Estrategia de Regularización para la Estimación de la Fuente Térmica en Procesos Bidimensionales de Transferencia de Calor
DOI:
https://doi.org/10.70567/mc.v42.ocsid8206Palabras clave:
BEMD, Transferencia de calor, Estimación de la fuente, RegularizaciónResumen
En este trabajo se estudia una técnica para la estimación del término fuente en una ecuación bidimensional de reacción-advección-difusión-fuente. La identificación de este término constituye un problema inverso mal planteado en el sentido de Hadamard, dado que el operador inverso no es acotado, lo que provoca una alta sensibilidad frente a perturbaciones en los datos. Se propone una estrategia de regularización basada en la Descomposición Modal Empírica Bidimensional (BEMD) para atenuar la variabilidad no deseada, inducida por el ruido presente en las mediciones experimentales o simuladas. Se presenta un ejemplo numérico que ilustra la efectividad de la metodología propuesta, y se comparan los resultados obtenidos con los reportados en la literatura, en los que se emplean otras técnicas de regularización clásicas. Además, se realiza un análisis sobre las distribuciones y las propiedades estadísticas de los errores relativos de aproximación, a fin de evaluar la robustez y estabilidad del enfoque desarrollado.
Citas
Cortinovis A. y Kressner D. Low-rank approximation in the Frobenius norm by column and row subset selection. SIAM Journal on Matrix Analysis and Applications, 41(4):1651–1673, 2020. https://doi.org/10.1137/19M1281848.
Engl H.W., Hanke M., y Neubauer A. Regularization of inverse problems. volumen 375. Springer Science & Business Media, 1996. https://doi.org/10.1007/978-94-009-1740-8.
González L. y Suárez A. Improving approximate inverses based on Frobenius norm minimization. Applied Mathematics and Computation, 219(17):9363–9371, 2013. https://doi.org/10.1016/j.amc.2013.03.057.
Hadamard J. Lectures on Cauchy’s problem in linear partial differential equations, volumen 171. The Mathematical Gazette, 1924. https://doi.org/10.2307/3603014.
Huang N.E., Shen Z., Long S.R., Wu M.C., Shih H.H., Zheng Q., Yen N.C., Tung C.C., y Liu H.H. The empirical mode decomposition and the Hilbert spectrum for nonli-near and non-stationary time series analysis. Proceedings of the Royal Society of London. Series A: mathematical, physical and engineering sciences, 454(1971):903–995, 1998. https://doi.org/10.1098/rspa.1998.0193.
Kirsch A. et al. An introduction to the mathematical theory of inverse problems, volumen 120. Springer, 2011. https://doi.org/10.1007/978-3-030-63343-1.
Li X.X., Guo H.Z., Wan S.M., y Yang F. Inverse source identification by the modified regularization method on poisson equation. Journal of Applied Mathematics, 2012(1):971952, 2012. https://doi.org/10.1155/2012/971952.
Liu L., Liu B., Huang H., y Bovik A.C. No-reference image quality assessment based on spatial and spectral entropies. Signal processing: Image communication, 29(8):856–863, 2014. https://doi.org/10.1016/j.image.2014.06.006.
Morvidone M.A., Masci I., Rubio A.D., Kurtz M.L.A., Tasat D.R., y Piotrkowski R. Particle size and morphological evaluation of airborne urban dust particles by scanning electron microscopy and bidimensional empirical mode analysis. WSEAS Transactions on Environment and Development, 20:504–513, 2024. https://doi.org/10.37394/232015.2024.20.49.
Nunes J.C., Bouaoune Y., Delechelle E., Niang O., y Bunel P. Image analysis by bidimensional empirical mode decomposition. Image and vision computing, 21(12):1019–1026, 2003. https://doi.org/10.1016/S0262-8856(03)00094-5.
Painam R.K. y Manikandan S. BEMD based adaptive Lee filter for despeckling of SAR images. Advances in Space Research, 71(8):3140–3149, 2023. ISSN 0273-1177. https://doi.org/10.1016/j.asr.2022.12.009.
Rubio D., Sassano N., Morvidone M., y Piotrkowski R. Application of bidimensional empirical mode decomposition for particle identification and size determination. International Journal of Applied Mathematics, Computational Science and Systems Engineering, 6:186–192, 2024. https://doi.org/10.37394/232026.2024.6.16.
Sponring J. The entropy of scale-space. En Proceedings of 13th International Conference on Pattern Recognition, volumen 1, páginas 900–904. IEEE, 1996. https://doi.org/10.1109/ICPR.1996.546154.
Umbricht G.F. Identification of the source for full parabolic equations. Mathematical Modelling and Analysis, 26(3):339–357, 2021. ISSN 1392-6292/1648-3510. https://doi.org/10.3846/mma.2021.12700.
Umbricht G.F. y Rubio D. Regularization techniques for estimating the space-dependent source in an n-dimensional linear parabolic equation using space-dependent noisy data. Computers & Mathematics with Applications, 172:47–69, 2024. ISSN 0898-1221. https://doi.org/10.1016/j.camwa.2024.07.029.
Yang F. y Fu C.L. A mollification regularization method for the inverse spatial-dependent heat source problem. Journal of Computational and Applied Mathematics, 255:555–567, 2014. ISSN 0377-0427. https://doi.org/10.1016/j.cam.2013.06.012.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2025 Asociación Argentina de Mecánica Computacional
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Esta publicación es de acceso abierto diamante, sin ningún tipo de costo para los autores ni los lectores.
Solo se publicarán aquellos trabajos que han sido aceptados para su publicación y han sido presentados en el congreso de AMCA.
