UNIVERSIDADE FEDERAL DO CEARÁ

CENTRO DE TECNOLOGIA
DEPARTAMENTO DE ENGENHARIA HIDRÁULICA E AMBIENTAL
PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA CIVIL

GUILHERME COSTA RODRIGUES NETO

MÉTODO LIVRE DE MALHA USANDO SOLUÇÃO FUNDAMENTAL APLICADO

NA SIMULAÇÃO DO FLUXO DE ÁGUA SUBTERRÂNEO

FORTALEZA
2020
 GUILHERME COSTA RODRIGUES NETO

MÉTODO LIVRE DE MALHA USANDO SOLUÇÃO FUNDAMENTAL APLICADO NA

SIMULAÇÃO DO FLUXO DE ÁGUA SUBTERRÂNEO

Dissertação apresentada ao Programa de Pós-

Graduação em Engenharia Civil – Recursos
Hídricos da Universidade Federal do Ceará,
como requisito parcial à obtenção do título de
Mestre em Engenharia Civil. Área de
concentração: Recursos Hídricos.

Orientador: Prof. Dr. Marco Aurélio Holanda de

Castro.

FORTALEZA
2020
 Dados Internacionais de Catalogação na Publicação
Universidade Federal do Ceará
Biblioteca Universitária
Gerada automaticamente pelo módulo Catalog, mediante os dados fornecidos pelo(a) autor(a)

R613m Rodrigues Neto, Guilherme Costa.

Método livre de malha usando Solução Fundamental aplicado na Simulação do Fluxo de Água Subterrâneo
/ Guilherme Costa Rodrigues Neto. – 2020.
79 f. : il. color.

Dissertação (mestrado) – Universidade Federal do Ceará, Centro de Tecnologia, Programa de Pós-

Graduação em Engenharia Civil: Recursos Hídricos, Fortaleza, 2020.
Orientação: Prof. Dr. Marco Aurélio Holanda de Castro.

1. Método livre de malhas. 2. Método das Soluções Fundamentais. 3. Fluxo de água subterrâneo. 4.
Simulação numérica. 5. Modelagem computacional. I. Título.
CDD 627
 GUILHERME COSTA RODRIGUES NETO

MÉTODO LIVRE DE MALHA USANDO SOLUÇÃO FUNDAMENTAL APLICADO NA

SIMULAÇÃO DO FLUXO DE ÁGUA SUBTERRÂNEO

Dissertação apresentada ao Programa de Pós-

Graduação em Engenharia Civil – Recursos
Hídricos da Universidade Federal do Ceará,
como requisito parcial à obtenção do título de
Mestre em Engenharia Civil. Área de
concentração: Recursos Hídricos.

Aprovada em: 07/02/2020.

BANCA EXAMINADORA

________________________________________
Prof. Dr. Marco Aurélio Holanda de Castro (Orientador)
Universidade Federal do Ceará (UFC)

_________________________________________
Prof. Dr. Paulo Roberto Lacerda Tavares
Universidade Federal do Cariri (UFCA)

_________________________________________
Prof. Lindemberg Lima Fernandes
Universidade Federal do Pará (UFPA)
A Deus.
 AGRADECIMENTOS

À Universidade Federal do Ceará que através da infraestrutura de ensino e pesquisa do

campus do Pici e do Departamento de Engenharia Hidráulica e Ambiental (DEHA)
proporcionou a realização desta pesquisa.
À Fundação Cearense de Apoio à Pesquisa (FUNCAP) através da bolsa de mestrado
2018-2020.
Ao Corpo Docente do departamento, em especial ao meu orientador, por ter incentivado
e oferecido auxílio através das aulas e do esclarecimento de questões relativas a este trabalho.
Aos pesquisadores do Laboratório de Hidráulica Computacional (LAHC) por
compartilharem o ambiente de estudo, pelo auxílio na utilização das ferramentas
computacionais e pela amizade construída ao longo do programa de Pós-Graduação.
À minha família por ter dado suporte ao meu crescimento pessoal e profissional e aos
meus amigos, que sempre estiveram presentes não apenas em momentos de diversão, mas
também em momentos de reflexão e de superação de dificuldades.
À meu pai, José Francisco, minha mãe, Maria do Socorro, minhas tias, Francisca
Regina, Maria Zenilda e Djanira Paulo, minha irmã, Gabriella Costa, meus avôs, Egídio
Francisco (em memória) e Antônio Bernardo e minhas avós, Itelvina Rodrigues (em memória)
e Cecília Paulo por me conduzirem por um caminho de responsabilidade, seriedade,
compromisso e respeito, que me permitiu chegar até aqui e permitirá, certamente, conquistar
muito mais.
À Deus pela existência e pela natureza, Sua mais bela obra.
 RESUMO

O Método das Soluções Fundamentais (MSF) é um método numérico livre de malha usado para
estimar valores funcionais de sistemas regidos por Equações Diferenciais Parciais em um
domínio a partir de um conjunto de condições de contorno de um problema bem definido.
Segundo essa metodologia, a Solução Fundamental do operador diferencial é aplicada a pontos
do contorno relacionados a pontos de uma fronteira fictícia. Além de não precisar da construção
de uma malha de nós ou elementos, o MSF apresenta convergência e estabilidade com relação
à variação de uma fronteira fictícia que contém geometricamente o domínio analisado e que
compõe uma das suas principais características. A escolha da localização dessa fronteira fictícia
insere uma incerteza na aplicação do método. Portanto, neste trabalho, investigou-se a
influência dessa localização na aplicação do MSF para determinar o nível piezométrico de
pontos de um aquífero sedimentar sob a adoção das hipóteses de Dupuit-Forchheimer,
incompressibilidade da água, homogeneidade do aquífero e fluxo em regime permanente, uma
vez que essas hipóteses permitem aplicar o operador Laplaciano para descrever o fluxo de água
subterrâneo. O MSF foi implementado em linguagem de programação Java e SciLAB, o modelo
obtido foi aplicado em um aquífero real e comparado com o MODFLOW, que implementa o
Método das Diferenças Finitas. Foram utilizados os dados de poços de observação da região da
Área de Proteção Ambiental do córrego do Guariroba, que possui uma área de
aproximadamente 360 km², localizada no município de Campo Grande no Estado do Mato
Grosso do Sul. Esses dados foram obtidos no trabalho de Cavazzana, Lastoria e Gabas (2019)
e correspondem aos dados de um único dia de amostragem. Ao aplicar valores afastados em até
200 km e em até 10.000 km para a fronteira fictícia, em etapas de análise distintas, observou-
se que os erros relativos às medidas de campo apresentaram estabilidade. Os resultados
mostraram a convergência das equipotenciais de carga hidráulica obtidas através dos dois
métodos e que a localização da fronteira fictícia que proporcionou os menores erros entre os
valores numéricos e os de campo estava associada a uma distância de 1,7 vezes o raio da
circunferência de mesma área da região analisada. Esse resultado aponta que o MSF é eficiente
para aproximar níveis piezométricos em aquíferos sedimentares adotadas as hipóteses
anteriores.

