Aplicações do método análise dos componentes principais de kernel em problemas de fluidodinâmica

Detalhes bibliográficos
Autor(a) principal: Marcondes, Rebeca Pereira, 1993-
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
Texto Completo: https://hdl.handle.net/20.500.12733/3539
Resumo: Orientador: William Roberto Wolf
id UNICAMP-30_b6dc130aa1d18582dc274872654de74a
oai_identifier_str oai::1238967
network_acronym_str UNICAMP-30
network_name_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository_id_str
spelling Aplicações do método análise dos componentes principais de kernel em problemas de fluidodinâmicaApplication of kernel principal components analyses method in fluid dynamicsAnálise de componentes principaisFunções de KernelMétodos de KernelFluidodinâmica computacionalEscoamento turbulentoRedes neurais (Computação)Principal component analysesKernel functionsKernel methodComputational fluid dynamicsTurbulent flowNeural networksOrientador: William Roberto WolfDissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia MecânicaResumo: A análise de componentes principais (do inglês Principal Components Analysis, PCA) tem sido amplamente utilizada na comunidade de fluidodinâmica para aplicações como identificação de estruturas coerentes em escoamentos, compressão de dados e construção de modelos de ordem reduzida. Entretanto, estes são tipicamente instáveis para casos cujos padrões possuem alta não linearidade, como ondas de choque e superfícies de contato, ou uma extensa faixa de escalas espaciais e temporais, como em escoamentos turbulentos. Dessa forma, a Análise de Componentes Principais de Kernel, KPCA, é um método promissor para superar os problemas anteriores, pois mapeia os dados não lineares a uma alta dimensão, transformando as fortes não linearidades em estruturas lineares neste espaço, utilizando funções de kernel. Assim, espera-se que os aspectos não lineares sejam incorporados nas bases do KPCA em menos modos para uma aproximação dos dados originais. Contudo, este método pode possuir custos computacionais altos (de memória e de processamento) para problemas de Mega Dados, portanto, aplicamos uma técnica de decomposição randômica no método, denominando-a: Randômica Análise de Componentes Principais de Kernel, RKPCA. Neste trabalho, investigamos a performance do KPCA, acurácia entre os dois métodos, KPCA e RKPCA. Além disso, aplicamos para ambos, PCA e KPCA, a reconstrução não linear em problemas de Shu-Osher e Ginzburg-Landau. No qual uma rede neural com Funções de Ativação de Base Radial, RN- RBF, é utilizada na reconstrução. Os resultados mostram que KPCA é uma técnica promissoraAbstract: Principal Component Analysis, PCA, has been widely used in the community of fluid dynamics for applications such as analysis of coherent flow structures, data compression and construction of reduced-order models, ROMs. However, those are typically unstable for problems that present strong nonlinearities, such as shock waves and contact surfaces, or a broad range of temporal and spatial scales, in turbulent flows. Thus, Kernel Principal Components Analysis, KPCA, is a promising method for overcoming the previous issues since it maps the nonlinear data into a higher dimension, transforming its previous strong nonlinearities into linear structures, using kernel functions. One expects that nonlinear features are incorporated into the KPCA basis such that fewer modes are required for an approximation of the original data. However, this method might have higher computational coasts (memory and process) for Big Data problems,for that reason, we applied a randomized technique into the method, naming it as Randomized Kernel Principal Component Analysis, RKPCA. In this work, we investigate the perfomance of KPCA, the accuracy between both methods, KPOD and RKPOD. Also, we apply for both PCA and KPCA for the reconstruction of nonlinear solutions from a modified Shu-Osher shock tube problem and the Ginzburg-Landau equation. In which, a Radial Basis Function Neural Network, RBF-NN, is applied for the reconstructions and results show that the KPCA is a promising techniqueMestradoTérmica e FluídosMestra em Engenharia MecânicaCAPES88882.435253/2019-01[s.n.]Wolf, William Roberto, 1980-Schiavo, Luiz Augusto Camargo AranhaRibeiro, Mateus DiasUniversidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia MecânicaPrograma de Pós-Graduação em Engenharia MecânicaUNIVERSIDADE ESTADUAL DE CAMPINASMarcondes, Rebeca Pereira, 1993-20222022-01-24T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf1 recurso online (122 p.) : il., digital, arquivo PDF.https://hdl.handle.net/20.500.12733/3539MARCONDES, Rebeca Pereira. Aplicações do método análise dos componentes principais de kernel em problemas de fluidodinâmica. 