ANÁLISE TEÓRICO-EXPERIMENTAL DE DISPERSÃO DE UM CONTAMINANTE COM TRANSFORMAÇÕES INTEGRAIS E INFERÊNCIA BAYESIANA
A proposta deste trabalho consiste
em estimar a velocidade média e o coeficiente de
dispersão longitudinal da equação da advecçãodispersão
unidimensional em regime transiente
através de um problema inverso. Para tal, foram
utilizados dados de um experimento de campo
realizado por Sousa (2009), onde foi simulado
o lançamento instantâneo de um contaminante
conservativo (NaCl) em um trecho do rio São
Pedro, localizado na cidade de Nova Friburgo/
RJ. O problema direto é resolvido com o método
híbrido analítico-numérico conhecido como
Técnica da Transformada Integral Generalizada
(GITT). O problema inverso é formulado através
da Inferência Bayesiana e resolvido com o
Método de Monte Carlo via Cadeias de Markov
(MCMC). Os resultados obtidos demonstram
a robustez da combinação de transformações
integrais e inferência Bayesiana nesta análise.
ANÁLISE TEÓRICO-EXPERIMENTAL DE DISPERSÃO DE UM CONTAMINANTE COM TRANSFORMAÇÕES INTEGRAIS E INFERÊNCIA BAYESIANA
-
DOI: 10.22533/at.ed.48419240521
-
Palavras-chave: Técnica da Transformada Integral Generalizada, Problemas Inversos, Inferência Bayesiana, Monte Carlo via Cadeias de Markov.
-
Keywords: Generalized Integral Transform Technique, Inverse Problems, Bayesian Inference and Markov Chains Monte Carlo method
-
Abstract:
The purpose of this study is to
estimate the average speed and the longitudinal
dispersion coefficient of the advection-dispersion
equation transient one-dimensional through an
inverse problem. For this, we used data from a
field experiment conducted by Sousa (2009),
which was simulated instantaneous release of a
conservative contaminant (NaCl) on a stretch of
the river San Pedro, located in the city of Nova
Friburgo / RJ. The direct problem is solved with
the analytical-numerical hybrid method known
as Generalized Integral Transform Technique
(GITT). The inverse problem is formulated
by Bayesian Inference and solved with the
Markov Chains Monte Carlo method (MCMC).
The results demonstrate the robustness of
the combination of integral transformation and
Bayesian inference in this analysis.
-
Número de páginas: 15
- Diego Campos Knupp
- Pedro Paulo Gomes Watts Rodrigues
- Antônio José da Silva Neto
- Bruno Carlos Lugão
