Aplicação de algoritmos de inteligência artiicial para determinação de correlações empiricas em modelos de transferência de calor e massa
Autor(a) principal: | |
---|---|
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 |
Resumo: | 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. |
id |
UFF-2_c09f8548c9ebdf4bcd9ba8f7807efb2e |
---|---|
oai_identifier_str |
oai:app.uff.br:1/27526 |
network_acronym_str |
UFF-2 |
network_name_str |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
repository_id_str |
2120 |
spelling |
Aplicação de algoritmos de inteligência artiicial para determinação de correlações empiricas em modelos de transferência de calor e massaAprendizado de máquinaTransferência de CalorConvecção forçadaAprendizado de máquinaInteligência artificialTransferência de calorMachine learningHeat transferForced convectionO 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.The paper discusses the methodology and results of using machine learning and artificial intelligence tools for heat transfer problems. In the field of heat transfer, it is common to develop empirical correlations to predict the systems behavior. The development of these correlations, however, demands a lot of energy and time for experiments, proposals, and validation. New artificial intelligence and machine learning tools have become increasingly robust and accessible, with applications in various fields of research. This paper proposes a model based on genetic programming that is able to propose new correlations for the one system. The effectiveness of the model will be used as a proof of concept to evaluate the use of machine learning for problems in the subject, and if it can be scaled to more complex cases. To evaluate the capability of this tool, the model will be tested on a system of forced heat convection around a cylinder. There are several studies addressing this type of flow, and empirical correlations already consolidated, being a good comparative test for the model to be developed.69 p.Pacheco, Cesar CunhaSilva, Vinicius Ribeiro MachadoSphaier, Leandro AlcoforadoSodré, Armando Oliveira2023-01-13T12:48:48Z2023-01-13T12:48:48Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfSODRÉ, Armando Oliveira. Aplicação de algoritmos de inteligência artiicial para determinação de correlações empiricas em modelos de transferência de calor e massa. 2022. 69 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Mecânica) - Universidade Federal Fluminense, Niterói, 2022http://app.uff.br/riuff/handle/1/27526CC-BY-SAinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFF2023-01-13T12:48:52Zoai:app.uff.br:1/27526Repositório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202023-01-13T12:48:52Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false |
dc.title.none.fl_str_mv |
Aplicação de algoritmos de inteligência artiicial para determinação de correlações empiricas em modelos de transferência de calor e massa |
title |
Aplicação de algoritmos de inteligência artiicial para determinação de correlações empiricas em modelos de transferência de calor e massa |
spellingShingle |
Aplicação de algoritmos de inteligência artiicial para determinação de correlações empiricas em modelos de transferência de calor e massa Sodré, Armando Oliveira Aprendizado de máquina Transferência de Calor Convecção forçada Aprendizado de máquina Inteligência artificial Transferência de calor Machine learning Heat transfer Forced convection |
title_short |
Aplicação de algoritmos de inteligência artiicial para determinação de correlações empiricas em modelos de transferência de calor e massa |
title_full |
Aplicação de algoritmos de inteligência artiicial para determinação de correlações empiricas em modelos de transferência de calor e massa |
title_fullStr |
Aplicação de algoritmos de inteligência artiicial para determinação de correlações empiricas em modelos de transferência de calor e massa |
title_full_unstemmed |
Aplicação de algoritmos de inteligência artiicial para determinação de correlações empiricas em modelos de transferência de calor e massa |
title_sort |
Aplicação de algoritmos de inteligência artiicial para determinação de correlações empiricas em modelos de transferência de calor e massa |
author |
Sodré, Armando Oliveira |
author_facet |
Sodré, Armando Oliveira |
author_role |
author |
dc.contributor.none.fl_str_mv |
Pacheco, Cesar Cunha Silva, Vinicius Ribeiro Machado Sphaier, Leandro Alcoforado |
dc.contributor.author.fl_str_mv |
Sodré, Armando Oliveira |
dc.subject.por.fl_str_mv |
Aprendizado de máquina Transferência de Calor Convecção forçada Aprendizado de máquina Inteligência artificial Transferência de calor Machine learning Heat transfer Forced convection |
topic |
Aprendizado de máquina Transferência de Calor Convecção forçada Aprendizado de máquina Inteligência artificial Transferência de calor Machine learning Heat transfer Forced convection |
description |
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. |
publishDate |
2023 |
dc.date.none.fl_str_mv |
2023-01-13T12:48:48Z 2023-01-13T12:48:48Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
SODRÉ, Armando Oliveira. Aplicação de algoritmos de inteligência artiicial para determinação de correlações empiricas em modelos de transferência de calor e massa. 2022. 69 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Mecânica) - Universidade Federal Fluminense, Niterói, 2022 http://app.uff.br/riuff/handle/1/27526 |
identifier_str_mv |
SODRÉ, Armando Oliveira. Aplicação de algoritmos de inteligência artiicial para determinação de correlações empiricas em modelos de transferência de calor e massa. 2022. 69 f. Trabalho de Conclusão de Curso (Graduação em Engenharia Mecânica) - Universidade Federal Fluminense, Niterói, 2022 |
url |
http://app.uff.br/riuff/handle/1/27526 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
CC-BY-SA info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
CC-BY-SA |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF) instname:Universidade Federal Fluminense (UFF) instacron:UFF |
instname_str |
Universidade Federal Fluminense (UFF) |
instacron_str |
UFF |
institution |
UFF |
reponame_str |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
collection |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
repository.name.fl_str_mv |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF) |
repository.mail.fl_str_mv |
riuff@id.uff.br |
_version_ |
1807838854288244736 |