Palavra-chave: Método livre de malhas. Método das Soluções Fundamentais. Fluxo de água
subterrâneo. Simulação numérica. Modelagem computacional.
 ABSTRACT

The Method of Fundamental Solutions (MFS) is a mesh-free numerical method used to estimate
functional values of systems governed by Partial Differential Equations in a domain from a set
of boundary conditions of a well-defined problem. According to this methodology, the
Fundamental Solution of the differential operator is applied to contour points related to points
on a fictitious border. In addition to not needing to build a mesh of nodes or elements, the MSF
has convergence and stability with respect to the variation of a fictitious boundary that
geometrically contains the analyzed domain and that makes up one of its main characteristics.
The choice of the location of this fictitious border inserts an uncertainty in the application of
the method. Therefore, in this work, the influence of this location on the application of MSF
was investigated to determine the piezometric level of points in a sedimentary aquifer under the
Dupuit-Forchheimer hypothesis, water incompressibility, aquifer isotropy and steady flow,
since these hypotheses allow the Laplacian operator to be applied to describe the flow of
groundwater. The MSF was implemented in Java and SciLAB programming language, the
model obtained was applied in a real aquifer and compared with MODFLOW. Data from
observation wells in the region of the Environmental Protection Area of the Guariroba stream,
which has an area of approximately 360 km², located in the municipality of Campo Grande in
the state of Mato Grosso do Sul, were used. These data were obtained in the work of Cavazzana,
Lastoria and Gabas (2019) and correspond to data from a single day of sampling. When
applying values spaced up to 200 km and up to 10,000 km to the fictitious border, in different
stages of analysis, it was observed that the errors related to field measurements showed stability.
The results showed the convergence of the hydraulic load equipotentials obtained through the
two methods and that the location of the fictitious border that provided the smallest errors
between the numerical and field values was associated with a distance of 1.7 times the radius
of the circumference of same area of the analyzed region. This result points out that the MSF is
efficient to approximate piezometric levels in sedimentary aquifers adopted the previous
hypotheses.

Keywords: Meshless Method. Method of Fundamental Solutions. Groundwater Flow.

Numerical Simulation. Computational Modelling.
 LISTA DE FIGURAS

Figura 1 − Instante t0 do deslocamento unidimensional do ponto material

representado pelo círculo preto ao longo do eixo s ................................... 20
Figura 2 − Domínio unidimensional de aplicação do truncamento da Série de Taylor
para aproximação da primeira derivada de uma função por diferença
progressiva, regressiva e central ............................................................... 27
Figura 3 − Placa metálica discretizada em pontos internos segundo uma malha
quadricular e com condições de contorno de Dirichlet aplicadas as suas
fronteiras ................................................................................................... 28
Figura 4 − Resultados obtidos com o MDF para o problema enunciado na figura 3... 29
Figura 5 − Exemplo de discretização e de um domínio de análise bidimensional
segundo uma geometria triangular dos elementos ..................................... 30
Figura 6 − Esquematização de modelagem para MEF (esquerda) e para o MSF
(direita) ...................................................................................................... 32
Figura 7 − (A) Região do ℛ2 delimitada por um contorno Γ = Γ1 ∪ Γ2 e definida
por um domínio Ω. (B) Fronteira fictícia que permite a aplicação do
método e extingue a indeterminação da solução fundamental ................... 35
Figura 8 − Esquematização do experimento realizado por Darcy ............................... 38
Figura 9 − Exemplificação de aquífero livre (vista lateral) onde as dimensões
horizontais superam consideravelmente as dimensões verticais ............... 39
Figura 10 − Elemento representativo do aquífero bidimensional ................................. 40
Figura 11 − Esquematização de um aquífero com uma região de fluxo livre e outra de
fluxo confinado ......................................................................................... 43
Figura 12 − Fluxograma de geração de código por uma linguagem de programação
genérica ..................................................................................................... 45
Figura 13 − Algoritmo de aplicação do MSF ................................................................ 50
Figura 14 − Determinação do vetor normal do vértice de um polígono em função dos
vértices anterior e posterior ....................................................................... 51
Figura 15 − Janela principal do programa desenvolvido em Java para a aplicação do
Método das Soluções Fundamentais .......................................................... 52
Figura 16 − Janela dos resultados da aplicação do MSF aos pontos de interesse .......... 53
Figura 17 − APA do córrego Guariroba e poços de observação utilizados .................... 55
Figura 18 − Distribuição de precipitação e temperatura médias na região da APA do
córrego do Guariroba entre os anos de 1996 e 2012 ................................... 56
Figura 19 − Esquema da formação do Sistema Aquífero Baurú .................................. 57
Figura 20 − Caracterização geológica e morfológica da APA do córrego do Guariroba 57
Figura 21 − Fluxograma das etapas de obtenção dos resultados ................................... 59
Figura 22 − Malha de pontos utilizada para calcular numericamente o valor da carga
hidráulica em pontos internos ao domínio (Representações sem escala) .. 60
Figura 23 − Gráfico do erro relativo aos valores de campo para valores de off-set
variáveis .................................................................................................... 62
Figura 24 − Curvas equipotenciais obtidas pelo MODFLOW (verde) e pelo MSF
(vermelho) para o mesmo conjunto de dados iniciais ................................ 63
Figura 25 − Erros relativos às leituras de campo para valores de off-set variando entre
100 e 10.000 km em passos de 100 km para cada um dos poços
localizados no interior do domínio ............................................................ 65
 LISTA DE TABELAS

Tabela 1 − Classificação das EDPs de segunda ordem em função da relação 2 −

4 ........................................................................................................... 22
Tabela 2 − Definição das condições de contorno complementares, onde
corresponde à variável dependente, a uma constante, tal que ∈ ℛ, e
Γ significa a fronteira de um domínio de análise ....................................... 23
Tabela 3 − Intervalo de valores de porosidade para alguns tipos de aglomerados de
sedimentos e para alguns tipos de rochas sedimentares ............................. 41
Tabela 4 − Dados dos poços de observação utilizados na aplicação do MSF .............. 54
Tabela 5 − Dados complementares. Tabela com a especificação dos valores
adotados na simulação do problema no MODFLOW ............................... 59
Tabela 6 − Resumo dos resultados obtidos na primeira etapa da análise ..................... 63
 LISTA DE SÍMBOLOS

ℛ Conjunto dos números reais

ℛ Espaço euclidiano n-dimensional
Variável independente de uma função
,…, ,…, Valor de uma função definida por n variáveis
Coeficiente dos termos de uma EDP
Coeficiente dos termos de uma EDP
Coeficiente dos termos de uma EDP
Coeficiente dos termos de uma EDP
Coeficiente dos termos de uma EDP
Coeficiente dos termos de uma EDP
Coeficiente dos termos de uma EDP
Solução analítica de uma Equação Diferencial

, $% "
!"#
Derivada de ordem i com relação à variável

∇² Operador Laplaciano aplicado à função

( Variável tempo
Carga hidráulica
Γ Fronteira de um domínio de análise
) Solução aproximada/numérica
* Constantes do Método das Soluções Fundamentais
+ Área
, Porosidade
- Índice de vazios
. Espessura da camada
01 Produção específica
02 Armazenamento específico
3 Vetor v
 SUMÁRIO

