Prof. Dr.

Marco Antonio Leonel Caetano

Curso

SIMULINK - Simulao de Modelos Quantitativos em Meio Ambiente

Prof.Dr. Marco Antonio Leonel Caetano Depto de Estatstica, Matemtica Aplicada e Computacional UNESP - Rio Claro - SP 1997

Prof. Dr. Marco Antonio Leonel Caetano

1- Integradores Numricos

Ao se tentar fazer previses utilizando os modelos matemticos, muitas pessoas podem se desanimar uma vez que, como j foi mencionado, modelar a natureza no questo trivial. Mesmo conseguindo modelar de forma adequada, um pesquisador pode se deparar com uma grande dor de cabea: Como encontrar a soluo de um modelo de poluio ambiental que envolva 100 variveis diferenciais e 200 parmetros para serem ajustados? Tentar resolver de maneira analtica: IMPOSSVEL! Tanto utilizando os programas computacionais hoje existentes, que resolvem de maneira algbrica ou tentar utilizar tcnicas para resolver com aproximaes no daro resultados. neste ponto que entram os chamados integradores numricos, que atravs de recursividade conseguem integrar sistemas complexos com muitas variveis e parmetros partindo de condies iniciais que lhes so fornecidos. Existem excelentes integradores numricos, e esta uma rea onde muito se investiu quando os primeiros computadores mostraram que era vivel a utilizao de recursividade na resoluo de problemas complexos. Dentre os mais utilizados no meio cientfico destacam-se: Runge-Kutta, Runge-Kutta/Felberg, Adams, etc., sendo os melhores aqueles que permitem trabalhar com passo de integrao varivel. Os mtodos de Runge-Kutta so mtodos numricos para soluo de equaes diferenciais. A ordem do mtodo diz quantas avaliaes ele realiza ao longo da integrao. Assim, o mtodo de Runge-Kutta de primeira ordem, conhecido como mtodo de Euler :
y k +1 = y k + hk 1 k1 = f (t k , yk )

onde h o passo de integrao e apenas uma avaliao da funo feita , no caso em k1. O mtodo de Runge-Kutta de segunda ordem dado pelas equaes:

Prof. Dr. Marco Antonio Leonel Caetano

h (k + k 2 ) 2 1 k1 = f (t k , yk ) k 2 = f ( t k + h , y k + hk 1 ) y k +1 = y k + onde ento duas avaliaes da funo so realizadas, k1 e k2. Desses mtodos o mais conhecido e utilizado o mtodo de Runge-Kutta de quarta ordem onde quatro avaliaes so realizadas na funo:
h (k + 2k 2 + 2k 3 + k 4 ) 6 1 k1 = f ( t k , y k ) y k +1 = y k + k2 = f (t k + h h , y k + k1 ) 2 2 h h k 3 = f (t k + , yk + k2 ) 2 2 k 4 = f ( t k + h, y k + hk 3 )

Cuidados especiais devem ser tomados em relao a mtodos numricos, que normalmente so utilizados sem averiguao da funo a ser integrada. Muitas

funes devem ser integradas com passos variveis pois o integrador de passo fixo pode apresentar resultados camuflados de erros. Neste contexto, aparecem os

integradores tipo previsor-corretor onde um mtodo de ordem mais baixa usado para estimar os valores futuros da funo e ajusta o passo, sendo em seguida corrigido por um integrador de ordem mais alta. Destes, destaca-se o integrador de RungeKutta-Felberg 7/8 ordem onde um integrador de stima ordem avalia a funo e um

de ordem oito vem logo em seguida corrigindo os resultados.

Modelamento Matemtico para Planejamento Regional

A capacidade de avaliar quantitativamente a evoluo de um ecosistema, principalmente no tocante a alteraes potencialmente adversas para a natureza e para o ser humano, permite que a sociedade possa intervir de forma precoce no sentido de evitar transtornos futuros. Como exemplo, apresenta-se aqui o seguinte modelo de poluio de um lago.

