ESTIMAÇÃO DOS PARÂMETROS E MAPEAMENTO DA FUNÇÃO OBJETIVO PARA MODELO DA COPOLIMERIZAÇÃO DO ETILENO ATRAVÉS DO PSO

I. S. C. BERNARDES, I. B. R. NOGUEIRA, K. V. PONTES
2015 Anais do XX Congresso Brasileiro de Engenharia Química   unpublished
RESUMO -A estimação de parâmetros constitui uma das etapas do desenvolvimento de um modelo matemático, sendo essencial para a validação e uso do mesmo. Modelos nãolineares, como o presente caso, não permitem solução analítica para a minimização da função objetivo. É preciso usar métodos numéricos iterativos, como os métodos heurísticos. Estes lidam bem com problemas com muitos parâmetros e função objetivo não-suave, descontínua, com mínimos locais. A Otimização por Enxame de Partículas (PSO
more » ... Partículas (PSO -Particle Swarm Optimization) foi usada para efetuar o mapeamento da função objetivo para os pares de parâmetros de um modelo fenomenológico do processo de copolimerização do etileno em solução. Os resultados mostram que o PSO foi capaz de encontrar valores ótimos para as estimativas dos parâmetros permitindo a validação e aplicação do modelo. INTRODUÇÃO Os fenômenos observáveis são explicados quantitativamente e/ou qualitativamente por modelos científicos. Segundo Pinto e Schwaab (2007) , um modelo matemático indica a relação entre variáveis de maneira quantitativa através de entes chamados parâmetros, portanto a estimação de parâmetros é uma etapa fundamental na definição completa de tais modelos e é seguida pela validação do mesmo. Para solucionar tal problema de otimização, algoritmos probabilísticos apresentam algumas seguintes vantagens frente aos determinísticos (HOLTZ, 2005; PINTO e SCHWAAB, 2007):  Empregam a função objetivo e as restrições com ou sem uma representação matemática;  Funcionam sem a necessidade de função objetivo contínua ou diferenciável ou de formulações complexas ou reformulações para o problema;  Trabalham adequadamente, tanto com parâmetros contínuos quanto com discretos, ou ainda com uma combinação deles;  Realizam buscas simultâneas no espaço de possíveis soluções através de uma população de indivíduos sem quaisquer restrições quanto ao ponto de partida dentro do espaço de busca da solução;  Otimizam um grande número de variáveis, desde que a avaliação da função objetivo não tenha um custo computacional demasiadamente alto;  Apresentam equações simples e robustez do procedimento de busca, graças à natureza global e aleatória da pesquisa.
doi:10.5151/chemeng-cobeq2014-1771-17636-180191 fatcat:vhybcoq47zex7bvwyrnfiarml4