Calibração multiobjetivo de modelos hidrológico e de superfície atmosférico

• Autor(a) principal: Amarísio da Silva Araújo
• Data de Publicação: 2014
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações do INPE
• Texto Completo: http://urlib.net/sid.inpe.br/mtc-m21b/2014/09.02.20.20

Nos últimos anos, a ciência tem se beneficiado muito de modelos computacionais como ferramentas importantes e cada vez mais confiáveis em muitos tipos de investigações, Tais modelos estabelecem uma representação de sistemas físicos através de equações matemáticas que são resolvidas de forma aproximada por meio de técnicas numéricas codificadas em programas computacionais, Fenômenos de dinâmica de fluidos e nas áreas de meteorologia, de transferência de calor em estruturas de engenharia, por exemplo, são modelados com equações matemáticas, muitas vezes sob a forma de sistemas complexos de equações diferenciais, Para se garantir a aderência de um modelo à realidade do fenômeno modelado, torna-se necessário o ajuste de vários parâmetros do mesmo, procedimento este conhecido como \emph{calibração de parâmetros}. No caso de modelos de fluidos geofísicos, por exemplo, em que há um número finito de parâmetros a serem ajustados, a calibração corresponde a um tipo de problema inverso - \emph{problema inverso discreto ou estimação de parâmetros} - no qual, partindo-se dos efeitos (dados observados), tenta-se chegar às causas (parâmetros), Para se resolver este tipo de problema inverso, uma estratégia é a otimização ele urna ou mais funções (objetivos) para avaliar o erro entre as variáveis de entrada e ele saída do modelo, Este trabalho trata ela calibração multiobjetivo dos parâmetros de dois modelos de fluidos geofísicos: o modelo hidrológico de pequenas bacias IPH-II e o modelo de superfície atmosférico IBIS, Para a calibração do IPH-II, foi implementado um algoritmo genético com epidemia. A calibração do IBIS é feita com um software de calibração multiobjetivo do IBIS, denominado Optis, que usa como técnica de otimização multiobjetivo o algoritmo NSGA- II, sendo, aqui, propostas algumas mudanças nas definições das funções objetivo, a implementação de um operador de epidemia no NSGA-II e o uso de uma estratégia de calibração baseada na escala temporal das variáveis.