Computational Intelligence and Tikhonov Regularization with Reduced Dimension Model: Applications in Health, Renewable Energy and Climate Heat Transfer Inverse Problems

Neste capítulo apresentamos um método para prever o valor otimizado do parâmetro de regularização do Tikhonov através da solução de versões simplificadas dos problemas inversos considerados. Isto pode ser de grande benefício, já que métodos como a curva L e a Iteração de Ponto Fixo exigem que o problema inverso seja resolvido várias vezes a fim de determinar o valor otimizado para o parâmetro de regularização. A ideia principal que suporta a abordagem proposta é resolver o problema de interesse usando um baixo conjunto de dimensões para representar a função a ser estimada e, então, esta solução é usada para obter uma estimativa do parâmetro de regularização do modelo completo, com base no método de Iteração de Ponto Fixo. Os testes são realizados em três problemas de transferência inversa de calor: estimativa da condutividade térmica variável de um tecido biológico, estimativa da temperatura de entrada no canal de placas paralelas e estimativa do albedo de dispersão variável de um meio participante de transferência radiativa. Os resultados obtidos demonstram a viabilidade da técnica em três problemas com potenciais aplicações práticas em bioengenharia, energia renovável e clima em alinhamento com as Metas de Desenvolvimento Sustentável (SDG) 3, 4, 7, 9, 13 e 17 da Agenda das Nações Unidas para 2030, estabelecida em 2015.