A integração numérica de equações diferenciais ordinárias é um dos problemas mais comuns em análise numérica. Diversos métodos e técnicas estão disponíveis na literatura, assim como diferentes combinações de heurísticas e parâmetros. Portanto, escolhas adequadas devem ser feitas para minimizar tanto o erro numérico quanto o tempo computacional. Neste trabalho, o Optuna foi empregado como um framework de otimização multiobjetivo para buscar os parâmetros de um integrador temporal adaptativo Runge–Kutta de quarta e quinta ordem (RK45) em três casos de teste selecionados. Em seguida, uma metodologia de análise da fronteira de Pareto baseada em métricas geométricas simples foi desenvolvida usando uma abordagem semelhante a um sistema especialista. Essa metodologia usa o conjunto Pareto-ótimo obtido com o Optuna para selecionar configurações de parâmetros que equilibram efetivamente o erro numérico e o tempo de execução da simulação. Ela também foi testada com quatro funções objetivo de referência para avaliar suas capacidades, fornecendo uma forma direta de selecionar parâmetros que equilibram erro e tempo de execução. O Optuna mostrou-se uma ferramenta efetiva para prototipar metodologias baseadas em otimização, demonstrando seu potencial ainda pouco explorado em tarefas além do aprendizado de máquina.
Country-wide lockdowns often face resistance when perceived as overly broad or misaligned with local realities. Designing effective, context-sensitive interventions requires understanding whether centralized national or decentralized provincial measures are more appropriate. This study extends previous analyses by developing a stochastic metapopulation model to simulate COVID-19 transmission across Mozambique’s 11 provinces during the first epidemic wave from March 22, 2020 to March 7, 2021. Human mobility was modeled via a radiation-based transition matrix, and the model was calibrated using effective population estimates and reported active cases. Three core intervention scenarios were evaluated including mobility without interventions, mobility with centralized national-triggered interventions, and mobility with decentralized province-specific triggers. Additional simulations assessed the robustness of interventions under varying physical distancing effectiveness ε, national thresholds νG, and provincial thresholds νL. Results indicate that decentralized interventions outperformed centralized approaches, delaying provincial epidemic peaks by 29 to 82 days, with a national average of 37 days, and reducing cumulative infections by 0.74-6.86% across provinces, with a national reduction greater than 2.49%. Sensitivity analyses show that higher physical distancing effectiveness and stricter local thresholds further delay peaks, particularly in less-connected provinces. Global sensitivity analysis highlights transmission rate, interprovincial connectivity, and intervention efficacy as the most influential factors. These findings suggest that province-specific strategies provide a superior balance between epidemic control and socioeconomic resilience in resource-limited settings and demonstrate the importance of spatially explicit mobility-aware models to guide adaptive public health policies and future pandemic preparedness under heterogeneous regional conditions.
Classical Fickian diffusion theory often fails to capture the complex structure of turbulent dispersion in the Planetary Boundary Layer (PBL), particularly regarding the description of memory effects and plume retention. This work investigates the Bi-flux dispersion theory, which extends the advection-diffusion equation by incorporating a fourth-order derivative term to model non-Fickian transport phenomena. Unlike previous analytical approaches limited to constant coefficients, this study develops a numerical model using a high-order implicit finite difference scheme that incorporates realistic height-dependent profiles for both wind speed and vertical eddy diffusivity. A novel physical parameterization is proposed for the fourth-order retention coefficient, defined as Kz2 ∝ u*|L|3, linking the non-Fickian mechanism to the local atmospheric turbulence scales (friction velocity and Monin-Obukhov length). The model was validated against the Copenhagen Experiment dataset. A sensitivity analysis of the partition parameter β revealed an optimal performance at β=0.99. The results demonstrate that the physically parameterized Bi-flux model significantly outperforms the classical Fickian formulation (β=1.0), achieving a 24.1% reduction in the Normalized Mean Square Error (NMSE) and a 70.4% improvement in the Fractional Standard Deviation (FS). These findings confirm that the inclusion of an atmospheric-scaled fourth-order term effectively preserves the internal variance of the plume, offering a superior predictive capability for pollutant dispersion in unstable boundary layers.
