Exportar este item: EndNote BibTex

Use este identificador para citar ou linkar para este item: http://www.bdtd.uerj.br/handle/1/18591
Tipo do documento: Tese
Título: Modelagem computacional e estimativa de cargas poluentes pontuais despejadas às margens de cursos fluviais
Título(s) alternativo(s): Computational modeling and estimation of point pollutant loads released on the margins of fluvial courses
Autor: Lugão, Bruno Carlos 
Primeiro orientador: Rodrigues, Pedro Paulo Gomes Watts
Segundo orientador: Knupp, Diego Campos
Primeiro membro da banca: Gonçalves, Marcelo Albano Moret Simões
Segundo membro da banca: Lobato, Fran Sergio
Terceiro membro da banca: Abreu, Luiz Alberto da Silva
Quarto membro da banca: Souza Boy, Grazione de
Resumo: O progresso econômico e o crescimento urbano sem planejamento, há muito tempo vêm contribuindo para a deterioração dos recursos hídricos, tanto no aspecto quantitativo, quanto no aspecto qualitativo. Nesse contexto, surge o objeto de estudo deste trabalho, que visa identificar e quantificar o aporte de cargas poluentes pontuais, mediante um problema inverso, despejadas nas margens de cursos fluviais sem que necessariamente tenha-se conhecimento da sua forma funcional. A modelagem matemática desse fenômeno foi realizada por meio da equação da advecção-dispersão bidimensional, assumindo um perfil de velocidade parabólico, resolvida a partir do método de diferenças finitas empre gando o esquema FTCS (Foward Time Centred Space). A formulação do problema inverso envolveu tanto a estimativa de parâmetros, como um problema de otimização (cenário A), quanto a estimativa de funções, como um problema de inferência estatística (cenário B). A primeira abordagem buscou recuperar cargas constantes, incluindo o ponto de derra mamento, empregando o algoritmo de Evolução Diferencial (Differential Evolution - DE). Já a segunda abordagem envolveu a identificação de cargas transientes, considerando di ferentes configurações de lançamento, segundo o método de Monte Carlo com Cadeias de Markov (Monte Carlo Markov Chain - MCMC). Desenvolveu-se também um pacote computacional, implementado em linguagem Python, chamado ipsimpy (Inverse Problem Simple Modeling), que se apresenta como uma ferramenta capaz de centralizar a aná lise inversa, cuja aplicação pode estender-se naturalmente a outras áreas. Pretendendo aproximar os casos idealizados de situações reais, procedeu-se uma etapa preliminar de calibração, envolvendo um experimento real, referente ao lançamento instantâneo de um traçador salino, com intuito de caracterizar os parâmetros dispersivos e advectivos da equação do transporte. Nas simulações do cenário A, compreendendo cargas constantes, os coeficientes foram estimados adequadamente e as concentrações calculadas apresenta ram boa aderência aos dados sintéticos, com erros relativos para a massa do poluente menores que 2%. Quanto a estimativa das cargas transientes, alusivas ao cenário B, o MCMC recuperou satisfatoriamente as funções de interesse, mesmo as descontínuas, com erros relativos da norma L2 abaixo de 7%.
Abstract: Economic progress and unplanned urban growth have long contributed to the de terioration of water resources, both quantitatively and qualitatively. In this context, the object of study of this work arises, which aims to identify and quantify the contribution of a point-source pollutant loads, through an inverse problem, released on the margins of fluvial courses without necessarily having knowledge of its functional form. The mathema tical modeling of this phenomenon was performed using the two-dimensional advection dispersion equation, assuming a parabolic velocity profile, solved by the finite difference method using the FTCS (Forward Time Centered Space) scheme. The formulation of the inverse problem involved both parameter estimation, as an optimization problem (scena rio A), and function estimation, as a statistical inference problem (scenario B). The first approach sought to recover constant loads, including the spill point, using the Differential Evolution (DE) algorithm. The second approach involved the identification of transient loads, considering different launch configurations, according to the Monte Carlo Markov Chain (MCMC) method. A computational package was also developed, implemented in Python language, called ipsimpy (Inverse Problem Simple Modeling), which presents it self as a tool capable of centralizing the inverse analysis, whose application can naturally extend to other areas. Aiming to bring the idealized cases closer to real situations, a preliminary calibration step was carried out, involving a real experiment, referring to the instantaneous release of a saline tracer, in order to characterize the dispersive and advec tive parameters of the transport equation. In scenario A simulations, comprising constant loads, the coefficients were properly estimated and the calculated concentrations showed good adherence to the synthetic data, with relative errors for the pollutant mass smaller than 2%. As for the estimation of transient loads, alluding to scenario B, the MCMC sa tisfactorily recovered the functions of interest, even the discontinuous ones, with relative errors of the L2 norm below 7%.
Palavras-chave: Problema inverso
Cargas poluentes
Diferenças finitas
Ipsimpy
Inverse problem
Pollutant loads
Finite differences
Problemas inversos (Equações diferenciais)
Poluentes
Diferenças finitas
Área(s) do CNPq: CIENCIAS EXATAS E DA TERRA::MATEMATICA::MATEMATICA APLICADA::ANALISE NUMERICA
Idioma: por
País: Brasil
Instituição: Universidade do Estado do Rio de Janeiro
Sigla da instituição: UERJ
Departamento: Centro de Tecnologia e Ciências::Instituto Politécnico
Programa: Programa de Pós-Graduação em Modelagem Computacional
Citação: LUGÃO, Bruno Carlos. Modelagem computacional e estimativa de cargas poluentes pontuais despejadas às margens de cursos fluviais. 2022. 135 f. Tese (Doutorado em Modelagem Computacional) - Universidade do Estado do Rio de Janeiro, Nova Friburgo, 2022.
Tipo de acesso: Acesso Aberto
URI: http://www.bdtd.uerj.br/handle/1/18591
Data de defesa: 28-Set-2022
Aparece nas coleções:Doutorado em Modelagem Computacional

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Tese - Bruno Carlos Lugão - 2022 - completo.pdf7,5 MBAdobe PDFBaixar/Abrir Pré-Visualizar


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.