Recomendados
Recomendados
Mais conteúdo relacionado
Semelhante a Calibração Automática de Modelos Ecológicos
Semelhante a Calibração Automática de Modelos Ecológicos (20)
Mais de Pedro Valente
Mais de Pedro Valente (11)
Calibração Automática de Modelos Ecológicos
- 1. Prova de Mestrado em Engenharia Informática Pedro Ricardo da Nova Valente Licenciado em Eng. Da Comunicação, vertente Sistemas de Informação Orientação: Prof. Doutor Luís Paulo Reis Mestre António Pereira Porto, Segunda-Feira, 16 de Março, 2009 MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 1
- 2. Tavira-Clube Naval Agenda Olhão Faro-Harbour Fuzeta-Canal Tavira-Cabanas Ancão Olhão – Faro – Canal de Marim main channel 1) Introdução Flood Flood 2) Simulação Ecológica -1 m s-1 3) Métodos de Optimização 4) Simulador EcoSimNet 5) Projecto Agente Calibrador 6) Experiências 7) Conclusões e Perspectivas Futuras m s-1 mg m-3 MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 2
- 3. Introdução Introdução Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Problema Motivação Objectivos MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 3
- 4. Introdução Problema Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras • Simulação de Modelos Ecológicos Aquáticos Domínio: • A calibração de modelos é uma fase crucial e dispendiosa na modelação de modelos. Normalmente realizada por Problema: peritos no modelo, com tentativa-erro. • Dotar o Simulador de uma ferramenta capaz de calibrar modelos ecológicos, de forma semi-automática, Solução diminuindo o tempo consumido no processo de calibração. MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 4
- 5. Introdução Objectivos Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Estudar como podem Algoritmos de Optimização conhecidos ser usados no processo de calibração de modelos ecológicos; Definir processo de Calibração Genérico para modelos ecológicos; Dotar o Sistema de Simulação EcoSymNet de uma ferramenta de Calibração Automática. Criar uma plataforma de calibração capaz de testar novos algoritmos de Calibração Objectivos Secundários: • Generalização do Sistema; • Extensibilidade dos métodos de optimização; • Optimização do processo de análise; MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 5
- 6. Introdução Motivação Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Utilização da Simulação como ferramenta de suporte a decisão; Maior parte dos Simuladores ecológicos não possui mecanismos automáticos de calibração de modelos; Simulações são consideradas ferramentas importantes no estudo de como um dado sistema reage à mudança de parâmetros; Utilização do Simulador EcoSimNet – projecto FEUP/UFP; MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 6
- 7. Introdução Simulação Ecológica Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Simuladores Simulação de Simulação Ecológicos Modelos Hidrodinâmica Aquáticos MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 7
- 8. Introdução Simulação de Modelos Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Modelo: Representação abstracta da realidade; Sistema: colecção de entidades, que actuam e interagem conjuntamente para realização de algo lógico; Simulação: permite a geração de cenários apartir de um dado modelo; O modelo pode ser constituído por formulação matemática que assenta em 5 componentes: • Variáveis externas ou funções fixas, • Variáveis de Sistema, • Equações Matemáticas, • Parâmetros, • Constantes. MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 8
- 9. Introdução Simulação de Modelos(1) Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Os Modelos podem ser classificados de diversas formas: Estáticos ou Dinâmicos Classificação de Modelos Contínuos ou Determinísticos Discretos ou Estocásticos MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 9
- 10. Introdução Simulação Hidrodinâmica Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras A hidrodinâmica é uma parte da Mecânica dos fluidos que estuda o escoamento dos fluidos. Fomenta a optimização da gestão de ecossistemas aquáticos; A optimização deve assentar num sistema de monitorização: • Medidas, • Modelação, • Partilha de dados/resultados. MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 10
