Aplicação de algoritmos de inteligência artiicial para determinação de correlações empiricas em modelos de transferência de calor e massa

• Autor(a) principal: Sodré, Armando Oliveira
• Data de Publicação: 2023
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da Universidade Federal Fluminense (RIUFF)
• Texto Completo: http://app.uff.br/riuff/handle/1/27526
• topic: Aprendizado de máquina; Transferência de Calor; Convecção forçada; Aprendizado de máquina; Inteligência artificial; Transferência de calor; Machine learning; Heat transfer; Forced convection

O trabalho discorre sobre a metodologia e resultados do uso de ferramentas de aprendizado de máquina e inteligência artificial para problemas de transferência de calor. No campo de estudo de transferência de calor é comum a elaboração de correlações empíricas para prever comportamentos desses sistemas. O desenvolvimento dessas correlações, porém, demanda muita energia e tempo para experimentos, propostas e validação. Novas ferramentas de inteligência artificial e aprendizado de máquina têm se tornado cada vez mais robustas e acessíveis, tendo aplicações nos mais diversos campos de pesquisa. O trabalho propõe um modelo baseado em programação genética que seja capaz de propor novas correlações para o caso de estudo. A eficácia do modelo será usada como prova de conceito pra avaliar o uso de aprendizado de máquina para problemas no tema, podendo escalar para casos mais complexos. Para se avaliar a capacidade dessa ferramenta, o modelo será testado em um sistema de convecção de calor forçada ao redor de um cilindro. Existem diversos estudos abordando esse tipo de escoamento, e correlações empíricas já consolidadas, sendo um bom teste comparativo para o modelo desenvolvido.