76 Tabela 4.2 – Quantida<strong>de</strong> <strong>de</strong> iterações para atingimento <strong>de</strong> igual or<strong>de</strong>m <strong>de</strong> magnitu<strong>de</strong> <strong>de</strong> erro para a variável T c Nós UDS-2 TVD QUICK2 QUICK4 ADS 5 31 34 37 40 50 15 25 21 23 28 33 45 16 17 15 23 17 135 12 12 11 19 12 405 10 8 8 17 9 1.215 8 7 7 16 7 3.645 7 6 4 14 6 10.935 6 5 5 13 5 32.805 4 4 4 9 4 98.415 4 3 3 10 4 295.245 4 3 3 8 2 885.735 4 3 3 7 3 2.657.205 3 3 2 5 2 7.971.615 3 2 2 4 4 23.914.845 3 2 2 4 7 Fazendo uma relação dos t<strong>em</strong>pos para execução das 100 iterações para cada uma <strong>de</strong>stas FI`s (Tab.4.1), com a quantida<strong>de</strong> <strong>de</strong> iterações necessárias para cada FI (Tab.4.2), po<strong>de</strong>se fazer uma projeção do t<strong>em</strong>po necessário para atingimento da quantida<strong>de</strong> <strong>de</strong> iterações apresentadas na Tab.4.2. Estes valores são apresentados na Tab.4.3. Tabela 4.3 – Projeção <strong>de</strong> t<strong>em</strong>po necessário para atingimento <strong>de</strong> magnitu<strong>de</strong> <strong>de</strong> erro 10 -22 para a variável T c Nós UDS-2 TVD QUICK2 QUICK4 ADS 5 0,000 0,000 0,000 0,000 0,000 15 0,000 0,000 0,000 0,000 0,000 45 0,000 0,000 0,002 0,004 0,003 135 0,002 0,002 0,002 0,006 0,004 405 0,003 0,004 0,005 0,013 0,008 1.215 0,010 0,010 0,013 0,040 0,019 3.645 0,051 0,024 0,023 0,103 0,047 10.935 0,068 0,062 0,087 0,282 0,117 32.805 0,135 0,149 0,208 0,612 0,291 98.415 0,407 0,334 0,478 2,042 0,898 295.245 1,215 1,017 1,450 4,741 1,351 885.735 3,649 3,060 4,403 13,070 6,215 2.657.205 8,234 9,077 8,755 27,006 12,123 7.971.615 24,323 17,654 25,903 64,989 49,814 23.914.845 74,237 54,482 54,882 134,397 262,432 Vê-se na Tab.4.3 que os t<strong>em</strong>pos das FI`s que utilizam processos iterativos continuam mais altos que as outras que não utilizam este tipo <strong>de</strong> processo (Tab.4.1). Além disto, se comparados os dados obtidos da Tab.4.3 aos apresentados pela Tab.4.1 para as FI`s que não
77 usam processo iterativo, po<strong>de</strong>-se verificar que o processo iterativo com menor t<strong>em</strong>po <strong>de</strong> processamento (TVD) necessita <strong>de</strong> aproximadamente 57% mais t<strong>em</strong>po do que a FI s<strong>em</strong> processo iterativo e que t<strong>em</strong> o maior t<strong>em</strong>po <strong>de</strong> processamento (ALFA), quando consi<strong>de</strong>rada a malha mais refinada. A noção <strong>de</strong>stes t<strong>em</strong>pos é um subsídio interessante na escolha da FI a ser utilizada <strong>em</strong> projetos. Isto porque possibilita a a<strong>de</strong>quação do método <strong>de</strong> solução à estrutura computacional existente, assim como o t<strong>em</strong>po disponível para execução do trabalho. Ou, sob