Detalhes bibliográficos
Ano de defesa: |
2022 |
Autor(a) principal: |
Camargo, Juan Camilo Barrios |
Orientador(a): |
Não Informado pela instituição |
Banca de defesa: |
Não Informado pela instituição |
Tipo de documento: |
Dissertação
|
Tipo de acesso: |
Acesso aberto |
Idioma: |
por |
Instituição de defesa: |
Biblioteca Digitais de Teses e Dissertações da USP
|
Programa de Pós-Graduação: |
Não Informado pela instituição
|
Departamento: |
Não Informado pela instituição
|
País: |
Não Informado pela instituição
|
Palavras-chave em Português: |
|
Link de acesso: |
https://www.teses.usp.br/teses/disponiveis/45/45132/tde-21062022-170422/
|
Resumo: |
O cálculo de um sismograma para qualquer problema 3D vagamente realista é computacionalmente caro, e é por isso que métodos numéricos melhores estão constantemente sendo procurados para resolver o problema da propagação de ondas elásticas. Neste trabalho foram implementados dois métodos de volumes finitos em problemas sísmicos para analisar o desempenho deles neste tipo de problema tão desafiador e importante na sismologia computacional. O primeiro método é do tipo upwind, chamado de algoritmo de propagação de onda e desenvolvido por Randall J. LeVeque, neste método são usados solucionadores de Riemann exatos ou aproximados, que podem ser difíceis de resolver e computacionalmente caros de implementar para a leis de conservação em geral, mas são simples para o problema de onda elástica. O segundo método é do tipo Central-Upwind, método desenvolvido por Alexander Kurganov e Chi-Tien Lin. Neste método o uso de solucionadores de Riemann é evitado, tornando-se uma alternativa mais simples, com a desvantagem de ter uma dissipação numérica relativamente maior. De acordo com os resultados obtidos podemos concluir que embora os métodos de volumes finitos apresentam uma maior dissipação numérica, o erro introduzido pela dispersão numérica é muito baixo, fazendo destes uma ferramenta apropriada para problemas sísmicos quando temos fortes descontinuidades no meio, onde os métodos de diferenças finitas mostram mais dispersão numérica. |