Ezequiel Souza Dos Santos
Resumo
Estudos dedicados à modelagem e simulação numérica de correntes gravitacio-nais têm sido extensivos nas últimas décadas. Apesar das diversas abordagens para enfrentar esses desafios, o avanço das redes neurais tem proporcionado uma realiza-ção cada vez mais robusta e confiável desses processos de modelagem e simulação numérica, possibilitando uma melhor compreensão e previsão do comportamento das correntes gravitacionais. Este trabalho propõe a aplicação de redes neurais para prever fenômenos em correntes gravitacionais, como o avanço da posição e veloci-dade das frentes de concentração de sedimentos. Explora-se também os resultados obtidos por diferentes topologias de redes neurais, com foco em redes neurais para aprendizado de operadores (DeepONets).
Abstract
Dedicated studies on the modeling and numerical simulation of gravitational currents have been extensive in recent decades. Despite various approaches to ad-dressing these challenges, the advancement of neural networks has provided an in-creasingly robust and reliable realization of these modeling and numerical simulation processes, enabling a better understanding and prediction of the behavior of gravi-tational currents. This work proposes the application of neural networks to predict phenomena in gravitational currents, such as the advancement of position and ve-locity of sediment concentration fronts. We also explore the results obtained by different topologies of neural networks, with a focus on neural networks for operator learning (DeepONets).