Please use this identifier to cite or link to this item: http://hdl.handle.net/10174/27763

Title: Modelação da Perda de Carga em Meios Porosos Usando Programação Genética
Authors: Costa, Sérgio Cavaleiro
Malico, Isabel
Janeiro, M. Fernando
Keywords: Programação Genética
Modelação
Meios Porosos
Otimização
Issue Date: 21-Sep-2019
Abstract: A Regressão Simbólica (RS), é um campo da Inteligência Artificial (IA) que se foca no desenvolvimento de modelos baseados em dados, tipicamente experimentais [1]. A técnica mais conhecida é a das Redes Neuronais Artificiais (RNA) em que, tendo por base funções de ativaçãao bem definidas, se ajustam os hiper-parâmetros do modelo. No entanto, estes modelos, bem como os parâmetros envolvidos, não têm qualquer significado real, daí serem chamados de caixas negras. Outra abordagem relevante na IA é a Programação Genética (PG), a qual será o foco deste trabalho. Nesta abordagem o que se procura obter são as relações matemáticas entre as várias entradas e saídas, mas em vez de se ajustarem apenas os parâmetros, como numa situação de regressão tradicional (seja linear ou não-linear), os operadores algébricos {+, -, ×, ÷, ...} e outras funções analíticas {cos, sen, exp, log, ...} também são combinados de forma a encontrar a expressão que descreve determinado conjunto de dados. Esta abordagem, apesar de mais desafiante, já permitiu a obtenção de modelos reais com o reconhecimento dos seus significados físicos. Já foi aplicada na geologia, oceanografia, na investigação de materiais, entre muitas outras áreas. Por exemplo, na sequência do projeto Eureqa, as equações que governam a dinâmica de alguns sistemas clássicos, como massa mola e pêndulos, foi obtida usando a PG [2]. Neste trabalho aplica-se um novo código de PG, desenvolvido pelos autores, à identificação do modelo de Hazen-Dupuit-Darcy para a queda de pressão, ∆P, no interior de um meio poroso de comprimento L como função da velocidade <u> [3, 4]. Usando a equação de Forchheimer, geraram-se dados para diferentes valores de velocidade e de parâmetros. Seguidamente aplicou-se a PG para se tentar obter novamente a equação de Forchheimer. Em todos os casos se conseguiu obter uma equação que apesar de ter uma forma distinta, quando simplificada se verificava ser igual à equação de Forchheimer. Nesse processo, no entanto, não foi possível obter os coeficientes individuais da equação, mas o resultado da operação entre eles (e.g. µ=K). Para apoiar o processo de convergência da PG incluir-se-á a identificação das soluções presentes na fronteira de Pareto em que se comparará o ajuste dos indivíduos com o número de operações presentes para o ajuste no sentido de se encontrarem equações mais simples.
URI: http://hdl.handle.net/10174/27763
Type: lecture
Appears in Collections:CEM - Comunicações - Em Congressos Científicos Internacionais

Files in This Item:

File Description SizeFormat
III-Conferencia Luso-Estremadurense 2019.pdf1.96 MBAdobe PDFView/Open
FacebookTwitterDeliciousLinkedInDiggGoogle BookmarksMySpaceOrkut
Formato BibTex mendeley Endnote Logotipo do DeGóis 

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

 

Dspace Dspace
DSpace Software, version 1.6.2 Copyright © 2002-2008 MIT and Hewlett-Packard - Feedback
UEvora B-On Curriculum DeGois