Escolar Documentos
Profissional Documentos
Cultura Documentos
net/publication/301419531
CITATIONS READS
0 38
3 authors, including:
9 PUBLICATIONS 98 CITATIONS
University of São Paulo
96 PUBLICATIONS 1,214 CITATIONS
SEE PROFILE
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
All content following this page was uploaded by Cristhiane Assenhaimer on 15 June 2016.
RESUMO
𝜏 = 𝐴𝑓 (3)
2𝜋𝑟 (1)
𝛼= O termo A corresponde a uma matriz
𝜆
que contém as informações ópticas, cuja
De acordo com o parâmetro inversa é difícil de ser determinada por ser
adimensional α, define-se qual modelo óptico uma matriz quase singular. Dessa maneira, é
mais adequado para caracterizar o necessária a utilização de algoritmos de
espalhamento de luz (SEINFELD; PANDIS, inversão apropriados, os quais serão
2006). destacados a seguir.
α ≪ 1 – Espalhamento Rayleigh
(quando a partícula é pequena comparada ao 2.2 Algoritmos testados
comprimento de onda) Abaixo, os algoritmos numéricos
α ≃ 1 – Espalhamento Mie (quando a utilizados para resolver o problema de
partícula e o comprimento de onda têm inversão são descritos brevemente.
tamanhos semelhantes)
α ≫ 1 – Espalhamento Geométrico 2.2.1 Método de Veselovskii
(quando a partícula é grande comparada ao Veselovskii et al. (2002) propõe utilizar
comprimento de onda) uma técnica baseada em ponderação de
Neste trabalho, as partículas possuem triângulos para resolver o problema de
tamanhos com ordem de grandeza semelhante inversão da matriz A presente na Equação 2.
aos comprimentos de onda de luz incidente. Pode-se adotar a seguinte expressão:
Dessa forma, o parâmetro α é próximo de 1. 𝜋
Logo, foi adotado o modelo de Mie. Van de 𝐾 (𝜆, 𝐷𝑝 ) = 𝑄𝑒𝑥𝑡 (λ, 𝐷𝑝 )𝐷𝑝2 (4)
4
Hulst (1981) explicita detalhadamente todos
os cálculos adotados por este modelo e
Substituindo a Equação 4 na Equação 2,
Mätzler (2002a, 2002b) apresenta alguns
tem-se:
scripts em MATLAB® contendo tais cálculos.
Segundo o modelo de Mie, é possível ∞
relacionar a turbidez de uma amostra com a 𝜏(𝜆) = ∫ 𝐾 (λ, 𝐷𝑝 )𝑓 (𝐷𝑝 )𝑑𝐷𝑝 (5)
0
sua distribuição de tamanho de partículas
através da eficiência de extinção: Reescrevendo a Equação 5, através de
uma somatória que consiste na superposição
𝜋 ∞ (2)
𝜏(𝜆) = ∫ 𝑄 (𝜆, 𝐷𝑝) 𝐷𝑝2 𝑓 (𝐷𝑝) 𝑑𝐷𝑝 das funções 𝐵𝑗 (𝐷𝑝), obtém-se:
4 0 𝑒𝑥𝑡
0; 𝐷 ≤ 𝐷𝑗−1
𝐷𝑗 −𝐷
A técnica NNLS é uma das alternativas
1− 𝐷 − 𝐷 ;
𝑗 𝑗−1
𝐷𝑗−1< 𝐷 ≤ 𝐷𝑗
(7) para solucionar o problema de inversão da
𝐵𝑗 (𝐷) = 𝐷− 𝐷𝑗 matriz A. Trata-se de uma versão da técnica
1− 𝐷 − 𝐷 ; 𝐷𝑗 <𝐷 ≤ 𝐷𝑗+1
𝑗+1 𝑗 de minimização quadrática, com a inserção de
{ 0; 𝐷 > 𝐷𝑗+1
uma restrição de não-negatividade nos
componentes da função de distribuição final.
O termo 𝐶𝑗 é calculado através da
Matematicamente, tem-se:
seguinte expressão:
min‖𝐴𝑓 − 𝜏‖2 𝑡𝑎𝑙 𝑞𝑢𝑒 𝑓 ≥ 0 (10)
𝐶 = (𝐴 𝑇𝐴 + 𝛾𝐻) −1 𝐴𝑇𝜏 (8) 𝑓
0.6
problema de inversão dificulta sensivelmente
f(D), Frequência
5
uma boa caracterização das distribuições a 0.55
2.5
monomodais, como era esperado, e estas
f(D), Frequência
0.4
2 distribuições recriadas se apresentaram
0.35
1.5
deslocadas para diâmetros de partículas
0.3 maiores. A inserção de um parâmetro de
0.25
1 correção pode ser uma alternativa para
solucionar tal problema. Para distribuições
0.2 0.5
contendo partículas maiores (𝐷𝑝𝑔 ≥
600 800 1000
0
0 500 1000 1500
1500𝑛𝑚), a técnica PTR não se mostrou
, Comprimento de Onda (nm) D, Diâmetro de Gota (nm) eficiente, não apresentando sensibilidade
suficiente em relação aos espectros de
Nota-se na Figura 10 que as curvas extinção.
“calculada” e “esperada” não são O Método de Busca Direta, único dos
coincidentes. Isso é consequência do fato de métodos testados que não utilizou uma
que espectros próximos não resultam técnica de inversão para recriar as DTG's
necessariamente em DTG’s próximas. Neste através de espectros, se mostrou bastante
exemplo, o espectro mais próximo do alvo promissor. A partir dele foi possível construir
(espectro calculado) quase coincide com o DTG's próximas das DTG's esperadas.
espectro alvo, enquanto o espectro esperado é
claramente mais distante. As DTG’s, no NOMENCLATURA
entanto, se comportam de maneira oposta,
sendo a esperada quase coincidente com a 𝐴 Matriz óptica
DTG alvo. 𝐵𝑗 Função B-spline
É importante ressaltar que, apesar do 𝐶𝑗 Função peso
Método de Busca Direta nem sempre fornecer 𝐷𝑝 Diâmetro de partícula, nm
a melhor distribuição dentre as DTG’s 𝐷𝑝𝑔 Diâmetro mediano das partículas, nm
possíveis, ainda se obtém uma distribuição
𝑓 Distribuição de tamanhos de partículas
próxima da desejada.
𝐻 Matriz de suavização
𝐾 Função Kernel
5 CONCLUSÃO
𝑛𝑁 Função densidade de distribuição
Os algoritmos que utilizam técnicas de 𝑁𝑡 Número total de partículas por unidade
inversão (Veselovskii, NNLS e PTR) de volume, partículas/cm³
mostraram em seus resultados a dificuldade 𝑄𝑒𝑥𝑡 Eficiência de extinção
em conseguir extrair dos espectros de 𝑟 Raio de partícula, nm
extinção informações suficientes para se 𝛼 Raio de partícula adimensional
obterem DTG's de boa qualidade. 𝛾 Parâmetro de regularização
O método proposto por Veselovskii não 𝜀 Erro
se mostrou interessante devido à sensibilidade 𝜆 Comprimento de onda, nm
quase nula em relação às informações 𝜎𝑔 Desvio padrão geométrico
XXXVII ENEMP
18 a 21 de Outubro de 2015
Universidade Federal de São Carlos