Orientador: Sônia Maria Gomes, Jorge Stolfi

Tese (doutorado) - Universidade Estadual de Campinas, Instituto de Matemática, Estatística e Computação Científica

Resumo: O objetivo desta tese é desenvolver algoritmos baseados em malhas e bases funcionais inovadoras usando técnicas de multiescala para aproximação de funções e resolução de problemas de equações diferenciais. Para certas classes de problemas, é possível incrementar a eficiência dos algoritmos...

Resumo: O objetivo desta tese é desenvolver algoritmos baseados em malhas e bases funcionais inovadoras usando técnicas de multiescala para aproximação de funções e resolução de problemas de equações diferenciais. Para certas classes de problemas, é possível incrementar a eficiência dos algoritmos de multiescala usando bases adaptativas, associadas a malhas construídas de forma a se ajustarem com o fenômeno a ser modelado. Nesta abordagem, em cada nível da hierarquia, os detalhes entre a aproximação desse nível e a aproximação definida no próximo nível menos refinado pode ser usada como indicador de regiões que necessitam de mais ou menos refinamento. Desta forma, em regiões onde a solução é suave, basta utilizar os elementos dos níveis menos refinados da hierarquia, enquanto que o maior refinamento é feito apenas onde a solução tiver variações bruscas. Consideramos dois tipos de formulações para representações multiescala, dependendo das bases adotadas: splines diádicos e wavelets. A primeira abordagem considera espaços aproximantes por funções splines sobre uma hierarquia de malhas cuja resolução depende do nível. A outra abordagem considera ferramentas da analise wavelet para representações em multirresolução de médias celulares. O enfoque está no desenvolvimento de algoritmos baseados em dados amostrais d-dimensionais em malhas diádicas que são armazenados em uma estrutura de árvore binária. A adaptatividade ocorre quando o refinamento é interrompido em algumas regiões do domínio, onde os detalhes entre dois níveis consecutivos são suficientemente pequenos. Um importante aspecto deste tipo de representação é que a mesma estrutura de dados é usada em qualquer dimensão, além de facilitar o acesso aos dados nela armezenados. Utilizamos as técnicas desenvolvidas na construção de um método adaptativo de volumes finitos em malhas diádicas para a solução de problemas diferenciais. Analisamos o desempenho do método adaptativo em termos da compressão de memória e tempo de CPU em comparação com os resultados do esquema de referência em malha uniforme no nível mais refinado. Neste sentido, comprovamos a eficiência do método adaptativo, que foi avaliada levando-se em consideração os efeitos da escolha de diferentes tipos de fluxo numérico e dos parâmetros de truncamento

Abstract: The goal of this thesis is to develop algorithms based on innovative meshes and functional bases using multiscale techniques for function approximation and solution of differential equation problems. For certain classes of problems, one can increase the efficiency of multiscale algorithms...

Abstract: The goal of this thesis is to develop algorithms based on innovative meshes and functional bases using multiscale techniques for function approximation and solution of differential equation problems. For certain classes of problems, one can increase the efficiency of multiscale algorithms using hierarchical adaptive bases, associated to meshes whose resolution varies according to the local features of the phenomenon to be modeled. In this approach, at each level of the hierarchy the details-differences between the approximation for that level and that of the next coarser level-can be used as indicators of regions that need more or less refinement. In this way, in regions where the solution is smooth, it suffices to use elements of the less refined levels of the hierarchy, while the maximum refinement is used only where the solution has sharp variations. We consider two classes of formulations for multiscale representations, depending on the bases used: dyadic splines and wavelets. The first approach uses approximation spaces consisting of spline functions defined over a mesh hierarchy whose resolution depends on the level. The other approach uses tools from wavelet analysis for multiresolu-tion representations of cell averages. The focus is on the development of algorithms based on sampled d-dimensional data on dyadic meshes which are stored in a binary tree structures. The adaptivity happens when the refinement is interrupted in certain regions of the domain, where the details between two consecutive levels are sufficiently small. This representation greatly simplifies the access to the data and it can be used in any dimension. We use these techniques to build an adaptive finite volume method on dyadic grids for the solution of differential problems. We analyze the performance of the method in terms of memory compression and CPU time, comparing it with the reference scheme (which uses a uniform mesh at the maximum refinement level). In these tests, we confirmed the efficiency of the adaptive method for various numeric flow formulas and various choices of the thresholding parameters