O Problema

Prof. Dr. Marco Antonio Leonel Caetano

O problema consiste em fazer previses para futuros investimentos industriais numa regio composta por uma lagoa ou represa de gua salgada, onde a principal fonte financeira o cultivo de frutos do mar. Este problema foi formulado e resolvido por Boynton , Hawkins e Gray[ ] e consiste em planejar que tipos de investimentos devem ser alocados para um crescimento adequado das cidades ao redor da lagoa sem prejudicar o meio biolgico existente. O modelo bastante complexo e envolve 16 variveis que medem desde aspectos biolgicos at aspectos sobre o

comprometimento do turismo regional. Para efeito de simplificao, apresentaremos uma situao hipottica com 13 variveis, excluindo as variveis que representam o turismo regional. Os valores tambm so hipotticos, onde a finalidade aqui apenas mostrar o comportamento e inter-relaes destas variveis e no seu resultado numrico.

O Modelo

O modelo bastante interessante e nele so consideradas as variveis econmicas, biolgicas e populacional. A idia apresentar, sobre determinados parmetros conhecidos, o comportamento de cada varivel frente s variaes globais durante um determinado perodo de tempo. O modelo da forma:
& 1 = k 1x 2 x 3 k 2 x1 x & 2 = k 2 x1 k 3x 2 x 3 x & 3 = k 4 x5x 4 I 0 + k 5I 2 I 3 + k 55x 4 + k 7 x 9 k 8 x 3 k 9 k 10 x 6 k 11x 3 x & 4 = k 12 x 2 x 3 + k 13x 3 + k 14 x 4 x 9 k 15x 2 x 4 k 16 x 4 k 57 x 4 & 5 = k 17 x 2 + k 18 ( x 4 k 19 x 2 x 4 ) + k 20 x11 k 21x 5 & 6 = k 22 I 2 x 4 x5 k 9 x 6 k 23x 6 + k 56 x 6 x & 7 = k 27 x8 x 9 k 7 x 7 k 28 x 7 x & 8 = k 29 x 7 + k 14 x 4 x 7 k 30 x8 x 9 k 31x8 x & 9 = k 34 x10 k 35x 9 k 26 x8 x 9 k 37 x 9 x11 x & 10 = k 38 I 7 I 6 + k 39 I10 x 2 k 40 x10 k 41x10 k 42 x10 k 34 x10 x & 11 = k 43I 6 I 9 + k 44 x 4 k 45x11 x & 12 = k 47 I 6 I8 + k 48 x 6 k 49 x12 k 50 I10 x12 x & 13 = k 51I 6 I5 + k 52 x 6 k 53x13 x onde x1:rea urbanizada; x2:rea possvel de ser urbanizada; x3:capital local; x4:estrutura da cidade; x5:imagem da cidade; x6:residentes; x7:capital industrial; x8:estrutura

Prof. Dr. Marco Antonio Leonel Caetano

industrial;

x9:frutos

do

mar;

x10:matria

orgnica

despejada;

x11:toxinas;

x12:nutrientes; x13:coliforme fecal. Os parmetros I e k so parmetros de proporcionalidade entre as variveis e dependem das sries histricas e estatsticas sobre o comportamento das variveis durante um longo perodo de tempo.

Simulao

Foram adotadas como condies iniciais para este exemplo valores hipotticos e admensionais, servindo apenas para uma demonstrao didtica do modelo. Assim:
x1(0) = 4 x6(0) = 300 x11(0) = 1.09 x2(2) = 8 x7(0) = 248 x12(0) = 20 x3(0) = 200 x8(0) = 2.27 x13(0) = 5.75 x4(0) = 73.4 x9(0) = 7.8 tempo 4anos final = x5(0) = 0.1 x10(0) = 2.72