- 11. Simuladores Ecológicos Introdução Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Aquáticos Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Servem de SAD para um desenvolvimento sustentado dos ecossistemas; Simulam processos Bioquímicos • Por exemplo: fotossíntese, ciclo de nutrientes Devido a sua complexidade de representação, muitos modelos são simplificações implícitas ou ambíguas; Normalmente os Simuladores estão dependentes do modelo. Um modelo = Um Simulador m s-1 mg m-3 MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 11
- 12. Introdução Métodos de Optimização Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Calibração: encontrar o conjunto de valores de parâmetros indicados de forma a representar a realidade; Subida de Colina (Hill-Climbing) • Método de pesquisa local; Arrefecimento Simulado (Simulated annealing) • Método de pesquisa local, recorrendo a analogia com a termodinâmica Algoritmos Genéticos • Algoritmo evolutivo; • Faz uso da teoria da evolução das espécies; MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 12
- 13. Introdução Simulador EcoSimNet Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Ecolang Arquitectura Simulador Definição •Linguagem de Sistema EcoDynamo Comunicação Tavira-Clube Naval Olhão Faro-Harbour Fuzeta-Canal Tavira-Cabanas Ancão Olhão – Faro – Canal de Marim main channel Flood Flood -1 m s-1 MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 13
- 14. Introdução EcoSimNet Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras EcoSimNet é acrónimo para Ecologic Simulator Network; Sistema Multi-Agente para Simulações Ecológicas Integrado no projecto ABSES: Agent Based Simulation of Ecological Systems (FCT/POSC/EIA/57671/2004); Associado a um projecto europeu (DITTY) como Sistemas de Apoio à Decisão (SAD) para a gestão de ecossistemas costeiros Dotar o Simulador da capacidade de representação de influências externas no desenvolvimento MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 14
- 15. Introdução Arquitectura Sistema Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 15
- 16. Introdução Simulador EcoDynamo Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Núcleo de toda a plataforma; Capacidade de modelação para ecossistemas aquáticos; Consegue simular componentes físicas e biológicas dos modelos ao longo do tempo; MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 16
- 17. Introdução ECOLANG Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador ExperiênciasConclusões e Perspectivas Futuras Linguagem de comunicação que permite a troca de informações entre a aplicação de simulação ecológicas e os agentes externos; Baseado no trabalho de Reis e Lau (2002), a COACH UNILANG; linguagem de alto nível com capacidade de descrição do sistema ecológico: Execução • características regionais, • percepções dos agentes e suas acções. Eventos Configuração Tipos de Acções Ecolang Exemplo Mensagem ECOLANG Estatísticas Definições MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 17
- 18. Introdução Projecto Agente Calibrador Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Algoritmos Arquitectura Função de Definição Módulos de Sistema Avaliação Optimização MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 18
- 19. Introdução Projecto Agente Calibrador Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Desenvolvido em linguagem C++; Comunica com o Simulador através do protocolo de simulação EcoLang; MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 19
- 20. Introdução Arquitectura Sistema Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 20
- 21. Introdução Módulos Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Data Manipulation: definição das estruturas de armazenamento de dados provenientes do Simulador; Generic Function: funções genéricas usadas por todo o agente calibrador; Calibration Module: funções genéricas usadas pelos algoritmos de optimização; Calibration Windows Form: responsável pela definição da interface gráfica com o utilizador. MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 21
- 22. Introdução Módulos(1) Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Generic Functions (Class) Data Manipulation structures (Classes) Calibration Class Calibration Windows Forms Simulated Genetic Hill Climbing … Annealing Algorithm MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 22
- 23. Introdução Função de Avaliação Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Responsável pela determinação da proximidade ou não, da solução criada com a que pretendemos criar (grau de confiança); ƒ(χ) = ∑ weight * (Moriginal – Msimulated); Weight = peso a atribuir a cada variavel em análise; Os dados originais podem ser: • Lidos apartir de uma base de dados com dados reais observados; • Tendo como base o primeiro resultado de simulação com os parâmetros definidos por defeito pelo modelador. MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 23