1 INTRODUÇÃO .......................................................................................................... 12
1.1 Problemática e Contextualização .............................................................................. 12
1.2 Justificativa ................................................................................................................. 14
1.3 Objetivos ...................................................................................................................... 14
1.3.1 Objetivo Geral .............................................................................................................. 15
1.3.2 Objetivos Específicos ................................................................................................... 15
2 REVISÃO BIBLIOGRÁFICA .................................................................................. 16
2.1 Equações Diferenciais ................................................................................................ 16
2.1.1 Equações Diferenciais Ordinárias (EDO) .................................................................. 19
2.1.2 Equações Diferenciais Parciais (EDP) ....................................................................... 21
2.1.3 Solução Fundamental de um Operador Diferencial .................................................. 24
2.2 Métodos Numéricos .................................................................................................... 25
2.2.1 Métodos com malha ..................................................................................................... 26
2.2.1.1 Método das Diferenças Finitas (MDF) ........................................................................ 26
2.2.1.2 Método dos Elementos Finitos ..................................................................................... 30
2.2.2 Métodos livres de malha (Meshless) ........................................................................... 31
2.2.2.1 Método das Soluções Fundamentais ............................................................................ 33
2.3 Hidrogeologia .............................................................................................................. 36
2.3.1 Conceitos Básicos ........................................................................................................ 37
2.3.2 Aquíferos Sedimentares ............................................................................................... 41
2.4 Linguagens de programação...................................................................................... 44
2.4.1 Java .............................................................................................................................. 45
2.4.2 SciLAB ......................................................................................................................... 48
3 METODOLOGIA....................................................................................................... 49
3.1 Desenvolvimento do algoritmo para aplicação do MSF ......................................... 49
3.2 Implementação do algoritmo em linguagem Java e Scilab ..................................... 51
3.3 Delimitação e caracterização da área de estudo ...................................................... 54
3.4 Avaliação da influência da localização da fronteira fictícia ................................... 58
4 RESULTADOS E DISCUSSÃO ............................................................................... 61
5 CONCLUSÕES........................................................................................................... 66
REFERÊNCIAS ......................................................................................................... 67
APÊNDICE A – CLASSE MFSROOT .................................................................... 72
APÊNDICE B – IMPLEMENTAÇÃO DO MSF EM SCILAB ............................ 74
 12

1 INTRODUÇÃO

Neste capítulo, serão apresentadas a problemática, a contextualização e a justificativa

que inspiraram o desenvolvimento da pesquisa e serão expostos os objetivos geral e específicos.

1.1 Problemática e Contextualização

A modelagem de fluxo de água subterrânea é fundamental para a realização de

intervenções relacionadas à gestão de recursos hídricos. Dispersão de poluentes, impactos
associados à extração de água para consumo humano e para a agricultura e repartição de direitos
de exploração de reservas de água subterrânea são alguns dos aspectos que evidenciam a
importância da adoção de um modelo de fluxo robusto e preciso nos processos de tomada de
decisão dos setores administrativos. (MIDDLEMIS; WALKER; PEETERS; RICHARDSON;
HAYES; MOORE, 2019)
Os modelos de fluxo organizam os dados dos problemas analisados para se adequarem
aos métodos numéricos e, após a aplicação, avaliam a qualidade dos resultados obtidos. Os
métodos matemáticos contribuem com as ferramentas para a solução de sistemas de equações
que estimam os valores numéricos das soluções analíticas que regem o fluxo de água
subterrâneo. Assim, um mesmo problema pode ser resolvido por modelos diferentes, que
podem ou não adotar métodos numéricos semelhantes, e, em geral, apresentam resultados
convergentes. (ZIJL; DE SMEDT; EL-RAWY; BATELAAN, 2018)
A partir do desenvolvimento do Método dos Elementos de Contorno (Boundary
Elements Method – BEM), uma nova classe de métodos numéricos emergiu e tem mostrado
maior flexibilidade na resolução de problemas relacionados ao fluxo de água subterrâneo e a
outros fenômenos físicos. Esses métodos, chamados meshless ou meshfree são métodos livres
de malha, o que significa que durante sua implementação não é necessário discretizar o domínio
analisado em uma malha de elementos tal como nos métodos das diferenças finitas ou no
método dos elementos finitos. Essa característica permite economizar tempo de processamento
e recursos computacionais, além de proporcionar alternativas para a modelagem de problemas
onde os métodos tradicionais não apresentam boa aplicabilidade. A relação entre as condições
de contorno e as equações diferenciais parciais permite calcular numericamente os valores de
pontos dentro do domínio, desde que sejam respeitados requisitos mínimos para que o problema
seja considerado bem determinado (well posed problem). (LIU; GU, 2005)
 13

Dentre os métodos livres de malha, o Método das Soluções Fundamentais (MSF) merece
destaque porque é facilmente aplicado aos fenômenos físicos regidos pela equação de Laplace
e de Poisson, pois a solução fundamental desses operadores diferenciais é conhecida. A
aplicação desse método a outros operadores diferenciais, entretanto, encontra dificuldade
durante a determinação da solução fundamental, o que nem sempre é uma tarefa simples.
Uma vez que o fluxo de água subterrâneo em aquíferos sedimentares pode ser descrito
pela equação de Laplace em duas dimensões, adotadas as simplificações de Dupuit-
Forchheimer, uma condição de fluxo não transiente (steady-state flow), assumindo-se a
isotropia da formação geológica e a incompressibilidade da água (HAITJEMA, 1995), o MSF
se torna uma ferramenta apropriada para tratar o problema da determinação das direções de
fluxo e das equipotenciais de carga hidráulica. (WANG; ZHENG, 2015). Contudo, são
encontradas na literatura poucas aplicações desse método numérico na resolução de problemas
de fluxo de água subterrâneo. A maior parte das publicações se restringe à análise matemática
e à proposição de alternativas para modificar algumas de suas propriedades básicas ou para a
resolução de outros problemas físicos onde a equação de Laplace também se aplica.
A proposta da aplicação do MSF na resolução de problemas de fluxo de água
subterrâneo preenche essa lacuna na comunidade científica. Para tanto, esse método precisa ser
analisado na intenção de identificar as limitações que ele proporciona na simulação desse tipo
de problema, e em especial, o caso de um aquífero sedimentar confinado ou livre.
Muitos trabalhos investigaram as propriedades do MSF, tais como a influência da
escolha dos pontos de fonte e do formato da fronteira fictícia na precisão dos resultados obtidos
(BOGOMOLNY, 1985, GOLBERG; CHEN, 1998) e o condicionamento das matrizes geradas,
bem como métodos para evitar o mal condicionamento proporcionado por fronteiras fictícias
muito afastadas do domínio (LIU, 2012, YOUNG; TSAI; CHEN; FAN, 2006, CHEN;
GOLBERG; CHO, 2006, GOLBERG; CHEN, 1998). Alguns pesquisadores propuseram
alternativas para contornar a necessidade de uma fronteira fictícia como Chen e Wang (2010),
que sugeriram a substituição da solução fundamental nos elementos diagonais de (12) por uma
técnica de interpolação inversa chamando o novo método de Singular Boundary Method (SBM)
e Liu e Sarler (2013), que contornaram o problema da singularidade distribuindo pontos ao
longo de um disco ao redor do ponto de indeterminação no que foi denominado Non-Singular
Method of Fundamental Solutions (NMFS). (BARRERO-GIL, 2012). Gu, Fan e Xu (2019)
observaram que o MSF pode ser aplicado a sub-regiões de um domínio, o que o torna eficiente
para a implementação de problemas que requerem soluções localizadas ou adjacentes e extensas
do ponto de vista da geração de matrizes; esse método foi chamado de Localized Method of
 14

Fundamental Solutions (LMFS). Outros trabalhos verificaram a possibilidade de resolver

problemas não homogêneos e dependentes do tempo (GOLBERG; CHEN; MULESHKOV,
1999 e ALVES; CHEN, 2005). Esses últimos proporcionam alternativas promissoras para a
análise transiente do fluxo subterrâneo através do MSF. Wang e Zheng (2015) evidenciaram a
possibilidade de sobrepor as soluções do MSF para simular um poço de bombeamento,
encarado como uma inomogeneidade na aplicação do operador Laplaciano e obteve resultados
mais precisos do que os obtidos com outros métodos livres de malha.