outro ponto <strong>de</strong> vista, po<strong>de</strong> também ser uma possibilida<strong>de</strong> <strong>de</strong> economia, <strong>em</strong> termos <strong>de</strong> custo computacional, e também <strong>de</strong> t<strong>em</strong>po. 4.2 MEMÓRIA COMPUTACIONAL Aborda-se aqui outro it<strong>em</strong> não i<strong>de</strong>ntificado nos objetivos do trabalho, mas que aparece, juntamente com o t<strong>em</strong>po <strong>de</strong> processamento, como um it<strong>em</strong> interessante para mostrar as necessida<strong>de</strong>s <strong>de</strong> hardware para solução do probl<strong>em</strong>a. A Tab. 4.4 apresenta a ocupação <strong>de</strong> m<strong>em</strong>ória computacional máxima <strong>em</strong> gigabytes (GB), para cada malha gerada e cada função <strong>de</strong> interpolação utilizada. Similarmente à obtenção do t<strong>em</strong>po computacional, os valores apresentados são os necessários para obtenção <strong>de</strong> todas as variáveis, sendo assim, não se po<strong>de</strong> analisar variável a variável. Tabela 4.4 – M<strong>em</strong>ória computacional <strong>em</strong> GB necessárias para a simulação x Nós x FI QUICK4 UDS CDS-2 QUICK2 ALFA WUDS PLDS UDS-2 TVD ADS 5 0,427 0,455 0,450 0,385 0,459 0,491 0,492 0,493 0,471 0,402 15 0,427 0,455 0,457 0,385 0,460 0,491 0,492 0,493 0,471 0,402 45 0,427 0,455 0,457 0,385 0,460 0,491 0,492 0,493 0,471 0,406 135 0,427 0,455 0,457 0,385 0,460 0,491 0,492 0,493 0,471 0,406 405 0,428 0,455 0,457 0,385 0,460 0,491 0,492 0,493 0,471 0,407 1.215 0,428 0,455 0,456 0,385 0,460 0,491 0,492 0,493 0,471 0,408 3.645 0,428 0,455 0,456 0,385 0,460 0,492 0,492 0,494 0,473 0,408 10.935 0,435 0,457 0,458 0,393 0,461 0,493 0,493 0,494 0,473 0,410 32.805 0,435 0,460 0,460 0,393 0,464 0,495 0,498 0,498 0,477 0,415 98.415 0,445 0,466 0,467 0,404 0,471 0,503 0,504 0,506 0,486 0,425 295.245 0,471 0,487 0,489 0,429 0,492 0,524 0,526 0,536 0,514 0,456 885.735 0,574 0,551 0,552 0,521 0,574 0,609 0,611 0,615 0,615 0,544 2.657.205 0,846 0,818 0,818 0,769 0,840 0,854 0,856 0,861 0,901 0,784 7.971.615 1,55 1,51 1,51 1,46 1,53 1,54 1,55 1,56 1,69 1,65 23.914.845 3,62 3,66 3,67 3,67 3,68 3,69 3,69 3,71 4,06 4,05 Analisando a Tab.4.4 po<strong>de</strong>-se ver que a necessida<strong>de</strong> <strong>de</strong> m<strong>em</strong>ória computacional para solução do probl<strong>em</strong>a com estas FI`s não difer<strong>em</strong> muito. Isto fica claro na comparação dos
- Page 1 and 2:
UNIVERSIDADE FEDERAL DO PARANÁ PRO
- Page 3 and 4:
TERMO DE APROVAÇÃO EDUARDO MATOS
- Page 5 and 6:
AGRADECIMENTOS Agradeço ao Governo
- Page 7 and 8:
ABSTRACT This work is based on Comp
- Page 9 and 10:
Figura A.2.2 - Volumes no contorno
- Page 11 and 12:
LISTA DE ABREVIATURAS ADS AIAA ANS
- Page 13 and 14:
LISTA DE SÍMBOLOS E Pe p L p V p E
- Page 15 and 16:
3.1.1 Fenômeno Físico............
- Page 17 and 18:
B.6 ANÁLISE A PRIORI DAS ORDENS VE
- Page 19 and 20:
19 Outra forma de análise possíve
- Page 21 and 22:
21 interesse nesta área é o Accel
- Page 23 and 24:
23 (PTC-61). Já a American Nuclear
- Page 25 and 26: 25 Verificar a posteriori as ord
- Page 27 and 28: 27 elementar, o menor volume de flu
- Page 29 and 30: 29 Com base no exposto acima, o tra
- Page 31 and 32: 31 q N N D f (2.7) g 1 ond
- Page 33 and 34: 33 caso de um domínio unidimension
- Page 35 and 36: 35 Considerando este aspecto, a pri
- Page 37 and 38: 37 numericamente difusiva. Este é
- Page 39 and 40: 39 2.8.5 PLDS (Power Law Difference
- Page 41 and 42: 41 A condição principal para um e
- Page 43 and 44: 43 2.9.1 CDS-2 O esquema CDS-2 é d
- Page 45 and 46: 45 Para utilização do método, de
- Page 47 and 48: 47 2.11.4 Erros de Iteração É a
- Page 49 and 50: 49 h h h h j-2 j-1 j j+1 j+2 Figura
- Page 51 and 52: 51 Voltando às relações desenvol
- Page 53 and 54: 53 as notações “1” e “2”
- Page 55 and 56: 55 2.12.1 Estimativas de Erro a Pri
- Page 57 and 58: 57 Esta ordem pode ser obtida com d
- Page 59 and 60: 59 3 PROCEDIMENTOS MATEMÁTICOS E N
- Page 61 and 62: 61 Fluido: newtoniano, incompress
- Page 63 and 64: 63 a aproximação UDS e UDS-2. Por
- Page 65 and 66: 65 Tabela 3.4 - Valor analítico da
- Page 67 and 68: 67 Como o intuito é verificar o im
- Page 69 and 70: 69 3.4.1 Análise a Priori da Ordem
- Page 71 and 72: 71 Tabela 3.11 - Ordens verdadeiras
- Page 73 and 74: 73 Por meio do gerenciador de tar
- Page 75: 75 primeira requer aproximadamente
- Page 79 and 80: 79 Ve-se ainda que para a malha mai
- Page 81 and 82: 81 4.3.4 Variável L Os erros anali
- Page 83 and 84: 83 influência dos erros de arredon
- Page 85 and 86: 85 Tabela 4.6 - Ordens verdadeiras,
- Page 87 and 88: 87 Tabela 4.8 - Ordens verdadeiras,
- Page 89 and 90: 89 Para o primeiro caso, pode-se ve
- Page 91 and 92: 91 discrepância aumenta, sendo que
- Page 93 and 94: 93 4.5.4 Variável L Analisando a F
- Page 95 and 96: 95 conjuntos de FI`s, ao par formad
- Page 97 and 98: 97 Analisando agora os erros em ter
- Page 99 and 100: 99 Outra análise possível é a co
- Page 101 and 102: 101 Outro ponto a observar é que a
- Page 103 and 104: 103 Ainda com base na Fig. 4.21 o c
- Page 105 and 106: 105 5 CONCLUSÃO Neste último cap
- Page 107 and 108: 107 CDS-2 permite a obtenção de e
- Page 109 and 110: 109 computacionais mais reduzidos
- Page 111 and 112: 111 FERZIGER, J.H. ; PERIC, M.. Com
- Page 113 and 114: 113 ROACHE, P.J. Recent Contributio
- Page 115 and 116: 115 Δx Δx Δx w N-2 N-1 N N+1 Fig
- Page 117 and 118: 117 temos: Aplicando inicialmente p
- Page 119 and 120: 119 w * * * * W WW W w onde w (
- Page 121 and 122: 121 A.4.4.1 Nós P=1 a P=N Aplicand
- Page 123 and 124: 123 A.4.6 ADS / CDS-2 Consideraremo
- Page 125 and 126: 125 Considerando então a forma gen
- Page 127 and 128:
127 * E P 9. P 8. W E
- Page 129 and 130:
129 * * * * * 3. E 2. P W e P
- Page 131 and 132:
131 A.4.10.3 Nó P=2 Analisando ago
- Page 133 and 134:
133 70 60 Pe. x 15. 16 a * * *
- Page 135 and 136:
135 APÊNDICE B - Análise a priori
- Page 137 and 138:
137 E a equação geral do erro de
- Page 139 and 140:
139 que pode ser reescrita da forma
- Page 141 and 142:
141 Para o desenvolvimento do traba
- Page 143 and 144:
143 j 3. j1 j2 3 ii 2 1 iii 3 1
- Page 145 and 146:
145 j i 1 ii 2 j iii 3 1 iv 4 c
- Page 147 and 148:
147 Substituiremos agora as Eqs.(B.
- Page 149 and 150:
149 Consideramos na Eq.(B.6.75) o t
- Page 151 and 152:
151 contrário, se refinarmos a mal
- Page 153 and 154:
153 i j 27. j 1 27. j 1 j 2 j 2.
- Page 155 and 156:
155 '' ''' IV p 3 p 5 p 7 I .
- Page 157 and 158:
157 E o erro de truncamento dado po
- Page 159 and 160:
159 B.7.4 QUARTA VARIÁVEL DE INTER
- Page 161 and 162:
161 Conforme dito anteriormente, pa
- Page 163 and 164:
163 B.10 ANÁLISE A PRIORI DAS ORDE
- Page 165:
165 Como E( P ) é o erro de discr