- 24. Introdução Algoritmos de Optimização Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Hill-Climbing Início s = GerarSolucaoInicial; T = Tinicial; Enquanto condição de fim fazer Se aleatorio() Entao s’ = NovaSolucao2(N(s,1)); Senao s’ = NovaSolucao2(N(s,2)); Se Avaliacao(s’) < Avaliacao(s) Entao s = s’; Fim MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 24
- 25. Introdução Algoritmos de Optimização Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Simulated Annealing Início s = GerarSolucaoInicial; T = Tinicial; Enquanto condição de fim fazer Se aleatorio() Entao s’ = NovaSolucao NovaSolucao(N(s,1)); Senao s’ = NovaSolucao(N(s,2)); Se Avaliacao(s’) < Avaliacao(s)Entao s = s’; Senao s = CriterioAceitacao(s,s’,T); ActualizarTemperatura(T); Fim MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 25
- 26. Introdução Algoritmos de Optimização Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Genetic Algorithm Início P = GerarPopulacaoInicial; Avaliar(P); Enquanto condição de fim fazer P’ = Recombinar(P); P” = Mutacao(P’); Avaliar(P”); P = Escolha(P” U P); Fim Mutação com Mutação aleatória pequena alteração • Valor do • Valor do parâmetro base parâmetro base alterado +/- com alterado o valor do step aleatóriamente MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 26
- 27. Introdução Experiências Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Modelo Modelo Predador- Baía de Definição Presa Sangoo • Resultados • Resultados MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 27
- 28. Introdução Definição Experiências Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Foram realizadas 2 experiências: • Modelo Predador-Presa • Modelo Baía de Sangoo Cada experiência é constituída 10 Calibrações para cada Algoritmo de optimização, nas mesmas condições de simulação; É registado as primeiras 50 soluções encontradas; MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 28
- 29. Introdução Modelo Predador-Presa Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras As equações de Lotka-Volterra são um par equações diferenciais, não lineares e de primeira ordem, frequentemente utilizadas para descrever dinâmica nos sistemas biológicos, especialmente quando duas espécies interagem: uma como presa o outra como predadora. Estas equações foram propostas independentemente por Alfred J. Lotka em 1925 e Vito Volterra em 1926. onde x(t) representa o número de presas no instante t, y(t) representa o número de predadores no instante t, e a, b, c, e d são números reais positivos. Algumas conclusões que se retiram: •na ausência de predadores a população de presas cresce indefinidamente, •na ausência de presas as espécies de predadores tendem a extinguir-se, Classes do Modelo Parâmetros Valores •Tendo como ponto de partida a existência de x presas e TPrey IntrinsicRateOfIncrease 0.3 y predadores, e excluindo um ponto de equilíbrio, a TPredator FoodAbsorption 0.01 solução correspondente é periódica, isto é, ao fim de um TPredator FeedRate 0.1 certo tempo T, e apesar da interacção entre eles, volta- TPredator DeathRate 0.1 se a obter uma população constituída por x presas e y Lista de Classes e Parâmetros do Modelo Predador-Presa predadores (solução periódica de período T). MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 29
- 30. Introdução Modelo Predador-Presa(1) Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Hill-Climbing Arrefecimento Simulado 120 120 100 100 Simulation 1 Simulation 1 Simulation 2 Simulation 2 80 80 Simulation 3 Simulation 3 Taxa de Erro Taxa de Erro Simulation 4 Simulation 4 60 Simulation 5 60 Simulation 5 Simulation 6 Simulation 6 40 Simulation 7 40 Simulation 7 Simulation 8 Simulation 8 20 Simulation 9 20 Simulation 9 Simulation 10 Simulation 10 0 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 Algoritmo Genético – Pequeno Algoritmo Genético - Mutação Mutação Aleatória 45 Simulation 1 35 40 Simulation 2 30 35 Taxa de Erro 30 Simulation 3 25 25 Taxa de Erro Simulation 4 20 Simulation 1 20 15 Simulation 5 15 Simulation 2 10 Simulation 6 Simulation 3 10 5 Simulation 7 Simulation 4 0 5 Simulation 8 Simulation 5 1 5 9 13 17 21 25 29 33 37 41 45 49 53 57 61 65 69 73 77 81 85 89 93 97 101 105 109 113 117 121 125 129 0 Simulation 9 1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64 67 70 73 76 79 82 85 88 Gerações Simulation 10 Gerações MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 30