The study of the mechanical behavior of human muscle tissues has received increasing attention due to its relevance in biomechanical and biomedical applications, and is often described by hyperelastic models because of its nonlinear response under mechanical loading. In this context, constitutive modeling requires the definition of an appropriate strain energy density function; however, there is still no universal model capable of satisfactorily representing all classes of soft hyperelastic materials, which makes the use of systematic methodologies for parameter identification and model selection essential. Thus, the present work aims to apply a Bayesian inverse problem approach, through the Transitional Markov Chain Monte Carlo (TMCMC) method, to determine, based on experimental data from uniaxial compression tests carried out on a pure hyperelastic material and on a hyperelastic composite reinforced with unidirectional fibers, which strain energy density models best represent the observed response. The TMCMC method stands out for providing a robust and efficient exploration of posterior distributions, allowing not only the estimation of constitutive parameters, but also the quantification of the uncertainties associated with these parameters and the probabilistic comparison among competing models through Bayesian evidence. The results highlight the importance of using methods that explicitly incorporate experimental and inferential uncertainties, since different models may present similar fits under an exclusively deterministic analysis.
A manutenção da infraestrutura ferroviária apresenta um constante desafio devido ao desgaste natural e aos danos decorrentes do uso contínuo, que podem comprometer a segurança e eficiência desse meio de transporte. Este estudo propõe o uso de Monitoramento de Integridade Estrutural (SHM, do inglês Structural Health Monitoring) através da aplicação de um Autocodificador Variacional (VAE, do inglês Variational Autoencoder) para a detecção de irregularidades em vias férreas. O VAE é treinado para aprender a representar o comportamento normal da via e, junto com a Carta de Controle Hotelling T², é capaz de detectar anomalias estruturais. A metodologia proposta inclui a otimização dos hiperparâmetros do VAE utilizando a biblioteca Optuna, buscando maximizar o desempenho do modelo. Os resultados indicam que a combinação do VAE com a Carta de Controle T² de Hotelling é eficaz na detecção de defeitos, oferecendo uma solução mais econômica e menos invasiva para a manutenção preventiva das vias. Embora o método ainda não quantifique as anomalias, ele apresenta um grande potencial para aprimorar a confiabilidade operacional.
Este trabalho apresenta uma abordagem alternativa para a solução de um problema de valores iniciais e de contorno (PVIC) relacionado à equação de difusão unidimensional não homogênea com coeficientes constantes, aplicada à condução de calor no solo. Ao contrário do método tradicional de separação de variáveis de Fourier, a abordagem proposta baseia-se na solução fundamental (função de Green), na extensão antissimétrica da condição inicial, e nos princípios de Duhamel e de superposição. A metodologia envolve a análise do problema de Cauchy para a equação do calor em domínios ilimitados e semi-infinitos, utilizando técnicas de transformação de variáveis e integração. Os resultados preliminares indicam que essa técnica pode ser aplicada efetivamente em estudos futuros sobre trocadores de calor solo-ar, visando conforto térmico em ambientes fechados. Este estudo é um passo inicial importante para o desenvolvimento de soluções mais eficientes e precisas que descrevem o comportamento do solo.
This work examines the numerical inversion of the Laplace Transform via Fixed Talbot in an initial-boundary value problem for the wave equation. Although various numerical methods exist for the numerical inversion of the Laplace transform, the Fixed Talbot method shows the best performance based on previous tests. In the Talbot algorithm, it is necessary to adjust the parameters M and N to ensure convergence of the method; previous studies suggest a sufficient condition for convergence when the M/N ratio is within the interval (5, 19). To investigate the suggested convergence interval, the numerical inversion of the Laplace transform via Fixed Talbot was applied to an initial-boundary value problem for the wave equation, and a comparison was made between the numerical and exact solutions through the maximum absolute error. The results suggest the conservation of the proposed convergence interval for this type of partial differential equation.