1.2 Justificativa

A aplicação do MSF na análise do fluxo de água subterrâneo permitirá incorporar as

vantagens de um método livre de malha na determinação das linhas de fluxo e equipotenciais
de carga hidráulica, que, segundo Liu e Gu (2005), são maior precisão e adaptabilidade em
comparação aos métodos tradicionais. Todos esses resultados publicados fornecem um
embasamento teórico diverso que pode ser utilizado para inspirar a confecção futura de um
modelo de fluxo de água subterrâneo que utilize o Método das Soluções Fundamentais como
ferramenta numérica. Contudo, até que um modelo possa ser proposto, é necessário investigar
o comportamento do MSF em exemplos piloto, principalmente a influência do posicionamento
da fronteira fictícia, para que os ajustes, caso sejam necessários, sejam documentados e
preparados a priori a fim de obter resultados úteis e convergentes com as observações de campo
e com outros modelos de fluxo de água de subterrâneo. Para tanto, essa pesquisa buscou aplicar
o MSF em um exemplo real a fim de simular o fluxo de água subterrâneo em uma região onde
foi possível levantar dados suficientes para a montagem de um problema bem determinado; e
em seguida comparou os resultados obtidos com os resultados proporcionados por outros
métodos e com os valores de campo em pontos de validação.

1.3 Objetivos

A conclusão desta pesquisa esteve associada à realização do seguinte objetivo geral e

dos seguintes objetivos específicos.
 15

1.3.1 Objetivo Geral

• Verificar a influência da localização da fronteira fictícia na aplicação do MSF na

simulação do fluxo de água subterrâneo em uma área de estudo real.

1.3.2 Objetivos Específicos

• Elaborar o algoritmo da aplicação do MSF para dados de poços de observação;

• Implementar o algoritmo em uma linguagem de programação (Java e Scilab);
• Determinar e caracterizar uma área de estudo onde o modelo será aplicado;
• Aplicar o MSF segundo a modelagem proposta;
• Verificar a convergência do resultado com o resultado proporcionado pelo Método das
Diferenças Finitas através do MODFLOW.
 16

2 REVISÃO BIBLIOGRÁFICA

Neste capítulo serão apresentados os conceitos e o conjunto das informações que

fundamentam o desenvolvimento desta pesquisa. Foram consultados livros e artigos publicados
nos principais periódicos nacionais e internacionais com a intenção de apresentar o conteúdo
de maneira sistemática e concisa. Esta revisão aborda os seguintes temas: Equações
Diferenciais, Métodos Numéricos, com destaque para o Método das Soluções Fundamentais,
os fundamentos de hidrogeologia e uma introdução às linguagens de programação orientadas a
objeto.

2.1 Equações Diferenciais

As equações diferenciais são uma ferramenta matemática que permite representar

fenômenos físicos através das suas principais propriedades. Associar um sistema natural a uma
equação diferencial significa estabelecer os critérios que descrevem seu funcionamento e
quantificam os valores das suas variáveis, o que também é conhecido como modelagem
matemática. Esse tipo de equação trabalha com o conceito de derivadas. As derivadas
equivalem à taxa de variação de uma determinada variável dependente com relação a uma ou
mais variáveis independentes dentro de uma relação funcional. (LEITHOLD, 1994). Em uma
função de uma única variável definida na equação (1), sua derivada com relação a essa variável
é igual ao limite expresso na equação (2), se ela for contínua nesse ponto.

:ℛ → ℛ| = | , ∈ℛ
(1)

7 +∆ −
= lim
7 ∆
(2)
∆%→<

No caso de uma função de “n” variáveis (equação 3), sua derivada com relação a uma
dessas variáveis pode ser expressa como o limite do valor funcional para um ∆ que tende
a zero, mantendo-se constantes os valores das outras variáveis, o que dá origem ao conceito de
derivada parcial (equação 4).

:ℛ → ℛ| = ,…, ,…, | , ∈ℛ
(3)
 17

7 ,…, ,…, ,…, + ∆ ,…, − ,…, ,…,

= lim
7 ∆%" →< ∆
(4)

As equações diferenciais apresentam pelo menos uma derivada em sua composição.

Exemplos de equações diferenciais podem ser obtidos através da análise de problemas simples
como o caso de um corpo em queda livre na atmosfera, esvaziamento de um recipiente,
movimento de um pêndulo simples, fluxo de água em meios porosos, dentre outros.
É possível classificar as equações diferenciais em função do seu tipo, da sua ordem, da
sua linearidade e da sua homogeneidade.

a) Quanto ao tipo:
Quanto ao tipo, as equações diferenciais podem ser ordinárias ou parciais. As equações
diferenciais ordinárias (EDO) são equações diferenciais onde as derivadas existentes na
equação são as derivadas de uma única variável dependente com relação a uma variável
independente. (LEITHOLD, 1994). As equações (5) e (6) são exemplos de EDO’s.

7
+ =0
7 (5)

7? 7
+5 +3 =
7 ? 7
(6)

As equações diferenciais parciais (EDP) são equações diferenciais onde as derivadas

parciais de uma variável dependente aparecem na equação, isso é, as derivadas dessa
variável dependente com relação a mais de uma variável independente, equações (7) e
(8).

7? ,( 7 ,(
α? =
7 ? 7( (7)

7 , ,C 7 , ,C 7 , ,C
+ + =0
7 7 7C
(8)
 18

As equações diferenciais também podem ser agrupadas em sistemas de equações

diferenciais, onde a solução envolve a determinação de mais de uma função resposta.
(BOYCE; DIPRIMA, 2010).

b) Quanto a ordem:
As equações diferenciais podem ser classificadas quanto a derivada de maior ordem que
aparece na equação. A ordem de uma derivada é o índice de derivação que está indicado
na sua representação escrita. (LEITHOLD, 1994). Na sequência da equação (9), a ordem
das derivadas cresce de 0 a “,”. A derivada de ordem “zero” é a própria função.

∂y 7 ? 7 7
, , ? ,…, ,…,
7 7 7 7
(9)

Nesse sentido, é possível classificar as equações (5) e (8) como equações diferenciais
de primeira ordem e as equações (6) e (7) como equações diferenciais de segunda ordem.

c) Quanto a linearidade:
Uma equação diferencial é dita linear se ela for uma combinação linear das derivadas
que a compõem. No caso de uma EDO, ela pode ser classificada como linear se puder
ser reescrita no seguinte formato: equação (10), onde os índices , equivalem à maior
ordem encontrada na equação e F ( é uma função qualquer.

< ( + ( G
+ ⋯+ ( =F ( (10)

Uma EDP de segunda ordem, por sua vez, pode ser classificada como linear se puder
ser reescrita conforme a equação (11), onde as letras , , , , , e são constantes
ou funções independentes de e de suas variáveis.

