Pantheon Institutional repository
Collect, preserve and disseminate digital academic production in all areas of knowledge.
Comprise the assets of the repository, in addition to theses and dissertations at UFRJ, scientific articles, electronic books, book chapters and papers presented at events for teachers, researchers, administrative staff and students of master's and doctoral degrees.
Please use this identifier to cite or link to this item:
http://hdl.handle.net/11422/25581
| Type: | Trabalho de conclusão de graduação |
| Title: | A review of Machine Learning CFD-based predictive modelling for real-time forecasting simulations of pollutant dispersion in an urban mesh |
| Author(s)/Inventor(s): | Sá, Leonardo de Souza |
| Advisor: | Santos, Fábio Pereira dos |
| Abstract: | Este trabalho tem como objetivo revisar a evolução no estudo da modelagem preditiva com Machine Learning baseada em CFD de forma geral, destacando suas deficiências e a possibilidade de novas melhorias nesta área. Especificamente, esta tese de graduação analisa a base teórica desta técnica conjunta aplicada a simulações de previsão em tempo real de dispersão de poluentes em uma malha urbana. Utilizando a estrutura estabelecida por Ganti e Khare em um artigo publicado em 2020, este trabalho explica a teoria por detrás das técnicas mais utilizadas para fornecer uma visão geral de como se poderia conduzir um tal modelo para prever dispersões de gases em uma cidade. Alguns casos exemplo são simulados utilizando os softwares OpenFOAM® e SimFlow® e os dados gerados por estes são utilizados para realizar a técnica da Regressão do Processo Gaussiano (GPR), com o objetivo de, assim, prever o comportamento do fluxo em menos tempo, melhorando o desempenho e potencialmente reduzindo os custos de simulação. |
| Keywords: | Fluidodinâmica computacional Machine learning Análise de dados Modelagem preditiva |
| Subject CNPq: | CNPQ::ENGENHARIAS::ENGENHARIA QUIMICA::TECNOLOGIA QUIMICA |
| Production unit: | Escola de Química |
| Publisher: | Universidade Federal do Rio de Janeiro |
| Issue Date: | 5-Dec-2023 |
| Publisher country: | Brasil |
| Language: | eng |
| Right access: | Acesso Aberto |
| Appears in Collections: | Engenharia Química |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.