Académique Documents
Professionnel Documents
Culture Documents
1. INTRODUO
2. PROBLEMA DIRETO
A rea de estudos a qual foi utilizada como base para a realizao desse trabalho um
trecho do baixo curso do Rio Maca, localizado na costa norte do estado do Rio de Janeiro, s
margens do qual est situada a Usina Termoeltrica Mrio Lago, que faz uso das guas desse
rio para a diluio de seus efluentes (Lugon Jr. et al., 2008).
Nessa regio o rio apresenta profundidade mdia em torno de 1 m e largura praticamente
uniforme de 40 m (Amaral, 2003). Alm disso, apresenta homogeneidade ao longo da coluna
d'gua, ausncia de meandros e uniformidade (sentido longitudinal) da seo transversal,
podendo-se considerar a velocidade transversal desprezvel e a velocidade longitudinal
uniforme. Assim, um modelo matemtico 2D horizontal pode ser empregado, no qual assume-
se que as propriedades simuladas so invariantes na direo vertical:
C C C C
u El Et (1)
t x x x y y
C (0, y, t ) C0 , 0 y Ly , t 0
C ( Lx , y, t )
0, 0 y Ly , t 0
x
(2)
C ( x, 0, t ) C ( x, Ly , t )
0, 0 x Lx , t 0
y y
C ( x, y, 0) C1 ( x, y ), 0 x Lx , 0 y Ly
Figura 1: Cenrios utilizados nos testes envolvendo a estimativa dos parmetros atravs do
problema inverso.
3. PROBLEMA INVERSO
Nd 2
Q( Z ) Cexp j Ccalc j (4)
j 1
Figura 3: Tela inicial onde o usurio informa os dados necessrios para a execuo do
simulador e visualiza o grfico das concentraes obtidas no ponto de coleta.
Na interface grfica, existe uma opo denominada "Visualizar animao" que permite ao
usurio visualizar uma animao que apresenta a evoluo no tempo do comportamento do
poluente ao longo do corpo hdrico. Para esta funo, novamente executado o software
Paraview, onde o mesmo ir ler as matrizes de concentraes geradas pelo modelo
matemtico, para cada intervalo do tempo de coleta. Essa animao ser visualizada na
prpria interface do Paraview, onde o usurio poder utilizar suas diversas ferramentas de
manipulao para melhor visualizao. A Fig. 4 apresenta a interface grfica do Paraview
contendo um exemplo de grfico gerado, bem como os recursos disponveis no mesmo.
XVI Encontro de modelagem Computacional
IV Encontro de Cincia e Tecnologia de Materiais
Universidade Estadual de Santa Cruz (UESC), Ilhus/BA, Brasil. 23-25 out. 2013.
Associao Brasileira de Engenharia e Cincias Mecnicas ABCM
5. RESULTADOS
Para se verificar a eficincia do simulador, foram gerados dados sintticos referentes aos
trs cenrios descritos na seo 2, onde o modelo matemtico foi resolvido utilizando trs
valores diferentes para os coeficientes de disperso longitudinal e transversal, sendo adotado
El = 0,38000 m2/s e Et = 0,01200 m2/s para o primeiro cenrio, El = 0,40000 m2/s e Et =
0,01000 m2/s para o segundo cenrio e El = 0,43000 m2/s e Et = 0,01400 m2/s para o terceiro.
J a verso do algoritmo de Luus-Jaakola comumente utilizada (JLO), foi configurada
com 12 loops internos, enquanto que a primeira modificao do algoritmo (JLM1) foi
configurada com 4 loops internos, uma vez que a cada nova iterao so geradas 3 novas
estimativas.
Por fim, a segunda modificao no algoritmo (LJM2) foi definida com 6 loops internos,
pois a cada iterao so geradas 2 novas estimativas. Como critrio de parada foi adotado a
soma dos resduos quadrados menor que 102.
A Tabela 1 apresenta o nmero de avaliaes da funo objetivo necessrias para que
cada uma das trs verses do algoritmo de Luus-Jaakola convirja para a soluo desejada
enquanto a Tabela 2 apresenta o nmero de vezes em que cada um dos algoritmos obtiveram
melhor desempenho (menor nmero de avaliaes da funo objetivo) na obteno dos
coeficientes de disperso.
J a Tabela 3 contm o melhor e o pior resultado, a mdia e o desvio padro dos referidos
parmetros durante as 20 corridas realizadas.
XVI Encontro de modelagem Computacional
IV Encontro de Cincia e Tecnologia de Materiais
Universidade Estadual de Santa Cruz (UESC), Ilhus/BA, Brasil. 23-25 out. 2013.
Associao Brasileira de Engenharia e Cincias Mecnicas ABCM
Tabela 3: Valor dos coeficientes de disperso obtidos durante as 20 corridas dos algoritmos
de Luus-Jaakola modificados considerando uma acurcia de 4 casas decimais.