Olhando para as variveis biolgicas na Figura 1 percebe-se que a estratgia utilizada no recomendvel, uma vez que, apesar da matria orgnica despejada no lago e os nutrientes diminurem radicalmente a zero em 4 anos, a quantidade de toxinas e coliforme fecal aumentaram abruptamente em conseqncia do grande aumento de residentes (Figura 3) atrados pelos investimentos industriais (Figura 3), no estando a regio adequadamente preparada do ponto de vista do saneamento bsico (Figura 2) onde o valor final da parte estrutural da cidade foi menor do que no incio. Outro responsvel pela poluio deste lago apontado no indicador de estrutura industrial, que de zero teve um excelente aumento indo a mais de 3000 (Figura 3). Porm, como este desenvolvimento no foi auto-sustentvel, ou seja, no houve uma adequao com o meio ambiente, percebe-se que as industrias instaladas tiveram prejuzo ao cabo de 4 anos (Figura 3), por estas estarem inteiramente ligadas aos produtos do lago, que foram a zero (Figura 2). Isto contrasta com o capital local que teve aumento ao fim de 4 anos, mas um aumento que sair caro para a regio, uma vez que sua fonte original de renda voltada biosfera do lago foi exterminada pelo mau planejamento urbano ao receber industrias e novos residentes.

Prof. Dr. Marco Antonio Leonel Caetano

Estrutura Biolgica da Regio

25.00
12.00

Elementos Geogrficos

Variveis Biolgicas
Matria Orgnica Despejada Toxinas (NO3-N)

Variveis Populacionais
rea Urbanizada rea Possvel de Urbanizao

20.00

Nutrientes Coliforme Fecal

Variveis Populacionais
0.00 1.00 2.00 3.00 4.00

Variveis Biolgicas

8.00

15.00

10.00

4.00

5.00

0.00

0.00 0.00 1.00 2.00 3.00 4.00

Tempo (anos)

Tempo (anos)

Figura -1Estrutura Local

100.00

Figura -2Elementos Econmicos

4000.00

Variveis Econmicas
Variveis Estrutuais

Capital Local Capital Industrial

80.00

Estrutura da Cidade Imagem da Cidade biosfera aqutica

3000.00

Estrutura Industrial Residentes

60.00

Variveis Econmicas

Variveis Estruturais

2000.00

40.00

1000.00
20.00

0.00 0.00 1.00 2.00 3.00 4.00

0.00 0.00 1.00 2.00 3.00 4.00

Tempo (anos)

Tempo (anos)

Figura -3-

Figura -4-

2- A Importncia na Escolha do Mtodo Numrico

A escolha de um mtodo numrico para a simulao de sistemas dinmicos de fundamental importncia para uma concluso sergura e coesa sobre o evento. Mostraremos primeiramente como funciona o mtodo de Euler. Suponhamos que tenhamos que resolver a equao diferencial dy = ty dt y(0) = 1

Prof. Dr. Marco Antonio Leonel Caetano

Neste caso, teremos como fazer uma verificao sobre a preciso ou no do mtodo escolhido uma vez que a soluo analtica facilmente obtida e ser:
y( t ) = e t
2

/2

Como j foi vista, a frmula para o mtodo de Euler :

y k +1 = y k + hf ( t k , y k ) e esolhendo a variao no tempo t k +1 = t k + h poderemos passo a passo obter, escolhendo como h = 0.1 de t = 0 at t = 1,

Tempo tk

Funo yk

t0 = 0 t1 = 0.1 t2 = 0.2 t3 = 0.3 t4 = 0.4 t5 = 0.5

y0 = 1 y1 = y0 + 0.1.(-t0.y0) = 1 y2 = y1 + 0.1.(-t1.y1) = 0.99 y3 = y2 + 0.1.(-t3.y2) = 0.9702 y4 = y3 + 0.1.(-t3.y3) = 0.941094 y5 = y4 + 0.1.(-t4.y4) = 0.90345024

Se compararmos com a soluo, y(0) = 1; y(0.1) = 0.99501; y(0.2) = 0.98019; y(0.3) = 0.95599; y(0.4) = 0.92311; y(0.5) = 0.88249;
erro = 0.0; erro = 0.00499; erro = 0.00981; erro = 0.01421; erro = 0.01798; erro = 0.02096;

Estes erros parecem pequenos, e o resultado apresentado para algum que est vendo o mtodo pela primeira vez pode achar que fez uma boa escolha. Vejamos outro exemplo. Suponhamos que se quer simular o desempenho de um biodigestor para estimar seu custo ou lucro na operao de obteno de gs. O sistema de equaes diferenciais :

