Problema de interpolacin

El problema de interpolacin que vamos a resolver plantea el problema de elaborar una

lnea de tendencia que muestre de la forma ms fiable posible la variacin trmica en
funcin del ao en distintos puntos de Espaa y un anlisis ms detallado a partir de los
datos obtenidos en el observatorio del Retiro. Los datos se han obtenido del INE:
http://www.ine.es/jaxi/tabla.do?type=pcaxis&path=/t43/a012/a1998/l0/&file=t20011b.p
x



x=1997:2010;
y1=[15.8 15.2 15 14.9 13.7 14.1 14.1 13.9 14.1 15.7 15.1 15.1 15.1 14.9];
y2=[11.6 11 10.8 11.2 11.2 11.5 12.1 10.9 11 12 10.6 10.8 11.3 10.1];
y3=[14.8 14.3 14.4 14.6 15.1 14.7 14.8 14.4 14.3 15.1 14.3 14.4 15.2 14.2];
y4=[15.6 15.1 14.9 15 15 15.1 15.7 15.1 15.3 15.9 14.6 14.9 16 14.7];
y5=[16.9 16.6 16.2 16.1 16.3 16.5 16.6 16.3 16.5 17 15.8 16 17.1 16.4];
y6=[15.9 15.3 15.4 15.8 15.8 15.9 16.2 15.6 15.3 16.4 15.5 15.5 16.4 15.3];
y7=[18 17.9 17.8 17.9 18.4 18.1 18.6 18.1 17.7 18.6 18.1 17.8 18.2 17.3];
y8=[18.8 18.3 18.1 18.2 18.4 18.2 18.7 18.2 18.2 19.1 18.3 18.2 18.9 18.3];
y9=[18.9 18.5 18.6 18.3 18.3 19.1 19 18.7 18.6 19 19 19 19.2 18.9];
zi=1997:.001:2010;
s1=cubicspline(x,y1,zi);
s2=cubicspline(x,y2,zi);
s3=cubicspline(x,y3,zi);
s4=cubicspline(x,y4,zi);
s5=cubicspline(x,y5,zi);
s6=cubicspline(x,y6,zi);
s7=cubicspline(x,y7,zi);
s8=cubicspline(x,y8,zi);
s9=cubicspline(x,y9,zi);

figure(1)
subplot(211)
plot(zi,s1,"r",zi,s2,"b",zi,s3,"g",zi,s4,"k",zi,s5,"m")
title("evolucin temperaturas periodo 1997-2010")
axis([1995,2030,10,20])
legend("Acorua","Burgos(Villafra)","Albacete(Los
Llanos)","Madrid(Retiro)","Cceres")
subplot(212)
plot(zi,s6,"r",zi,s7,"b",zi,s8,"g",zi,s9,"k")
xlabel("aos")
ylabel("temperatura media")
axis([1995,2030,10,20])
legend("Zaragoza(aeropuerto)", "Castelln(Almazora)","Crdoba(aeropuerto)",
"Mlaga(aeropuerto)")





Conclusiones

-A partir de la figure1 podemos apreciar en general dos cosas: que la temperatura media
depende obviamente de la situacin geografica(cercania al mar, montaa, latitud) y
que las temperaturas medias aumentan su carcter oscilatorio a medida que nos
adentramos en el s.XXI, es decir, se alternan aos ms clidos de lo normal con aos
ms fros de lo normal. Cabe destacar el caso de Mlaga(aeropuerto) donde se aprecia
que se ha producido un aumento de la temperatura anual considerable(1C aprox.).
As con esta visin tan reducida y segn los datos mostrados en las grficas si bien no
podemos afirmar un calentamiento generalizado si podemos decir que el cambio
climtico provoc en el periodo 2000-2010 extremos trmicos alternados y continuos
cada vez ms apreciables.

prediccion temperaturas medias 2011-2015 y grafico 1997-2020(prediccion)
LG=interpolacion metodo Lagrange
C3=polyfit(x,y4,3);
C5=polyfit(x,y4,5);
C21=polyfit(x,y4,21);
C93=polyfit(x,y4,93);
t=[2011 2012 2013 2014 2015];
format long
predtempLG1=polyval(C3,t)
predtempLG2=polyval(C5,t)
predtempLG3=polyval(C21,t)
predtempLG4=polyval(C93,t)
z=linspace(1997,2015,1000);
LG1=polyval(C3,z);
LG2=polyval(C5,z);
LG3=polyval(C21,z);
LG4=polyval(C93,z);
figure(2)
plot(z,LG1,z,LG2,r,z,LG3,g,z,LG4,m)
title(evolucion y prediccin temperaturas anuales Retiro(Madrid) con Lagrange )
xlabel(aos)
ylabel(temperatura anual media)
legend(3 grado,5 grado,21 grado,93 grado)
axis([1997,2020,10,18])





INT=interpolacion a trozos

La interpolacin lineal a trozos no la podemos usar porque no sirve para realizar
predicciones de futuro, es decir, asignar a y unos valores de x no teniendo valores de y
en ese entorno.

Spline, spline cbico y de Hermite
u=1997:.001:2015;
t=[2011 2012 2013 2014 2015];
format long
SC=cubicspline(x,y4,u);
SCt=cubicspline(x,y4,t)
SP=spline(x,y4,u);
SPt=spline(x,y4,t)
Herm= pchip(x,y4,t)
figure(3)
plot(u,SC,u,pchip(x,y4,u),g,u,SP,m)
title(evolucion y prediccin temperaturas anuales Retiro(Madrid))
legend(spline cubico, interpolante de Hermite cbico,spline)
xlabel(aos)
ylabel(temperatura anual media)
axis([1997,2015,10,20])


-Con el anlisis realizado con las interpolaciones de Lagrange, spline, spline cbico y de
Hermite, podemos concluir que el ms fiel a la realidad es el mtodo de interpolacin de
Lagrange, concretamente aquellos casos en los que el polinomio tiene grado bastante
alto( 21 y 93). La temperatura anual media en Madrid(Retiro) fue de 16C , siendo
15.1438829750407 la prediccin con el de grado 21 y 15.1319211972814 la prediccin
con el grado 93 resulta ms aproximada la estimacin de grado 21. En cambio, a medida
que avanzamos en el tiempo observamos que la interpolacin de grado 21 tiende a
disminuir el valor de la temperatura mientras que el de 93 la aumenta ligeramente.

Por tanto la funcin que mejor se adapta al comportamiento trmico en el
Retiro(Madrid) de todos los modelos que hemos probado es el polinomio de Lagrange
de grado 93.




Realizado por: Miguel Montero Alonso, Rafael Fernndez Caballero y Diego Diez-
Canseco Garca