7? 7? 7? 7 7
+ + + + + =
7 ? 7 7 7 ? 7 7
(11)

Uma equação diferencial é linear se, em cada um dos seus termos, a variável dependente
ou suas derivadas ocorrerem apenas uma vez, elevadas ao expoente 1 e não compuserem
 19

uma função composta. Seguindo essa definição é possível determinar que as equações
(5), (6), (7) e (8) são lineares, enquanto as equações (12) e (13) são não-lineares.

7?
=0
7 ? (12)

7
+ cos =F (
7
(13)

d) Quanto a homogeneidade:
A classificação quanto a homogeneidade se refere ao termo que não está relacionado às
derivadas, o termo independente da equação. (LEITHOLD, 1994). Se esse termo for
igual a zero, como nas equações (5), (7), (8) e (12), a equação diferencial pode ser
classificada como homogênea. Caso contrário, como nas equações (6) e (13), ela é dita
não-homogênea.

Solucionar uma equação diferencial significa encontrar a função que satisfaça a

identidade (14). Encontrar essa função resposta nem sempre é possível através de meios
analíticos e, dependendo do problema, podem existir infinitas ou nenhuma solução. Uma das
alternativas utilizadas para aproximar os valores funcionais em determinados pontos são os
métodos numéricos.

L , , , ?
,…, M=0 (14)

2.1.1 Equações Diferenciais Ordinárias (EDO)

Através da resolução de EDOs é possível analisar fenômenos simples e unidimensionais

e determinar algumas das principais fórmulas sobre as quais a física clássica apoia seu estudo.
Um dos exemplos clássicos é o estudo do deslocamento de um ponto material ao longo de um
eixo retilíneo. De acordo com a figura 1, um ponto material ocupa uma posição N< no instante
(< localizado sobre seu eixo de deslocamento.
 20

Figura 1 – Instante (< do deslocamento unidimensional do ponto material representado pelo

círculo preto ao longo do eixo N.

Fonte: O Autor.

Sabendo que a taxa de variação da sua posição no tempo é igual a sua velocidade, é
possível escrever a equação (15), que descreve o fenômeno físico e pode ser usada para prever
a posição N do ponto material para qualquer instante desejado.

7N
=O
7( (15)

Resolvendo analiticamente a equação (15), obtém-se a equação (16), que representa um

conjunto infinito de funções que satisfazem as condições até então estabelecidas, onde N
representa uma constante de integração arbitrária associada à posição do ponto material.

N ( = N + O(
(16)

Para que o problema possa ser considerado bem determinado (well-posed problem), isso
é, para que admita apenas uma única solução, é necessário o fornecimento de informações
complementares, apenas assim será possível determinar o valor de N e distinguir, dentre as
infinitas soluções possíveis, aquela que descreve com exatidão o deslocamento do ponto
material analisado. Em função do tipo de informação complementar disponibilizado, a
resolução da EDO pode ser associada a dois tipos de problemas: problemas de valor inicial ou
problemas de valores de contorno.
Nos problemas de valor inicial, a informação complementar está associada a um único
ponto ou a um conjunto de pontos a partir do qual é possível aplicar a solução genérica e
determinar a solução particular, já nos problemas de valores de contorno, a informação
complementar está associada aos limites físicos da área analisada. Em problemas
unidimensionais, como no caso do deslocamento de um ponto material ao longo de um eixo, o
conhecimento de uma posição inicial e de uma velocidade inicial (para o caso de um movimento
uniformemente variado) em um determinado instante é suficiente para encontrar a solução
particular. Nos outros tipos de problemas, é necessário um conjunto de informações sobre o
contorno, isso é, sobre as fronteiras da região que se está analisando, tal como uma posição de
 21

partida e outra de chegada, na situação unidimensional ilustrada anteriormente, ou as

características de uma fronteira de análise, em uma situação multidimensional associada
principalmente aos espaços 2D ou 3D.

2.1.2 Equações Diferenciais Parciais (EDP)

Analogamente às EDOs, as equações diferenciais parciais (EDPs) apresentam em sua

composição as derivadas parciais de uma função qualquer com relação as suas variáveis
independentes. Problemas multidimensionais, portanto, mais complexos, podem ser descritos
por esse tipo de equação. As EDPs de segunda ordem são um caso específico de EDPs que
podem ser generalizadas, em sua forma linear, no formato da equação (11). As EDPs de segunda
ordem encontram aplicações em diversas áreas de estudo e podem descrever o funcionamento
de diversos fenômenos físicos. Exemplos de equações diferenciais parciais de segunda ordem
são a equação de Laplace (17), que descreve o potencial de uma variável desconhecida, neste
exemplo, em um domínio bidimensional, a equação da condução do calor em uma dimensão
(18) e a equação unidimensional da onda (19), onde é uma constante e ( é a variável tempo.

7? , 7? ,
∇² , = + =0
7 ? 7 ?
(17)

7 7?
= ² ?
7( 7 (18)

7? 7?
= ² ?
7( ? 7 (19)

As EDPs podem ser classificadas em homogêneas ou não-homogêneas em função do

valor de na equação (11). Se for igual a zero, então a equação é chamada de homogênea,
caso contrário, não-homogênea. Uma das principais propriedades de uma equação diferencial
linear homogênea é a de que duas soluções conhecidas podem ser combinadas linearmente para
satisfazer a mesma equação diferencial. Esse é o chamado princípio da superposição. Em
equações não-homogêneas, uma solução para o problema pode ser encontrada ao adicionar uma
solução particular, que representa a inomogeneidade, a uma solução geral da parte homogênea
da equação diferencial. (CHOW, 2003).
 22

As equações diferenciais parciais lineares podem ser classificadas quanto à relação

existente entre seus coeficientes. A relação ?
−4 dos coeficientes da equação (11)
permitem classificá-las segundo a tabela 1. De acordo com Chapra e Canale (2008), essa
classificação, fundamentada na aplicação do método das características, agrupa as diferentes
equações diferenciais parciais em contextos semelhantes que sugerem metodologias de
resolução similares. Segundo essa classificação, a equação de Laplace (17) é do tipo elíptica, a
equação da condução do calor (18) é parabólica e a equação da onda (19) é hiperbólica.

Tabela 1 – Classificação das EDPs de segunda ordem em função da relação ?

−4 .
PQ − RST Categoria
<0
=0
Elíptica

>0
Parabólica
Hiperbólica
Fonte: Adaptado de Chapra e Canale (2008).

Apesar da classificação anterior sugerir estratégias de resolução para EDPs agrupadas

segundo a relação existente entre seus coeficientes, elas ainda estão sujeitas a condições de
contorno ou a valores iniciais que permitam a determinação de uma única solução para cada
problema modelado, isso é, desde que essas condições complementares sejam suficientes para
caracterizá-lo como um problema bem determinado.
Essas condições complementares para o caso de problemas de valores de contorno
podem ser de alguns tipos básicos (JAZAYERI; WERNER, 2019):
• Condições de Dirichlet;
• Condições de Neumann;
• Condições de Robin;
• Condições de Cauchy e
• Condições Mistas.