O monitoramento de integridade estrutural (SHM, do inglês Structural Health Monitoring) tem como objetivo garantir a segurança e o funcionamento das estruturas. Nos últimos anos, diversas técnicas baseadas em aprendizado de máquina têm sido utilizadas para esse fim. Dentre elas, destacam-se os autocodificadores (AE, do inglês Autoencoder), que são modelos capazes de extrair características a partir de dados de vibração, reduzindo a sua dimensionalidade, constituindo-se como ferramentas eficazes para aplicações de SHM. Este trabalho investiga a eficácia de quatro metodologias baseadas em autocodificadores, combinadas a uma ferramenta estatística para detectar e quantificar mudanças estruturais em três diferentes estruturas. Os sinais de vibração das estruturas são utilizados como dados de entrada e os valores da camada latente dos autocodificadores como parâmetros no teste T² de Hotelling para avaliar mudanças estruturais. Observou-se nos resultados obtidos que o modelo de autocodificador de melhor desempenho, Variacional AE-T², supera os outros na identificação e quantificação das mudanças estruturais. Embora os modelos AE, AE Esparso e AE Convolucional tenham apresentado limitações quanto a quantificação das alterações, eles apresentaram desempenho relevante para a detecção de anomalias.
A importância da análise das variáveis meteorológicas decorre do fato de que estes elementos afetam o meio ambiente como um todo. Com essa perspectiva, este trabalho tem como objetivo realizar uma análise de correlação cruzada entre dados meteorológicos para diagnosticar seus efeitos diretos e indiretos, na cidade de Salvador, Bahia, Brasil. Para a metodologia, foram usados como base dados meteorológicos do Instituto Nacional de Meteorologia e os métodos do coeficiente de correlação cruzada e coeficiente de correlação cruzada múltipla. Na análise do coeficiente de correlação cruzada, a radiação solar x temperatura do ar teve uma condição forte, a radiação solar x umidade relativa também teve uma condição forte, já a radiação solar x velocidade do vento teve uma condição média. O resultado da correlação cruzada múltipla, isto é, as variáveis temperatura do ar, umidade relativa e velocidade do vento, foram correlacionadas com a radiação solar, obtendo uma condição muito forte entre elas (0,88). Estudar correlações em dados meteorológicos é fundamental para melhorar a previsão do tempo e antecipar condições adversas, ajudando a entender mudanças climáticas ao revelar padrões e tendências de longo prazo, crucial para desenvolver estratégias de mitigação e adaptação.
O objetivo do artigo é avaliar o cenário do descomissionamento de instalações da indústria de óleo e gás offshore no Brasil, além de amparar decisões para o descomissionamento na Bacia de Campos com o emprego do modelo multicritério Fuzzy AHP (Analytic Hierarchy Process). Por meio de temporalidade das instalações e da vida útil foi feito um diagnóstico das plataformas de petróleo e gás offshore. Os critérios (econômico, ambiental, segurança e interferência no mar/navegação) e alternativas (remoção total, remoção parcial, tombamento e manter a estrutura, visando outros usos) de descomissionamento foram elencados com base nos Programas de Descomissionamento de Instalações (PDIs) e na legislação vigente. Atualmente, a maior demanda por descomissionamento é nas bacias de Campos e Sergipe. Nas décadas seguintes as bacias de Campos e Santos responderão pela maior parte do descomissionamento nacional. A remoção completa das plataformas do ambiente marinho foi a decisão menos indicada pelo modelo Fuzzy AHP. A manutenção das plataformas no mar, visando outros fins, foi a alternativa mais indicada. O passivo ambiental da indústria de óleo e gás offshore do Brasil impõe desafios e oportunidades que exigem planejamento adequado e sustentável, considerando os aspectos ambientais, econômicos e sociais.
