Modelagem computacional e estimativa de cargas poluentes pontuais despejadas às margens de cursos fluviais

• Ano de defesa: 2022
• Autor(a) principal: Lugão, Bruno Carlos
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade do Estado do Rio de Janeiro; Centro de Tecnologia e Ciências::Instituto Politécnico; Brasil; UERJ; Programa de Pós-Graduação em Modelagem Computacional
• Palavras-chave em Português: Ipsimpy; Inverse problem; Pollutant loads; Finite differences; Problema inverso; Cargas poluentes; Diferenças finitas; Problemas inversos (Equações diferenciais); Poluentes; CIENCIAS EXATAS E DA TERRA::MATEMATICA::MATEMATICA APLICADA::ANALISE NUMERICA
• Link de acesso: http://www.bdtd.uerj.br/handle/1/18591

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%.