As condições de Dirichlet, também conhecidas como condições do tipo 1 ou condições

essenciais, são condições de contorno associadas ao valor funcional da variável dependente da
equação diferencial que se deseja solucionar (tabela 2). (BREBBIA, 1978). No caso da
modelagem do fluxo de água subterrâneo, as condições de Dirichlet correspondem aos valores
de carga hidráulica ou carga de pressão medidos em poços de observação ou a valores de carga
hidráulica constantes como os atribuídos a corpos hídricos superficiais, rios e lagos, por
exemplo. No caso da modelagem da difusão de calor, essa condição se refere à temperatura
 23

medida em algum ponto ou em uma das faces do objeto onde esse fluxo está sendo estudado.
Assim como os demais tipos de condições complementares, as condições de Dirichlet podem
corresponder a valores iniciais ou a valores de contorno dependendo da natureza da análise.
(JAZAYERI; WERNER, 2019).
As condições de Neumann também são conhecidas como condições do tipo 2 ou
condições naturais e estão associadas aos valores da primeira derivada da variável dependente
(tabela 2). (BREBBIA, 1978). No caso do fluxo de água subterrâneo, esse tipo de condição
representa valores de fluxo, assim, uma região impermeável na fronteira de um domínio de
análise é interpretada como uma condição de contorno de Neumann com valor igual a zero e
pontos associados a poços de bombeamento ou de injeção, a condições de Neumann com valor
igual à respectiva vazão. (JAZAYERI; WERNER, 2019).

Tabela 2 – Definição das condições de contorno complementares, onde corresponde à

variável dependente, a uma constante, tal que ∈ ℛ, e Γ significa a fronteira de um domínio
de análise.
Condição complementar Definição
, carga constante
=W
| ∈ Γ, carga especificada
Condição de Dirichlet
7 a, vazão de bombeamento
=W
7, | ∈ Γ, fluxo especificado
Condição de Neumann
7
+ = | ∈Γ
7,
Condição de Robin
=
h7 | ∈Γ
=F
Condição de Cauchy
7,
= | ∈Γ
i7 ; onde Γ ∪ Γ? = Γ
= F | ∈ Γ?
Condição Mista
7,
Fonte: Adaptado de Jazayeri e Werner (2019).

As condições de Robin, ou condições do tipo 3, são uma combinação linear dos dois
tipos de condições complementares anteriores, Dirichlet e Neumann (tabela 2). Na modelagem
do fluxo de água subterrâneo, esse tipo de condição complementar representa o fluxo através
de uma fronteira de análise (vazão associada a um rebaixamento) ou regiões próximas a rios e
lagos onde o nível dos leitos é inferior à carga hidráulica adjacente. As condições de Cauchy
(tabela 2) são condições que representam valores funcionais e da primeira derivada da variável
dependente analisada simultaneamente. São casos de difícil interpretação e não representam
significado direto na modelagem do fluxo de água de subterrâneo. As condições mistas são
aquelas onde uma fronteira é determinada por regiões adjacentes e não-sobrepostas onde em
 24

cada uma ocorre um tipo de condição complementar. (JAZAYERI; WERNER, 2019). Esse tipo
de situação é comum na modelagem de problemas de valores de contorno aplicados à
modelagem de fluxo de água subterrânea, onde um determinado domínio pode conter em seus
limites uma região impermeável (condição de Neumann igual a zero) e em outro, uma carga
hidráulica constante (condição de Dirichlet), por exemplo.

2.1.3 Solução Fundamental de um Operador Diferencial

A solução fundamental de um operador diferencial deriva do conceito de equação de

Green. Segundo esse conceito, uma solução fundamental (equação 20) é uma função que
aplicada ao operador diferencial resulta na função Delta de Dirac, onde k representa o operador
diferencial, , a solução fundamental e l ( − (′ a função Delta de Dirac, definida na equação
(21), aplicada ao ponto (′ ∈ ℛ . Observe que na equação (20) a subtração ( − ( n significa a
distância euclidiana entre esses dois pontos para problemas no ℛ ? (BOAS, 1966).

k = l ( − (′ (20)

Uma interpretação física da definição anterior permite associar a solução fundamental a

um estímulo unitário, um impulso, aplicado ao operador diferencial no ponto (′. São
apresentados a função Delta de Dirac na equação (21) e uma propriedade na equação (22). Essa
propriedade é consequência do fato de a integral da função Delta de Dirac ser igual a 1 ao longo
da região em que a sua variável está definida, desde que o intervalo de integração contenha o
ponto (′. (BOAS, 1966).

0, se ( ≠ (′
l ( − (′ = W
∞, se ( = (′
(21)

(< = q ( l ( − (< r( (22)

Aplicando a definição (20) ao operador Laplaciano (17), obtêm-se (23).

∇? F = l ( − (′ , ( ∈ ℛ ? (23)
 25

Para duas dimensões, a solução fundamental do operador Laplaciano é igual a equação

(24), onde + é o vetor distância entre os pontos ( e (′ da definição da equação (21). Essa função
satisfaz o operador Laplaciano para qualquer ponto dentro do domínio e pode ser utilizada
através da equação (20) para encontrar uma solução particular de uma situação não-homogênea
aplicando a propriedade (22), onde ( representa a inomogeneidade.

1
+ =− u,+
2t
(24)

2.2 Métodos Numéricos

Historicamente, a aplicação dos métodos numéricos ocorreu simultaneamente ao

desenvolvimento dos primeiros computadores. Uma vez que esses métodos buscam aproximar
a solução de equações diferenciais através da resolução de sistemas de equações numéricas, sua
praticidade só pode ser usufruída a partir do surgimento das primeiras máquinas eletrônicas a
partir das décadas de 60 e 70. Nessa época, dois métodos principais foram objeto da confecção
de extenso material científico. Toda a euforia da novidade computacional em torno do Método
das Diferenças Finitas (MDF) e do Método dos Elementos Finitos (MEF) tornou possível a
aplicação da tecnologia do processamento digital em diversas áreas. Da indústria aeroespacial
à construção civil, várias atividades de pesquisa e econômicas sofreram os impactos e
experimentaram melhorias nas técnicas e no conhecimento dos seus principais objetos de
estudo. Obter valores de variáveis dependentes a partir de relações algébricas baseadas nas
equações diferenciais que regem os fenômenos físicos transformou-se em uma prática viável.
No campo da simulação hidrogeológica, os resultados dessas pesquisas proporcionaram a
construção de vários softwares de modelagem de fluxo de água subterrâneo, dentre os quais o
MODFLOW, que atualmente continua sendo referência na modelagem de aquíferos através da
aplicação do MDF. Outros métodos numéricos ainda em fase de desenvolvimento e de
investigação, tais como os métodos apoiados na teoria dos Elementos de Contorno (Boundary
Element Methods – BEM) e métodos livres de malha, em contraste ao MDF e ao MEF, foram
pesquisados com ênfase teórica em detrimento de aplicações práticas. (BREBBIA; TELLES;
WROBEL, 1984, MCDONALD; HARBAUGH, 2005).
 26

2.2.1 Métodos com malha

Os métodos com malha são métodos numéricos que aplicam princípios de cálculo sobre
a geometria do problema, pois fundamentam sua análise na propagação de certas condições de
contorno à elementos discretizados dentro do domínio de análise. O MDF e o MEF utilizam
estratégias diferentes para performar a aproximação dos valores de uma variável dependente
através da continuidade geométrica que existe entre os subelementos (nós, vértices ou
elementos). Tal característica permite a simulação de corpos sólidos e a observação de
propriedades tais como a distribuição de tensões e deformações, a propagação de calor e de
ondas, por exemplo. Contudo, para Liu e Gu (2005), a necessidade de uma malha que represente
a continuidade do domínio limita sua aplicabilidade em situações de estresse geométrico,
análises adaptativas e simulação de crescimento de falhas e estudos de ruptura.
Apesar dessas limitações, os métodos com malha permitiram conquistas em diversas
áreas do conhecimento. A construção de edifícios com formas curvilíneas, a economia de
combustível em aeronaves mais eficientes, modelos de fluxo de água subterrânea em aquíferos
sedimentares, modelos de difusão de poluentes, modelos de previsão de características
atmosféricas, dentre outros, só foram possíveis a partir da extensiva investigação sobre a
aplicabilidade desses métodos em sistemas físicos reais. A seguir são apresentados brevemente
os princípios de funcionamento desses dois métodos que ilustram a classe dos métodos
tradicionais com malha.