2022. 1 recurso online (122 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/3539. Acesso em: 3 set. 2024.https://repositorio.unicamp.br/acervo/detalhe/1238967Requisitos do sistema: Software para leitura de arquivo em PDFporreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2022-04-19T10:11:27Zoai::1238967Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2022-04-19T10:11:27Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false
dc.title.none.fl_str_mv Aplicações do método análise dos componentes principais de kernel em problemas de fluidodinâmica
Application of kernel principal components analyses method in fluid dynamics
title Aplicações do método análise dos componentes principais de kernel em problemas de fluidodinâmica
spellingShingle Aplicações do método análise dos componentes principais de kernel em problemas de fluidodinâmica
Marcondes, Rebeca Pereira, 1993-
Análise de componentes principais
Funções de Kernel
Métodos de Kernel
Fluidodinâmica computacional
Escoamento turbulento
Redes neurais (Computação)
Principal component analyses
Kernel functions
Kernel method
Computational fluid dynamics
Turbulent flow
Neural networks
title_short Aplicações do método análise dos componentes principais de kernel em problemas de fluidodinâmica
title_full Aplicações do método análise dos componentes principais de kernel em problemas de fluidodinâmica
title_fullStr Aplicações do método análise dos componentes principais de kernel em problemas de fluidodinâmica
title_full_unstemmed Aplicações do método análise dos componentes principais de kernel em problemas de fluidodinâmica
title_sort Aplicações do método análise dos componentes principais de kernel em problemas de fluidodinâmica
author Marcondes, Rebeca Pereira, 1993-
author_facet Marcondes, Rebeca Pereira, 1993-
author_role author
dc.contributor.none.fl_str_mv Wolf, William Roberto, 1980-
Schiavo, Luiz Augusto Camargo Aranha
Ribeiro, Mateus Dias
Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Mecânica
Programa de Pós-Graduação em Engenharia Mecânica
UNIVERSIDADE ESTADUAL DE CAMPINAS
dc.contributor.author.fl_str_mv Marcondes, Rebeca Pereira, 1993-
dc.subject.por.fl_str_mv Análise de componentes principais
Funções de Kernel
Métodos de Kernel
Fluidodinâmica computacional
Escoamento turbulento
Redes neurais (Computação)
Principal component analyses
Kernel functions
Kernel method
Computational fluid dynamics
Turbulent flow
Neural networks
topic Análise de componentes principais
Funções de Kernel
Métodos de Kernel
Fluidodinâmica computacional
Escoamento turbulento
Redes neurais (Computação)
Principal component analyses
Kernel functions
Kernel method
Computational fluid dynamics
Turbulent flow
Neural networks
description Orientador: William Roberto Wolf
publishDate 2022
dc.date.none.fl_str_mv 2022
2022-01-24T00:00:00Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/20.500.12733/3539
MARCONDES, Rebeca Pereira. Aplicações do método análise dos componentes principais de kernel em problemas de fluidodinâmica. 2022. 1 recurso online (122 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/3539. Acesso em: 3 set. 2024.
url https://hdl.handle.net/20.500.12733/3539
identifier_str_mv MARCONDES, Rebeca Pereira. Aplicações do método análise dos componentes principais de kernel em problemas de fluidodinâmica. 2022. 1 recurso online (122 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Mecânica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/3539. Acesso em: 3 set. 2024.
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv https://repositorio.unicamp.br/acervo/detalhe/1238967
Requisitos do sistema: Software para leitura de arquivo em PDF
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
1 recurso online (122 p.) : il., digital, arquivo PDF.
dc.publisher.none.fl_str_mv [s.n.]
publisher.none.fl_str_mv [s.n.]
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
instname:Universidade Estadual de Campinas (UNICAMP)
instacron:UNICAMP
instname_str Universidade Estadual de Campinas (UNICAMP)
instacron_str UNICAMP
institution UNICAMP
reponame_str Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
collection Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)
repository.mail.fl_str_mv sbubd@unicamp.br
_version_ 1809189181303291904

Registros relacionados