Análise da dispersão de poluentes em rios via aproximação Bayesiana

Página do item simplificado
dc.contributor.advisor-co1Silva, Wellington Betencurte da
dc.contributor.advisor-co2Guidolini, Icaro Pianca
dc.contributor.advisor1Dutra, Julio Cesar Sampaio
dc.contributor.authorFaria, Ruan de Rezende
dc.contributor.referee1Guidolini, Icaro Pianca
dc.contributor.referee2Costa, Ariany Binda Silva
dc.contributor.referee3Costa, José Mir Justino da
dc.date.accessioned2019-04-11T02:09:36Z
dc.date.available2019-04-10
dc.date.available2019-04-11T02:09:36Z
dc.date.issued2019-02-13
dc.description.abstractStudy of the dispersion of pollutants in rivers is related to the analysis of the load of conservative pollutants released instantaneously (diffuse sources of pollution) or of continuous way (point sources) in a given river. These problems were addressed in this master's dissertation by means of experimental data with conservative tracer injected in pulse and continuously. The objective was to identify tracer characteristics (i.e., magnitude, spatial distribution and duration of activity). The approach to the dynamics of these problems was carried out by means of approximation of inverse problems, being computed by the Simulated Annealing (SA) method and the assimilation of data based on the Bayesian methods of Particle Filtering (PF). The SA method allowed obtaining satisfactory results in the representation of the dynamics of the system off-line. These results were statistically evaluated by using 120 algorithm repetitions and different levels of uncertainty. However, one important limitation was the computational time to approximate on-line. For this reason, the PF (particle filtering) has been used to quantify the uncertainties in different conditions of priori distribution and number of particles, observing sequentially the performance of the SIR and SIR particle filter with Kernel smoothing in relation to the Root Mean Square (RMS), coefficient of determination (R2 ), autocorrelation coefficient of the residue (SC) and minimum resampling coefficient (REAmin). Better results were obtained through the Kernel smoothing technique, responsible for reducing sample depletion of the SIR particle filter. Therefore, the use of the SIR filter with the Kernel smoothing has been confirmed as an alternative for possible applications of river pollution control, virtual inference and alarm.
dc.description.resumoO estudo da dispersão de poluentes em rios está vinculado à análise da carga de poluentes conservativos lançados instantaneamente (fontes difusas de poluição) ou de maneira contínua (fontes pontuais) em um dado rio. Estes problemas foram abordados nesta dissertação de mestrado por meio de dados experimentais com traçador conservativo injetado em pulso e continuamente. Objetivou-se identificar as caraterísticas do traçador (isto é, magnitude, distribuição espacial e duração do lançamento). A abordagem da dinâmica desses problemas foi realizada por meio de aproximação de problemas inversos, sendo computada pelo método Simulated Annealing (SA) e pela assimilação de dados baseada nos métodos Bayesianos de Particle Filtering (PF). O método SA permitiu obter resultados satisfatórios na representação da dinâmica do sistema de modo off-line. Esses resultados foram avaliados estatisticamente ao se empregar 120 repetições do algoritmo e diferentes níveis de incerteza. Contudo, uma limitação importante foi o tempo computacional para aproximar em tempo real. Por esse motivo, utilizou-se o PF para quantificação de incertezas em diferentes condições de distribuição a priori e número de partículas, observando sequencialmente o desempenho dos filtros SIR e SIR com suavizador de Kernel em relação ao erro quadrático médio (RMS), coeficiente de determinação (R2 ), coeficiente de autocorrelação do resíduo (SC) e coeficiente de reamostragem mínimo (REAmin). A técnica de suavização de Kernel, responsável por reduzir o empobrecimento da amostra do filtro de partículas SIR, propiciou os melhores resultados. Com isso, a utilização do filtro SIR com o suavizador de Kernel confirmou-se como uma alternativa para possíveis aplicações de controle de poluição de rios, inferência virtual e alarme
dc.formatText
dc.identifier.urihttp://repositorio.ufes.br/handle/10/11015
dc.languagepor
dc.publisherUniversidade Federal do Espírito Santo
dc.publisher.countryBR
dc.publisher.courseMestrado em Engenharia Química
dc.publisher.initialsUFES
dc.publisher.programPrograma de Pós-Graduação em Engenharia Química
dc.rightsopen access
dc.subjectModelagem ambientalpor
dc.subjectEnvironmental modelingeng
dc.subjectFiltro de partículaspor
dc.subjectParticles filtereng
dc.subjectProblemas Inversospor
dc.subjectInverse problemseng
dc.subjectSuavizador de Kernelpor
dc.subjectKernel smoothingeng
dc.subjectMétodos heurísticospor
dc.subject.br-rjbnProblemas inversos (Equações diferenciais)
dc.subject.br-rjbnModelagem
dc.subject.cnpqEngenharia Química
dc.subject.udc66.0
dc.titleAnálise da dispersão de poluentes em rios via aproximação Bayesiana
dc.title.alternativeAnalysis of pollutant dispersion in rivers via Bayesian approximation
dc.typemasterThesis
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
tese_12068_Dissertação - Ruan de Rezende Faria.pdf
Tamanho:
4.21 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Coleções
Mestrado em Engenharia Química