2.2.1.1 Método das Diferenças Finitas (MDF)

O Método das Diferenças Finitas é um dos métodos numéricos mais conhecidos por ter
sofrido intensa pesquisa e desenvolvimento a partir das décadas de 60 e 70 e por ser fácil de
implementar e de interpretar fisicamente. Ele fundamenta-se na aproximação das derivadas por
uma equação de diferenças algébricas aplicada a pontos discretos de um domínio de análise.
(LEVEQUE, 2007). A figura 2 ilustra o exemplo em um domínio unidimensional.
Essa equação de diferenças algébricas é obtida através do truncamento da série de
Taylor. São apresentadas a diferença ascendente ou progressiva (equação 25), calculada com
v , e descendente ou regressiva (equação 26), calculada com G , onde w ℎ é o
termo que compõe o erro de truncamento.
 27

Figura 2 – Domínio unidimensional de aplicação do truncamento da série de Taylor para

aproximação da primeira derivada de uma função por diferença progressiva, regressiva e
central.

Fonte: O Autor.

Nas equações (25) e (26), a série de Taylor foi truncada depois da primeira derivada.
Outras formulações permitem o truncamento em derivadas de maior índice, influenciando na
redução do erro sob a penalidade de aumentar o tempo de processamento computacional devido
o acréscimo de termos algébricos. Segundo Quadros e Bortoli (2009), o truncamento depois da
segunda derivada é suficiente para atender os critérios de acurácia nos principais problemas de
engenharia.

n
′ z
= + n
ℎ + ℎ? + ℎz + ⋯ + ℎ +{
v
2! 3! ,!

+ℎ −
n
= +w ℎ
ℎ
(25)

n
′ z
= − n
ℎ− ℎ −
?
ℎz − ⋯ − ℎ −{
G
2! 3! ,!

−ℎ +
n
= −w ℎ
ℎ
(26)

Outra forma de aproximar o valor da primeira derivada em é através da diferença

centrada, que subtrai a série de Taylor progressiva da regressiva e permite escrever a expressão
aproximada da primeira derivada como na equação (27), onde o termo w ℎ? assume ordem 2.

+ℎ + −ℎ
n
= − w ℎ²
2ℎ
(27)
 28

Para ilustrar a aplicação do MDF, tomemos a equação de Laplace que descreve a

distribuição em equilíbrio da temperatura em uma placa metálica de pequena espessura onde as
bordas possuem temperatura fixada e correspondem, portanto, às condições de contorno que
caracterizam o problema como bem determinado (figura 3).

Figura 3 – Placa metálica discretizada em pontos internos segundo uma malha quadricular e
com condições de contorno de Dirichlet aplicadas as suas fronteiras.

Fonte: Chapra e Canale (2008).

A determinação das equações das diferenças centradas para as segundas derivadas

parciais, analogamente ao que foi demonstrado para a primeira derivada anteriormente, de uma
função | , permite escrever as equações (28) e (29). (CHAPRA; CANALE, 2008).

7²| | v − 2| ,} + | G
=
,} ,}
7 ² ∆ ?
(28)

7²| | v − 2| ,} + | G
=
,} ,}
7 ² ∆ ?
(29)

Substituindo as equações (28) e (29) no operador Laplaciano (equação 17) e fazendo

∆ = ∆ , pois é uma malha quadriculada, é possível obter a equação da diferença de Laplace
(equação 30).

|v ,} + |G ,} + | ,}v + | ,}G − 4| ,} = 0 (30)

 29

Cada um dos nós da figura 3 possui sua própria versão da equação (30). Encontrar o
valor aproximado segundo esse método para cada um dos pontos discretizados significa
resolver o sistema de equações (31), que também pode ser tratado matricialmente. No sistema
de equações (31), os índices 0 e 4 estão associados às condições de contorno.

|?, + |<, + | ,? + | ,< − 4| , = 0

|z, + | , + |?,? + |?,< − 4|?, = 0
|~, + |?, + |z,? + |z,< − 4|z, = 0
|?,? + |<,? + | ,z + | , − 4| ,? = 0
|z,? + | ,? + |?,z + |?, − 4|?,? = 0 (31)
|~,? + |?,? + |z,z + |z, − 4|z,? = 0
|?,z + |<,z + | ,~ + | ,? − 4| ,z = 0
|z,z + | ,z + |?,~ + |?,? − 4|?,z = 0
|~,z + |?,z + |z,~ + |z,? − 4|z,z = 0

A aplicação do MDF nesse problema através da solução do sistema de equações (31)

proporciona os resultados da figura 4. (CHAPRA; CANALE, 2008).

Figura 4 – Resultados obtidos com o MDF para o problema enunciado na figura 3.

Fonte: Chapra e Canale (2008).

 30

2.2.1.2 Método dos Elementos Finitos

O Método dos Elementos Finitos é outra aproximação numérica que encontra aplicação
em diferentes áreas. Aplicações em modelos estruturais, análise de tensões e comportamento
dinâmico de estruturas são algumas das principais atividades onde esse método encontra estudo
e implementação. Trata-se de um método numérico que discretiza o domínio em elementos que
conservam as propriedades do conjunto como um todo, transformando a análise global em uma
série de análises adjacentes que permitem obter a aproximação final desejada. (LOTTI;
MACHADO; MAZZIEIRO; LANDRÉ JÚNIOR, 2006). A utilização do MEF permite modelar
o comportamento de meios contínuos a partir de elementos representativos onde é possível
assumir que as equações diferenciais globais possam ser aproximadas por algum método
variacional (figura 5). (REDDY, 2006).

Figura 5 – Exemplo de discretização e de um domínio de análise bidimensional segundo uma

geometria triangular dos elementos.

Fonte: O Autor.

Sergelind (1984) aponta que a principal diferença do Método dos Elementos Finitos
com relação aos outros métodos numéricos está no fato de ele utilizar uma formulação integral
para criar o sistema de equações algébricas que compõem a solução buscada e porque usa uma
função contínua para realizar essa aproximação. Segundo esse mesmo autor, o seguinte
conjunto de cinco etapas pode resumir a metodologia de aplicação do método.
• Discretizar a região:
Consiste em dividir o domínio de análise em subdomínios segundo uma
geometria predefinida que facilite a representação do problema global. Uma
maior densidade de elementos proporcionará resultados mais precisos.
 31

• Especificar as equações de interpolação:

Determinar como a variável dependente se comportará dentro do elemento com
relação aos seus nós e vértices. Isso é possível através da determinação das
funções de forma, elas podem ser lineares, parabólicas nas principais aplicações.
• Montar o sistema de equações:
Através da aplicação de uma função de ponderação dos resíduos, determinar as
equações algébricas que formará o sistema matricial ao solucionar a integral de
ponderação dos resíduos associada à equação diferencial que rege o fenômeno,
conforme a equação (32), onde • e € são os limites de distribuição dos elementos,
• é a função de ponderação dos resíduos e { é a função resíduo, que
pode ser obtida a partir da equação diferencial analisada.

