Orientadores: Jose Mario Martinez, Sandra Augusta Santos / Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica / Made available in DSpace on 2018-08-12T03:24:09Z (GMT). No. of bitstreams: 1
Pisnitchenko_Fedor_D.pdf: 2087061 bytes, checksum: a87c208fa0681c4ecec62408f70f29ae (MD5)
Previous issue date: 2008 / Resumo: Em ciência e engenharia existe uma vasta classe de problemas que consistem em resolver um sistema de equações diferenciais parciais para encontrar as variáveis (como velocidade, temperatura, deslocamento, etc), dada a informação de decisão necessária (como domínio, condições iniciais e de contorno, etc). Entretanto, para os problemas reais são muito comuns situações em que a informação de decisão seja incompleta e contenha erros, e, por outro lado, exista alguma informação sobre as variáveis de estado, obtida de uma outra simulação ou de algum tipo de observação (dados observados). Uma forma natural de resolver esse tipo de problema, utilizando toda a informação de decisão, é interpretá-lo como um problema de otimização. Ou seja, minimizar alguma função objetivo escolhida como a distância entre os dados observados e as variáveis de estado, sujeito à discretização do sistema. Neste trabalho propomos um método Quase-Newton para resolver o problema EDP restrito utilizando como modelos a equação unidimensional de Rossby-Obukhov e a equação de Kortewegde Vries. Um aspecto muito importante do método é não ter restrição de estabilidade para escolha dos passos na discretização das equações diferenciais. Um outro é poder utilizar passos maiores, em comparação com os métodos tradicionais evolutivos como diferenças finitas. Foi realizado um grande número de testes computacionais. Os resultados obtidos foram muito promissores, mostrando a robustez do método e a possibilidade de resolver problemas de grande porte. / Abstract: In science and engeneering there is a wide class of problems that consist in solving a system of partial differential equations to find variables (such as velocity, temperature, displacement, etc.), given the necessary decision information (such as domain, initial and boundary conditions, etc.). However,it is very common for real problems that the decision information is incomplete and contains errors. On the other hand, there is some additional information about state variables, which come from other simulation or some kind of observations (observed data). A natural way to solve this kind of problem, using all the decision information, is to interpret it as an optimization problem. That is, minimize an objective function chosen such as distance between the observed data and the state variables, subject to the system discretization. In this work, we propose a Quasi-Newton method to solve the PDE-constrained problem using as models the unidimensional Rossby-Obukhov and Korteweg-de Vries equations. A very importante aspect of the method is that there is no stability restriction for the stepsize in the differential equations discretization. Another aspect is to be able to use stepsizes larger than the ones used in traditional evolutive methods such as finite differences. A large number of computational test was performed. The results were promising and showed the robustness of the method and its ability to solve large scale problems. / Doutorado / Otimização / Doutor em Matemática Aplicada
Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.unicamp.br:REPOSIP/307477 |
Date | 12 August 2018 |
Creators | Pisnitchenko, Fedor |
Contributors | UNIVERSIDADE ESTADUAL DE CAMPINAS, Santos, Sandra Augusta, 1964-, Martínez Pérez, José Mario, 1948-, Cunha, Maria Cristina de Castro, Velho, Haroldo Fraga de Campos, Yuan, Jin Yun, Biloti, Ricardo Caetano Azevedo |
Publisher | [s.n.], Universidade Estadual de Campinas. Instituto de Matemática, Estatística e Computação Científica, Programa de Pós-Graduação em Matemática Aplicada |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
Format | 87 f. : il., application/pdf |
Source | reponame:Repositório Institucional da Unicamp, instname:Universidade Estadual de Campinas, instacron:UNICAMP |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0029 seconds