This paper presents a study on the stress-strain simulation of offshore mooring fibers using the Modified Yeoh model. It incorporates the mathematical descriptions (linear, quadratic, cubic, and exponential), also examining the dependence on the strain invariants (I1 and I2), thus aiming to improve the accuracy of the numerical description of the constitutive behavior of the fibers. The research methodology includes computational simulations validated by experimental data, focusing on the mathematical construction based on the Modified Yeoh model for representing the constitutive behavior in mechanical hysteresis (loading-unloading), addressing two fibers: high modulus polyethylene (HMPE) and polyester (PET). The simulation results demonstrate the models' ability to describe the stress-strain behavior, but it is clear that a description solely through I2 is not sufficient for the convergence of the simulation with the experimental data. For the mathematical models, the linear term dependent on I1 (principal strains) is the most important for the good fitting of experimental data. The smallest error concerning the simulations is obtained for a model with a complete mathematical description and dependence on both invariants, presenting an average error of 0.52% for HMPE and 1.77% for PET. This work provides a framework for simulating and understanding the mechanical responses of mooring fibers in mechanical hysteresis, highlighting the relevance of the mathematical model and invariant dependence coupled with numerical simulation.
A aprendizagem de máquina (Machine Learning - ML) possibilita a análise de grande quantidade de dados. Estes dados são gerados a todo instante, como dados de consumo, saúde pública e processos industriais. Um exemplo destes datasets são os conjuntos de parâmetros gerados no monitoramento da qualidade do ar. Neste trabalho, são utilizadas ferramentas de ML para avaliar a qualidade do ar em uma estação da CETESB em Cubatão, estação 66 - Parisi. Os dados de um ano, 1/1/2022 a 1/1/2023, para Partículas Inaláveis (MP10), óxidos de nitrogênio (NO, NO2 e NOx) e SO2 foram considerados. Foram desenvolvidas engenharia de atributos, agrupamento e classificação. O dendrograma indicou quatro clusters, o que foi confirmado pelo método do K-médios. O classificador com melhor performance foi o algoritmo de k vizinhos mais próximos, com um coeficiente igual a 0,953138. As ferramentas resultaram em análises interessantes que contribuem para o melhor controle sobre os poluentes na atmosfera. O cuidado com o meio ambiente deve ser uma atitude de todos. Mesmo pequenas iniciativas podem contribuir para criar movimentos e políticas públicas.
The aim of the current study is to present the acetate method synthesis of magnesium germanate (Mg2GeO4) compound containing Mn4+ as activating cation for optical transitions. The crystalline structure of this compound was investigated through X-ray diffraction measurements in association with the Rietveld method, which confirmed the formation of the intended compound. Photoluminescence spectroscopy measurements have shown emission in the red region. The emission spectrum under 287 nm excitation presented an intense peak at 660 nm, followed by several structures. Optical transitions were identified and confirmed Mn4+ occupation in octahedral symmetry. Crystal field parameter Dq and Racah parameters B and C, were calculated based on optical spectra. Emission lifetime was 2.8 ms, and it was compatible to the spin-forbidden electronic transition 2E(2G) → 4A2( 4F) attributed to the emission at 660 nm. The current findings pointed out that the sample was successfully synthesized, and that its optical properties can be used in devices that operate with emission in the red range of the visible spectrum.
O petróleo e o gás são as principais fontes de energia primária no mundo. A partir desses recursos, obtêm-se derivados e petroquímicos que alimentam a produção de energia, serviços e diversos produtos. Entre as etapas cruciais da produção de petróleo estão a classificação dos reservatórios, a perfuração e a análise dos dados geológicos para determinar a viabilidade da extração. No entanto, esses processos costumam ser feitos manualmente por especialistas ou por métodos que são caros, imprecisos e demorados. Neste contexto, este trabalho tem o objetivo de classificar litologias e prever a taxa de carbono orgânico total por meio da aplicação de técnicas de aprendizado de máquina, empregando algoritmo genético com busca exaustiva para otimização dos métodos de regressão/classificação. A base de dados utilizada é referente a um poço do Campo Marlim, Bacia de Campos. Os resultados mostram que o Extreme Gradient Boosting (XGB) obteve bom desempenho nos experimentos realizados, com média de acurácia=0,941 e RMSE = 0,150 no conjunto de testes, sendo uma alternativa para auxiliar especialistas na tarefa de classificação de litologias e predição de taxa de carbono total.