Prof. Dr. Marco Antonio Leonel Caetano

dy 1 = 3y 1 y 1 y 2 dt dy 2 = y1 y 2 2y 2 dt y 1 (0) = 1 y 2 (0) = 2 onde as variveis y1 e y2 indicam quantidade de gs liberado e velocidade com que o processo ocorre.
20.00
20.00

10.00

16.00

Varivel Y1

0.00

Varivel Y2
0.00 2.00 4.00 6.00 8.00 10.00

12.00

8.00

-10.00
4.00

-20.00

0.00 0.00 2.00 4.00 6.00 8.00 10.00

Tempo

Tempo

Figura - 5 - Varivel Y1

Figura - 6 - Varivel Y2

As figuras 5 e 6 mostram os resultados desastrosos que ocorrem com o mtodo de Euler em comparao com um mtodo de Runge-Kutta de 4a ordem. A linha cheia apresenta o mtodo de Runge-kutta de 4a ordem e a linha tracejada apresenta o mtodo de Euler. Pelo mtodo de Euler a produo de gs negativa com o passar do tempo, ou seja, o biodigestor rouba gs do meio ambiente e ainda com velocidade nula! Com isso, queremos mostrar que, isto no acontece apenas com o mtodo de Euler mas com qualquer mtodo que seja utilizado inadequadamente em fenmenos naturais. Vejamos o que acontece com a comparao entre um mtodo de Runge-Kutta de 2a ordem com passo varivel com um corretor de 3a ordem tambm conhecido como RK2/3 e um RK4/5 (previsor de 4a ordem e corretor de 5a ordem). Tomemos o sistema dinmico que representa o conhecido problema de presapredador:

Prof. Dr. Marco Antonio Leonel Caetano

dy1 = y1 0.01y1y 2 dt dy 2 = y 2 + 0.02 y1y 2 dt y1 (0) = 20 y 2 (0) = 20 onde a varivel y1 representa o predador e a varivel y2 representa a presa fugindo de seu predador. Ambos comeam com o mesmo tamanho de populao sendo que o sistema nos diz, atravs das equaes que, o predador cresce proporcional a populao existente, mas morre na inter-relao com sua presa, uma vez que quando ela desaparece, a populao de predadores diminuem e comeam a brigar entre si por mais comida. Esta proporo de relao indicada pelo termo 0.01y1y2 para o predador e 0.02y1y2 para a presa. A simulao realizada com RK2/3 e RK4/5 apresentada pelos grficos 7 e 8.

Figura - 7-

Prof. Dr. Marco Antonio Leonel Caetano

Figura - 8Como pode-se observar, novamente ocorre um grande erro na simulao do mtodo RK2/3 em relao ao mtodo RK4/5. O erro no to discrepante quanto o mtodo de Euler fornece mas, ainda assim perigoso em termos de estimativas. Como sabemos que RK4/5 melhor, ou em outros termos, como podemos afirmar que o mtodo RK4/5 d a soluo exata. A resposta : No podemos! No podemos porque a resposta do mtodo previsor-corretor RK4/5 tambm apresentar erro, uma vez que tanto ele quanto o mtodo RK2/3 ou o mtodo de Euler so derivados da expanso de funes em srie de Taylor. O que sabemos que ele melhor do que o mtodo RK2/3 porque quando comparado com funes que apresentam solues analticas, seu erro sempre menor do que o RK2/3. Logo, sua resposta dever ser melhor para uma determinada famlia de problemas. Para finalizar este tpico, o que o leitor deve concluir de importante que deve ter muita ateno ao escolher o tipo de mtodo numrico a ser utilizado para no ter surpresas desagradveis no futuro.

3- O Uso do SIMULINK-MATLAB em Simulaes

10

Prof. Dr. Marco Antonio Leonel Caetano

Os mtodos numricos, com exceo ao mtodo de Euler, no so fceis de implementar para pessoas que no so da rea de matemtica computacional. Para essas implemantaes so necessrios os conhecimentos de linguagem de programao, anlise numrica e tcnicas de programao no muito usuais e de difcil acesso para um pesquisador que no da rea de exatas. Recentemente, esta dificuldade, que fazia com que pesquisadores no to ntimos com computao se afastassem dos modelos matemticos, est sendo superada com o programa computacional Simulink-Matlab. Este programa permite que pesquisadores de qualquer rea que desejam fazer uso dos modelos matemticos o possam fazer sem ser conhecedor de linguagem ou tcnicas de programao computacional. Isto muito bom, pois modelos matemticos aposentados comeam a se tornar novamente utilizados agora com mais frequncia na anlise de fenmeno naturais.