Cenrio 1
LJO LJM1 LJM2
El Et Q El Et Q El Et Q
Melhor 0,3799 0,0120 0,0003 0,3799 0,0120 0,0002 0,3800 0,0120 0,0004
Pior 0,3805 0,0120 0,0094 0,3799 0,0120 0,0098 0,3795 0,0120 0,0099
Mdia 0,3800 0,0120 0,0051 0,3800 0,0120 0,0050 0,3800 0,0120 0,0056
0,0002 0,0000 0,0027 0,0002 0,0000 0,0028 0,0002 0,0000 0,0022
Cenrio 2
LJO LJM1 LJM2
El Et Q El Et Q El Et Q
Melhor 0,4000 0,0100 0,0003 0,3996 0,0100 0,0033 0,4001 0,0100 0,0030
Pior 0,4006 0,0100 0,0100 0,3996 0,0100 0,0099 0,4004 0,0100 0,0099
Mdia 0,3999 0,0100 0,0063 0,4001 0,0100 0,0075 0,4000 0,0100 0,0067
0,0003 0,0000 0,0023 0,0003 0,0000 0,0019 0,0003 0,0000 0,0019
Cenrio 3
LJO LJM1 LJM2
El Et Q El Et Q El Et Q
Melhor 0,43038 0,0140 0,0006 0,4302 0,0140 0,0002 0,4303 0,0140 0,0018
Pior 0,4319 0,0140 0,0098 0,4300 0,0140 0,0094 0,4315 0,0140 0,0094
Mdia 0,4300 0,0140 0,0061 0,4298 0,0140 0,0050 0,4298 0,0140 0,0066
0,0013 0,0000 0,0029 0,0009 0,0000 0,0024 0,0011 0,0000 0,0018
Figura 5: Perfil das concentraes obtidas no ponto de coleta nos 3 cenrios analisados.
XVI Encontro de modelagem Computacional
IV Encontro de Cincia e Tecnologia de Materiais
Universidade Estadual de Santa Cruz (UESC), Ilhus/BA, Brasil. 23-25 out. 2013.
Associao Brasileira de Engenharia e Cincias Mecnicas ABCM
6. CONCLUSO
Agradecimentos
REFERNCIAS
Telles, W.R., Neres, A.T., Teixeira, J.S., Silva, D.P., Silva Neto, A.J. & Rodrigues, P.P.G.W.,
2013. Estimativa dos Coeficientes de Disperso em um Rio Utilizando o Algoritmo de
XVI Encontro de modelagem Computacional
IV Encontro de Cincia e Tecnologia de Materiais
Universidade Estadual de Santa Cruz (UESC), Ilhus/BA, Brasil. 23-25 out. 2013.
Associao Brasileira de Engenharia e Cincias Mecnicas ABCM
Lugon Jr., J., Rodrigues, P.P.G.W. & Silva Neto, A.J., 2008. Assessment of dispersion
mechanisms in rivers by means of an inverse problem approach. Inverse Problems in
Science and Engineering, vol. 16, pp. 967979.
Amaral, K.J., 2003. Esturio do rio Maca: modelagem computacional como ferramenta
para o gerenciamento integrado de recursos hdricos. Tese de Doutorado, Universidade
Federal do Rio de Janeiro, Rio de Janeiro, Brasil.
Silva Neto, A.J. & Becceneri, J.C., eds, 2012. Tcnicas de Inteligncia Computacional
Inspiradas na Natureza Aplicao em Problemas Inversos em Transferncia Radiativa.
SBMAC, So Carlos, Brasil.
Lima Jr., C.A.S., Costa, J.S. & Sacco, W.F., 2009. Comparao entre os algoritmos Luus-
Jaakola e Particle Swarm Optimization (PSO) em dois problemas de otimizao global.
In XXXII Congresso Nacional de Matemtica Aplicada e Computacional, Cuiab, Brasil.
Lobato, F.S. & Steffen Junior, V., 2009. Algoritmo de Luus-Jaakola aplicado a um problema
inverso de fermentao batelada alimentada. TEMA Tend. Mat. Apl. Computacional,
vol. 9, n. 3, pp. 417426.
Luus, R. & Jaakola, T.H.I., 1973. Optimization by direct search and systematic reduction of
the size of search region. AIChE Journal, vol. 19, pp. 760766.
Abstract. This paper presents a preliminary proposal for the implementation of a simulator
with automatic calibrator able to describe pollutant transport in rivers. This calibration
procedure is based on the inverse problems technics. Here is employed the Luus-Jaakola
algorithm for determining the coefficients of longitudinal and transverse dispersion present in
a 2D horizontal transport model, which is solved numerically by the finite volume method.
Furthermore, it is also performed a modification of the stochastic method algorithm to
accelerate the convergence thereof. The results were compared with synthetic data, which
were generated considering the geometric and hydraulic characteristics of a lower stretch of
Macae river, located on the north coast of the State of Rio de Janeiro.