Derivada topológica bayesiana no problema inverso da condutividade

• Ano de defesa: 2013
• Autor(a) principal: Oliveira, Luis Jonatha Rodrigues
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Laboratório Nacional de Computação Científica; Serviço de Análise e Apoio a Formação de Recursos Humanos; BR; LNCC; Programa de Pós-Graduação em Modelagem Computacional
• Palavras-chave em Português: Equações diferenciais parciais; Differential equations, Partial.; CNPQ::CIENCIAS EXATAS E DA TERRA::MATEMATICA::ANALISE::EQUACOES DIFERENCIAIS PARCIAIS
• Link de acesso: https://tede.lncc.br/handle/tede/136

O problema inverso da condutividade consiste em determinar a distribuição de condutividade térmica de um corpo a partir de medidas tomadas na fronteira. Neste trabalho, objetiva-se reconstruir um conjunto de inclusões com coeficiente de condutividade térmica distinto do meio, submetendo o corpo a excitações térmicas e medindo a correspondente distribuição de temperatura sobre sua fronteira. Como o problema inverso da condutividade é sobredeterminado, a ideia é reescrevê-lo na forma de um problema de otimização. Em particular, objetiva-se minimizar um funcional de forma baseado no critério de Kohn-Vogelius, que mede a diferença entre as soluções de dois problemas auxiliares. Um deles contém informação sobre a leitura e outro sobre a excitação, ambos definidos na fronteira do corpo. Sobre a solução do problema inverso, ambas as soluções dos problemas auxiliares coincidem. O critério de Kohn-Vogelius é então minimizado utilizando o conceito de derivada topológica, que mede a sensibilidade de um dado funcional quando uma perturbação infinitesimal singular é introduzida em um ponto arbitrário do domínio. Em seguida, o problema inverso é redefinido no contexto de inferência bayesiana, que consiste em codificar informações previamente conhecidas a partir de uma distribuição de probabilidade a priori a ser atualizada através do teorema de Bayes, a cada nova informação introduzida. Com a finalidade de se reduzir o custo computacional de métodos numéricos de amostragem, comumente utilizados neste tipo de abordagem, a derivada topológica será utilizada como um indicador de probabilidade na construção da função de verossimilhança para se obter uma distribuição de probabilidade do conjunto de inclusões, o que conduz a um algoritmo de reconstrução probabilístico baseado no conceito de derivada topológica bayesiana, introduzido pela primeira vez nesse trabalho. Finalmente, são apresentados alguns experimentos numéricos.