Vamos a partir de agora apresentar alguns comandos importantes desse software, necessrios na simulao de fenmenos ligados meio ambiente. So eles:

(a) Biblioteca dos Comandos de Entrada

11

Prof. Dr. Marco Antonio Leonel Caetano

Nesta bilioteca possvel fazer uma simulao colocando como entrada sinais espaados com o tempo do relgio interno do computador utilizando clock ou digital
clock. Dentro de Signal Generator possvel simular como entrada sinais do tipo

senide, onda quadrada, sequncia repetida ou ainda rudo aleatrio. Alis, estes comandos tambm podem ser obtidos isoladamente atravs de Sine Wave, Random
Number, Pulse Generator, Step Input e Reapeating Sequence. Um sinal tambm

interessante de ser utilizado em processos estocsticos, ou seja, processos com variao aleatria no tempo o White Noise onde gerado um rudo branco. Podemos entrar ainda apenas com um valor constante no sistema atravs do comando Constant. A entrada pode ser via externa ao Simulink, atravs de arquivos gerados em qualquer outro software atravs do comando From File ou de qualquer arquivo gerado dentro do prprio ambiente Matlab, atravs de From Workspace.

(b) Biblioteca dos sinais de sada

As sadas so as visualizaes dos resultados das simulaes. Nesta biblioteca tem-se uma visualizao atravs de um osciloscpio virtual atravs da caixa de comando Scope. Outra sada pode ser fornecida atravs de grficos que podem ser sem auto-escala com Graph ou com auto-escala atravs de Auto-Scale Graph, ou ainda eliminando o tempo das visualizaes e s observando os resultados atravs da variao entre as variveis com o comando XYGraph.

12

Prof. Dr. Marco Antonio Leonel Caetano

Assim como a entrada, na sada podemos salvar os resultados para o Matlab atravs de To Workspace ou para um arquivo de outro aplicativo atravs de To File. Podemos ainda terminar uma simulao atravs de Stop.

( c ) Biblioteca de Conexes

Esta uma biblioteca importante pois essas conexes fazem o papel do comando go to presente em quase todas as linguagens de programao, permitindo a interrupo do fluxograma em um lugar e continuao em outro. Para isto basta utilizar os comandos Inport ou Outport. Quando for desejado de um nico caminho de simulao passarmos para vrios outros utilizaremos o comando Demux e no caso contrrio utilzamos o comando Mux. (d) Biblioteca Linear

Esta a biblioteca mais importante para a simulao de sistemas dinmicos. Nela poderemos somar as variveis atravs de Sum, o produto atravs de Inner

13

Prof. Dr. Marco Antonio Leonel Caetano

product ou Gain ou ainda Matrix Gain para sistemas multivariveis, derivar

numricamente uma funo atravs de Derivative. O comando Integrator nos apresenta a possibilidade de utilizao dos mtodos de integrao numrica comentados anteriormente onde deve-se entrar com as condies iniciais das variveis. Todas essas bibliotecas esto dentro da caixa principal do Simulink assim que o usurio entra no programa.

4- O Funcionamento do Simulink

Como pode ser visto, cada comando apresenta uma seta de entrada e/ou sada de sua caixa. Isto existe para poder permitir a conexo das variveis atravs de flexas de ligao entre uma caixa e outra. Assim, por exemplo:

Esta caixa representa um programa simples que gera uma onda senide para ser visualizada num osciloscpio virtual, com amplitude, frequncia e tempo de realizao da simulao escolhidos pelo usurio. J a caixa

permite que se visualize o grfico da onda no mostrador grfico do matlab, tendo como resultado a figura seguinte:

14

Prof. Dr. Marco Antonio Leonel Caetano

Imaginemos que desejamos visualizar duas trajetrias ao mesmo tempo, uma tipo onde seno e outra onda quadrada. Para isto precisaramos alterar o programa antrior e incluir os geradores das ondas mais o comando Mux para a sada mltipla de resultados. O programa seria:

que resultaria no grfico seguinte:

Utilizando o Simulink, vejamos como ficaria a resoluo de um sistema de equaes diferenciais

dy 1 = y2 dt dy 2 = y1 dt y 1 (0) = 2 y 2 (0) = 1

15

Prof. Dr. Marco Antonio Leonel Caetano

utilizando ento a caixa de programas do simulink seria necessrio construir um programa que utilizasse a caixa Integrator para a simulao numrica. Este programa ficaria:

cujo grfico da soluo deste sistema seria:

o que vemos no bloco de programa, seguindo o sentido das flexas, o resultado da integrao da varivel y1 deve ser multiplicado por um ganho 1 e entrar diretamente para ser integrado na caixa do integrador da segunda varivel y2, correspondendo a segunda equao diferencial. Da mesma forma o resultado da segunda varivel y2 deve ser multiplicado pelo ganho -1 e entrar direto na caixa de integrador da primeira equao diferencial. Conforme pode-se observar na figura seguinte, no box onde o programa feito, existem vrios comandos: File, Clipboard, Edit, Options, Simulation e Style.

16

Prof. Dr. Marco Antonio Leonel Caetano

Em especial e de nosso interesse, o comando Simulation o responsvel pela simulao do sistema dinmico em questo.

Ao escolher a opo Simulation um painel de controle abrir conforme figura a seguir. Nele possvel observar a facilidade de escolher qualquer um dos mtodos numricos com apenas o apertar de um boto. Os mtodos numricos j programados so: Euler, Runge-Kutta de 3a ordem, Runge-Kutta de 5a ordem, Adams, Gear, e um mtodo de simulao de sistemas lineares.

17

Prof. Dr. Marco Antonio Leonel Caetano

Os parmetros so: o tempo inicial, o tempo final, o tamanho mnimo de passo de integrao. O tamanho mximo de passo de integrao, a tolerncia de erros que se deseja permitir para o mtodo e a escolha de qual varivel deseja-se observar. Ento, conforme dito antes, simular sistemas dinmicos em meio ambiente ou qualquer outra rea que no seja de cincia exata torna-se hoje em dia muito simples e acessvel para qualquer pesquisador.
5- Modelos Quantitativos

Nos captulos anteriores foram feitos preparativos no sentido de tornar o leitor mais adaptado s tcnicas e programas para uso em modelos dinmicos que representem sistemas ecolgicos. Neste captulo usaremos todas as tcnicas vistas anteriormente de maneira implcita ou explcita. Quando nos propomos a analisar sistemas dinmicos, duas grandes reas tornam-se divisores do estudo. O pesquisador pode concentrar-se modelos quantitativos ou qualitativos.

18

Prof. Dr. Marco Antonio Leonel Caetano

Modelos qualitativos, analisam sobre um ponto de vista mais amplo, o que acontece com o sistema sob o ponto de vista de estabilidade, convergncia, possveis parmetros que levem a um comportamento catico, possveis condies iniciais no observveis em comparao com a realidade do fenmeno, etc. J uma anlise quantitativa, preocupa-se fundamentalmente com os valores obtidos pelas variveis e parmetros, preocupa-se com a simulao, preocupa-se com a preciso da previso de acontecimentos futuros, enfim, basicamente preocupa-se com o aspecto numrico envolvido no sistema dinmico em questo.

