hall, New Jersey, ISBN 0-13-066189-9, 2003.
[7] JOHNSON, Richard A. and WICHERN, Dean W. Applied Multivariate
Statistical Analysis, pp. 210, Pearson Education International, NJ, USA,
ISBN 0-13-121973-1, 2002.
[8] KELLY, Michael C. The Earth's Ionosphere: Plasma Physics and
Electrodynamics, 2nd Edition, pp. 379-395, Academic Press, Elsevier Inc.,
2009.
[9] LAZO, Bienvenido, CALZADILLA, Alexander, y ALAZO, Katy. Sistema
Dinmico Viento Solar-Magnetosfera-Ionosfera: Caracterizacin y Modelacin,
Premio de la Academia de Ciencias de Cuba, pp. 4, 2008.
[10] LEMAGNE, Jorge. Una implementacin del ajuste de datos mediante Mnimos
Cuadrados Generalizados no lineales para funciones vectoriales, Revista
Investigacin Operacional, Vol. 32, No. 3, pp. 269 a 276, 2011,
http://rev-inv-ope.univ-paris1.fr/files/32311/32311-07.pdf
[11] LEMAGNE, Jorge. Una presentacin de los mnimos cuadrados generalizados,
y en particular, para funciones vectoriales, Revista Investigacin
Operacional, Vol. 32, No. 1, pp. 72 a 76, 2011,
http://rev-inv-ope.univ-paris1.fr/files/32111/32111-07.pdf
[13] SAP, Duygu. Time Series Analysis Applied to Ionospheric Data, pp. 3,
Mathematical Engineering Department, Faculty of Science and Letters,
Istanbul Technical University, Turkey, 2006,
http://www.mat.itu.edu.tr/bilge/stajlar/duygumain.pdf
Abreviaturas
AD Ajuste de Datos
AD_MCG_FV AD mediante Mnimos Cuadrados Generalizados para
Funciones Vectoriales
Adafunv Ajuste de datos para funciones vectoriales (algoritmo)
CITMA Ciencia, Tecnologa y Medio Ambiente
Dst Disturbance storm-time
Estimacov Estimar matriz de covarianzas (algoritmo)
FV Funciones Vectoriales
IGA Instituto de Geofsica y Astronoma
MATLAB MATrix LABoratory
MC Mnimos Cuadrados
MCG Mnimos Cuadrados Generalizados
MCO Mnimos Cuadrados Ordinarios
Smbolos
0 2 frecuencia crtica de la capa 2 de la ionosfera
1 espacio de vectores filas de componentes
: 1 , una funcin de 1 en
valor -simo de la variable independiente (elemento de 1 )
valor observado de ( )
nmero de componentes de la variable independiente
nmero de observaciones1
funcin de aproximacin a
nmero de parmetros desconocidos1
vector (de los ) de parmetros desconocidos
() = (; ) para un fijo, es funcin de
funcin de +1 en
() vector de los ()
() error de la aproximacin mediante MCG
= sistema lineal sobredeterminado (en general)
matriz simtrica y definida no negativa de orden ( + 1)
matriz de varianzas y covarianzas correspondiente con la matriz de
observaciones vectorizada
funcin de 1 en 1
una caracterstica (de la variable dependiente)
nmero de caractersticas
componente -sima de la funcin
funcin de aproximacin a
matriz identidad
[ ] valor esperado de variable aleatoria
vector nulo
la matriz de varianzas y covarianzas entre las caractersticas
vector de observaciones de la caracterstica -sima, en formulacin
de Greene
error en la caracterstica -sima, en formulacin de Greene
producto de Kronecker
en modelo SUR, matriz de valores de la variable independiente,
correspondiente con la caracterstica -sima
en modelo SUR, vector de parmetros desconocidos,
correspondiente con la caracterstica -sima
resultado de la vectorizacin de todos los errores
[ | ] valor esperado de , dado
2 una de las subdivisiones de la capa F de la ionosfera
componente radial de la velocidad del viento solar
10.7 flujo solar
densidad inica