- 31. Introdução Modelo Predador-Presa(2) Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Calibração Modelo Predador - Presa 60 50 40 Taxa de Erro Hill-Climbing 30 Arrefecimento Simulado 20 Algoritmo Genético - Pequenas mutações Algoritmo Genético - Mutações Aleatórias 10 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 Iterações/Gerações Apesar do Hill-Climbing e Solução Erro Arrefecimento Simulado Solução Inicial [0.3][0.01][0.1][0.1] ------ convergirem para a solução Hill-Climbing [0.3][0.01][0.1][0.1] 0.00 inicial, o algoritmo genético Arrefecimento Simulado [0.3][0.01][0.1][0.1] 0.00 convergiu para a taxa de erro Algoritmo Genético -Pequenas mutações [0.3][0.02][0.1][0.1] 0.17 em todas as simulações. Algoritmo Genético - mutações aleatórias [0.3][0.06][0.1][0.2] 0.91 MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 31
- 32. Introdução Modelo Baía de Sangoo Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Representa a Baía de Sangoo, na província Shangong da Republica Popular da China; Características: • Area: 180 km2; • Profundidade max: 20 metros; • Tem sido utilizada para produção de vieiras e ostras; 16 km Modelo possui: 122º25’E 37º10’N • 9 classes; • 146 parâmetros; 17.5 km 37º00’N 122º35’E MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 32
- 33. Introdução Modelo Baía de Sangoo(1) Simulação Ecológica Métodos de Optimização Simulador EcoSimNet Projecto Agente Calibrador Experiências Conclusões e Perspectivas Futuras Hill-Climbing Simulated Annealing 0.0300 0.3500 0.0250 0.3000 0.2500 0.0200 Simulation 1 Taxa de Erro Taxa de Erro 0.2000 Simulation 1 Simulation 2 0.0150 Simulation 2 Simulation 3 0.1500 Simulation 3 Simulation 4 0.0100 Simulation 4 Simulation 5 0.1000 0.0050 0.0500 0.0000 0.0000 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 Algoritmo Genético - Pequena Mutação Algoritmo Genético - Mutação 0.0450 Aleatória 0.0400 0.0600 0.0350 0.0300 0.0500 Taxa de Erro Simulation 1 Taxa de Erro 0.0250 0.0400 Simulation 2 0.0200 0.0300 Simulation 1 Simulation 3 0.0150 Simulation 4 0.0200 Simulation 2 0.0100 Simulation 5 0.0100 Simulation 3 0.0050 0.0000 0.0000 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 Gerações Gerações MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 33
- 34. Conclusões e Perspectivas futuras Calibração de modelos é realizada através da comparação dos valores observados com os simulados, sendo uma fase crucial no processo de modelação; Em cada simulação, o perito (ou modelador) analisa o resultado, realizando as alterações nos valores dos parâmetros, tentando convergir os resultados; A simulação de modelos ecológicos é um processo moroso e complexo, devido a lidar com propriedades físicas, químicas e processos biológicos; Para optimizar o processo de calibração de modelos, é necessário ter conhecimento da gama de valores aceitáveis dos parâmetros; MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 34
- 35. Conclusões e Perspectivas futuras(1) A análise de sensibilidade dos valores de parâmetros é crucial para o processo de calibração; O processo de calibração de modelos ecológicos tem de ser processo iterativo, com a ajuda de um perito no modelo; A função objectivo deve ser adaptado a cada modelo ecológico em simulação, devido aos relacionamento entre as variaveis com diferentes graus de importância e granaluridade; Modelos utilizados pelo EcoSimNet são determinísticos, não sendo necessário a alteração dinâmica dos valores de parâmetros ao longo do tempo; MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 35
- 36. Conclusões e Perspectivas futuras(2) Em modelos ecológicos mais complexos o processo de calibração deve ser divididos em sub-modelos; A Utilização de algoritmos de optimização de busca local revelou-se serem um bom ponto de partida para a calibração, com as devidas melhorias; Perspectivas futuras: • Implementação de novos métodos de optimização e seu teste no âmbito do agente de calibração implementado; • Inclusão de potencialidades de selecção automática do método de calibração no agente desenvolvido; • Realização de um conjunto mais alargado de experiências utilizando outros modelos ecológicos. MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 36
- 37. MEI- MEI- Mestrado em Engenharia Informática– Pedro Valente Informática– 37