6- Modelos de Crescimento

Crescimento Exponencial

Estes tipos de modelos assumem que a razo de crescimento proporcional ao valor instantneo da varivel principal responsvel pela determinao da populao, ou :
dy( t ) = ry( t ) dt onde y(t) o valor da populao no instante t e r a constante de proporcionalidade. Para uma simples integrao podemos encontrar uma expresso analtica para a soluo da equao: y( t ) = y( t 0 )e rt onde y(t0) o valor inicial da populao no tempo inicial. Como exemplo, se y(t0) = 1, podendo representar 1 mil predadores, ou 1 milho de predadores, ou qualquer outro valor que possa ser representado por 1, e suponhamos r = 1.5, a equao anterior torna-se: dy = 15 . y dt y(0) = 1 e a simulao deste modelo ser:

19

Prof. Dr. Marco Antonio Leonel Caetano

O diagrama de simulao ser:

Crescimento Exponencial com Valor Constante

Se for assumido que a razo de crescimento proporcional a diferena entre o valor instantneo de y(t) e algum valor assinttico (para onde a soluo converge) k, ento: dy( t ) = r ( k y( t ) ) dt onde r a constante de proporcionalidade como j mencionado anteriormente. Separando as variveis e integrando em relao a t, obtm-se a seguinte funo de crescimento: y( t ) = k ( k y( t 0 ))e rt

20

Prof. Dr. Marco Antonio Leonel Caetano

Da mesma forma, assumindo que o valor assinttico ser k = 1.5, a equao anterior ser: dy( t ) = 15 . (15 . y( t ) ) dt y(0) = 1 cujo resultado simulado ser:

com o diagrama de simulao

Pode-se observar neste caso que a constante k = 1.5 limita o crescimento da populao, diferente do modelo anterior que tratava o crescimento como ilimitado. Este modelo se aproxima mais da realidade do que o anterior, onde a constante k faz o papel de um certo controle imposto sobre a situao de crescimento. Este fator pode advir de um controle externo, como influncia de poltica governamental ou mesmo uma limitao de alimento.

Crescimento Logstico

21

Prof. Dr. Marco Antonio Leonel Caetano

Um dos modelos mais frequentemente utilizado, combina as hipteses dos dois modelos anteriores, isto , a razo de crescimento assumido ser proporcional ao valor instantneo de y(t) e a diferena entre este valor instantneo e algum valor assinttico k. A equao ser: dy( t ) = ry( t )( k y( t )) dt Este modelo bastante interessante pois o termo -ry(t)2 representa a morte natural da populao enquanto o termo rky(t) representa nascimentos ou imigraes de tal forma que aumenta a populao. A soluo analtica :
y( t ) = ky( t 0 ) y( t 0 ) + ( k y( t 0 ))e krt

Assumindo as mesmas condies anteriores dos modelos anteriores teremos a equao na forma: dy( t ) = 2.25y( t ) 15 . y( t ) 2 dt y(0) = 1 onde a simulao ser:

com o diagrama

22

Prof. Dr. Marco Antonio Leonel Caetano

Modelo de Crescimento de Populao em Meio Ambiente Restrito com Competio

Consideremos agora uma populao de animais ou de plantas vivendo isoladamente num meio ambiente sem qualquer tipo de interveno de nenhum outro ser. Assumiremos que o nmero de nascimentos e mortes em unidade de tempo aproximadamente proporcional ao nmero total de indivduos na populao com constantes de proporcionalidade b e d , respectivamente. Denotaremos p(t) o nmero de indivduos de uma populao no tempo t: dp( t ) = bp( t ) dp( t ) dt Podemos ento, chamar de = b p o que nos leva ao modelo: dp( t ) = p ( t ) dt cuja soluo analtica nos leva: p( t ) = p( t 0 ) e ( t t 0 ) , t t 0 Pode-se notar que: a) O tempo aumenta em progresso aritimtica, enquanto o nmero total de indivduos aumenta ou decresce em progresso geomtrica, concordando com a lei de Malthus. b) Se >0 , p(t) aumenta, isto , se o nmero de nascimentos excede o nmero de mortes, a populao aumenta. c) Se = 0 , p(t) constante. d) Se <0, p(t) diminui.