No presente trabalho, foi realizada uma introdução ao uso de técnicas de aprendizado de máquinas para identificar as fases de um sistema magnético e a transição entre estas fases. Para isso, foi utilizado o Modelo de Ising bidimensional e foi implementada uma rede Perceptron de uma única camada. Os resultados obtidos apontaram uma boa acurácia na detecção da temperatura da transição de fase neste modelo, confirmando a viabilidade do emprego destas técnicas no estudo das transições de fase.
Epidemiological modeling that incorporates interprovincial mobility and time-varying contact rates is essential for elucidating the transmission dynamics of COVID-19. The migration of individuals between provinces and temporal fluctuations in contact rates shaped by social distancing directives are thought to be the pivotal factors influencing the spread of the disease. To investigate these variables, we constructed a stochastic metapopulation model consisting of 11 subpopulations, each delineated by a compartmental SEIAHRD submodel, to articulate COVID-19 transmission within the context of Mozambique. Inter-provincial mobility was quantified utilizing an origin-destination matrix derived from the radiation model. The interplay between human mobility and variability in contact rates was evaluated while testing three distinct scenarios: model without mobility; model with mobility and model with mobility and isolation of Maputo City. The model incorporating time-dependent contact rates demonstrated superior performance across all model scenarios. These results emphasize the significance of inter-regional mobility in shaping epidemic dynamics and underscore the effect of governmental interventions on fluctuations in contact rates. This investigation underscores the necessity for strategic mobility restrictions and adaptive measures in forthcoming epidemic control frameworks to enhance response efficacy and mitigate health and social repercussions.
No contexto da logística internacional, a eficiência e a sustentabilidade são cruciais. Este estudo propõe a reconfiguração da malha aérea no Brasil, utilizando aeroportos do Nordeste como hubs para importações da Europa e Ásia. A metodologia emprega grafos fuzzy e o operador OWA para modelar e otimizar rotas, considerando múltiplos critérios como distância, tempo de voo, emissão de CO2 e custo de frete. A análise inicial demonstra a viabilidade do modelo, oferecendo uma base sólida para futuras pesquisas que irão expandir o escopo para 67 aeroportos internacionais e refinar a definição dos pesos dos critérios. O estudo visa melhorar a eficiência logística, reduzir custos e emissões de carbono, e promover o desenvolvimento regional sustentável.
In order to manufacture plastic parts with complex geometries on a large scale, injection molding is one of the most widely used manufacturing processes. One of the criteria commonly considered when developing new products is dimensional quality, a factor directly associated with reducing part warpage. In the automotive industry, the manufacture of parts requires high dimensional precision, as many components have an aesthetic purpose or require perfect fits. Therefore, this work employs experimental designs, numerical simulations, statistical methods, and machine learning models to predict the warpage of an automotive cup holder. The polymers used were polypropylene (PP) and acrylonitrile butadiene styrene (ABS). The results indicated that the regression models developed for predicting warpage performed better with the ABS data. Regarding the classification models, both achieved an accuracy rate exceeding 90%. These findings provide useful tools during the mold tryout phase, helping to reduce time, cost, and material waste.
A importância da análise de sensibilidade para a compreensão do impacto das entradas de um modelo em sua saída é fundamental. O estudo identifica quais entradas são influentes em um modelo. A avaliação da sensibilidade de um modelo pode ser analisada localmente, apenas em torno de um ponto nominal no espaço amostral da entrada, ou globalmente, que considera as mudanças dentro de todo o espaço de mutabilidade das entradas. O método de Morris é um método all-at-a-time, uma entrada por vez, de análise global. Ele gera conjuntos de entrada do modelo usando a estratégia de amostragem aleatória, que é alcançada por intermédio das chamdas matrizes trajetórias. O método de Morris utiliza-se da média e do desvio padrão dos esfeitos elementares para inferir sobre a sensibilidade do modelo com relação a uma entrada, e possíveis correlações entre eles. É neste sentido que o objetivo deste trabalho é apresentar o módulo de Morris na Inverse Problem and Sensitivity Analysis Library desenvolvido em Scilab, aplicado em um caso prático.