23

Prof. Dr. Marco Antonio Leonel Caetano

Este modelo o mesmo do crescimento exponencial, porm, a partir de agora no mais nos restringiremos a populaes isoladas, mas competindo entre si. Ento, teremos duas populaes, digamos p1(t) e p2(t) lutando pelo mesmo espao e mesma comida. Uma pode ser a presa e a outra a predadora. O modelo anterior ento se transforma:
dp 1 ( t ) 2 = ap 1 ( t ) bp 1 ( t ) cp 1 ( t ) p 2 ( t ) dt dp 2 ( t ) 2 = dp 2 ( t ) ep 2 ( t ) fp 2 ( t ) p 1 ( t ) dt Este modelo tambm conhecido como modelo de Lotka-Volterra e consegue exprimir de maneira bastante elaboriosa as relaes de inter-dependncia entre duas populaes. Aqui, os parmetros a e d so taxas de crescimento, ou natalidade; b e e so taxas de mortalidade e os parmetros c e f so taxas que apontam a influncia de uma populao na outra. Suponhamos, como exemplo, que duas populaes tenham mesmo nmero de elementos iniciais p1(t) e p2(t), porm com a populao p2(t) com taxa de mortalidade maior do que p1(t) conforme as equaes: dp 1 ( t ) 2 = p 1 ( t ) 0.2 p 1 ( t ) 01 . p1 ( t ) p 2 ( t ) dt dp 2 ( t ) 2 = p 2 ( t ) 0.3p 2 ( t ) 01 . p1 ( t) p 2 ( t ) dt p 1 (0) = 1 p 2 (0) = 1 com o diagrama do Simulink:

24

Prof. Dr. Marco Antonio Leonel Caetano

Tem-se ento a seguinte soluo grfica:

Supondo que a populao p1(t) tem maior influncia sobre a populao p2(t), ou seja, c = 0.1 e f = 0.5

25

Prof. Dr. Marco Antonio Leonel Caetano

Por ter uma influncia maior e um aumento crescente, a populao p1(t) acaba por exterminar a populao p2(t).

O Modelo SALMO

Um modelo interessante para determinao de estado para Lagos e Reservatrios apresentado por Recknagel[
]

em seu livro. Nele possvel, como

apresentado no esquema do Simulink anterior determinar o nvel de Ortofosfato, Nitrognio Dissolvido, Fitoplncton, Zooplncton, Detritos e Oxignio Hipolimnico. um modelo bastante complexo e abrangente que visa determinao o estado de eutrofizao em lagos naturais ou artificiais. O nome SALMO vem de Simulation by means of na Analytical Lake MOdel e tem como sistema de equaes diferenciais:

26

Prof. Dr. Marco Antonio Leonel Caetano

dP( t ) = PIM PKONS + PREM PEX + PSF + PFLUX dt dN ( t ) = NIM NKONS + NREM NEX + NSF + NFLUX dt dX 1 = XWA XSED XGRAZ XEX + XFLUX dt dX 2 = XWA XSED XGRAZ XEX + XFLUX dt dZ = ZWA ZMO + ZMIG ZEX + ZFLUX dt dD = DIM DSED DGRAZ DEX + DFLUX dt dOH = OHPPOD OHKONS + OHIM OHEX + OHFLUX dt

onde as variveis envolvidas so: PIM PKONS PREM PEX NIM NKONS NREM XWA XSED XGRAZ XEX ZWA ZMO ZMIG ZEX : importao de fsforo :consumo de fsforo :reminerilizao de fsforo :exportao de fsforo :importao de nitrognio :consumo de nitrognio :reminerilizao de nitrognio :crescimento de detritos :sedimentao de detritos :alisamento :exportao :crescimento de zooplncton :mortalidade de zooplncton :migrao de zooplncton :exportao de zooplncton

DIM DSED DEX

:importao de detritos :sedimentao de detritos :exportao de detritos

27

Prof. Dr. Marco Antonio Leonel Caetano

OHPPOD OHKONS OHIM OHEX

:produo de oxignio :consumo :importao de :exportao de oxignio

as demais variveis no colocadas com a terminao FLUX indica o fluxo da varivel no lago. Observando dentro do diagrama do Simulink vemos que os sistemas esto agrupados por equao diferencial. Assim, por exemplo o grupo de ortofosfato dissolvido contm o seguinte subsistema:

Mais detalhes podero ser encontrados no texto original de Recknagel. A simulao deste modelo poder ser verificada no Simulink. Para algumas condies iniciais toamadas como exemplo possvel verificar os seguintes grficos:

28

Prof. Dr. Marco Antonio Leonel Caetano

29