}
q• { r =0 (32)

• Resolver o sistema de equações e incorporar as condições de contorno.

• Calcular os valores que se deseja encontrar:
Pois nem sempre se tem interesse apenas nos valores da variável dependente. É
comum buscar também os valores de suas derivadas. Para tanto, recorre-se às
funções de forma que descrevem o comportamento da variável dentro do
elemento.

2.2.2 Métodos livres de malha (Meshless)

Os métodos livres de malha, diferentemente do MDF e do MEF, aproximam a solução

analítica através da discretização do domínio em pontos que não precisam conectar-se uns aos
outros. Segundo Liu e Gu (2005), o requisito mínimo para que um método seja considerado
livre de malha é o de que ele não necessite da construção de uma malha de elementos para a
computação dos valores aproximados da variável dependente que está sendo investigada. Como
condição ideal, os autores apontam que a malha seja dispensável em todas as etapas da
modelagem, desde a definição da geometria até a formulação das equações algébricas de
aproximação. A utilização de pontos em detrimento de elementos lineares ou de geometria
predefinida para aproximar o comportamento de variáveis dependentes em domínio irregulares
evita o surgimento de erros de aproximação geométricos, tais como os observados em
 32

superfícies curvas simuladas como elementos planos triangulares ou curvas simuladas como
segmentos de retas, assim como se observa no MEF. A figura 6 ilustra a diferença do tratamento
do modelo para um problema encarado sob as principais características do MEF e de qualquer
método meshless ideal. Nessa figura, no domínio da direita, é possível identificar os pontos
brancos, que são os pontos onde estão definidas as condições de contorno iniciais, cujos valores
serão utilizados para determinar os valores da variável dependente nos pontos pretos, contidos
no domínio analisado.

Figura 6 – Esquematização de modelagem para MEF (esquerda) e para o MSF (direita).

Fonte: O Autor.

A construção de uma malha que representa o domínio de análise de um modelo

tradicional (com malha) compõe uma etapa que demanda esforço computacional e proporciona
erros geométricos de aproximação em função da densidade da discretização adotada, o que
influencia diretamente na precisão dos resultados obtidos. A aplicação de metodologias livres
de malha apresenta como principais vantagens a eliminação do esforço de processamento
associado à construção de uma malha, a facilidade de implementação em regiões geométricas
irregulares, em modelagem de fraturas e crescimento de falhas em elementos contínuos e o
controle da precisão de modo mais simplificado. (ARAÚJO, 2016, LIU; GU, 2005).
A formulação matemática dos métodos meshless recai em três categorias principais
(LIU; GU, 2005):
• Métodos fundamentados em formulação fraca (Weak formulation):
Os métodos meshless baseados nessa formulação obtêm as equações algébricas
a partir da solução de integrais associadas aos pontos que definem o contorno do
problema analisado a partir de uma integral do tipo ponderação de resíduos
 33

(equação 26). Exemplos desses métodos são o Reproducing Kernel Particle

Method (RKPM) e o Método dos Elementos Difusos (Diffuse Element Method –
DEM). (LIU; GU, 2005).
• Métodos fundamentados em técnicas de colocação (Strong-formulation):
Os métodos meshfree, ou meshless, baseados em técnicas de colocação utilizam
as equações diferenciais que regem os fenômenos analisados para obter
diretamente o sistema de equações algébricas em pontos de colocação que
representam os pontos de interesse onde se deseja estimar o valor da variável
dependente. (LIU; GU, 2005). Esse tipo de formulação é uma consequência da
aplicação da formulação fraca para uma função de ponderação dos resíduos igual
à função Delta de Dirac, que transforma a integral em um somatório sobre os
pontos de colocação. (BREBBIA; DOMINGUEZ, 1992). Os métodos de Kansa
com RBF e o Método das Soluções Fundamentais se encaixam nesta
classificação.
• Métodos mistos (formulação fraca e técnicas de colocação):
Os métodos mistos utilizam as duas formulações anteriores para gerar um
sistema de equações associado à formulação fraca para pontos no contorno que
possuem condições do tipo 2 e técnicas de colocação para pontos com condição
de contorno do tipo 1. Exemplo de método classificado como misto é o Smooth
Particle Hydrodynamics (SPH) desenvolvido por Lucy (1977) e Gingold e
Monaghan (1977). (ARAÚJO, 20116, LIU; GU, 2005).

2.2.2.1 Método das Soluções Fundamentais

O Método das Soluções Fundamentais é um método numérico verdadeiramente livre de

malha que foi desenvolvido na década de 60 por V.D. Kupradze e M.A. Alexidze. (CHEN;
KARAGEORGHIS; SMYLIRS, 2008) que pode ser classificado como um método de
colocação, pois a função de ponderação dos resíduos é a função Delta de Dirac. (BREBBIA;
DOMINGUEZ, 1992). Ele consiste na aproximação da solução analítica de uma Equação
Diferencial Parcial (EDP) por uma expressão ) na forma da equação (33), portanto uma
combinação linear da solução fundamental do operador diferencial segundo as constantes *.

≅ ) = ƒ* , | , ∈ℛ (33)
 34

Em que é a solução analítica, * são constantes e , é a solução fundamental do

operador diferencial aplicado ao módulo de um vetor „ com início em (pontos de fonte) e
final em (pontos de colocação), significando, portanto, a distância euclidiana entre os dois
pontos no espaço ℛ . A solução aproximada ) é a combinação linear de funções de forma
iguais à solução fundamental do operador aplicado a cada ponto de colocação.
Em uma região do ℛ ? delimitada por um contorno Γ = Γ ∪ Γ? , tal que Γ ∩ Γ? = ∅, e
definida por um domínio Ω onde , | ∇? = 0 (figura 7A), vale a seguinte relação
(equação 34), pois os resíduos são iguais a zero nos pontos pertencentes ao contorno (pontos de
colocação), em que , é o vetor unitário normal a esse contorno. De acordo com essa relação,
Γ se refere a parte de Γ que possui condição de contorno de Dirichlet (tipo 1) enquanto Γ? se
refere à parte com condição de contorno de Neumann (tipo 2).

) = | ∈Γ
i 7 )L } M 7 L }M
= | } ∈ Γ?
(34)
7, 7,

Uma vez que a solução fundamental do operador Laplaciano proporciona uma

indeterminação matemática para pontos de fonte e de colocação coincidentes („ = 0 ⇒ u,|„| =
•,r-(.), é necessário criar uma fronteira fictícia Γ‰ Š‹ Š Œ ⊂ Γ para acomodar os pontos de fonte
de tal forma que a coincidência seja evitada (figura 7B). Um domínio bidimensional como o
representado genericamente pela figura 7B possui seu contorno composto por um conjunto de
pontos de colocação. Cada um desses pontos está associado a um valor de condição de contorno
(condição de Dirichlet ou de Neumann). Esse domínio está completamente contido dentro da
fronteira fictícia (linha pontilhada) de formato paralelo ao formato da fronteira real (linha
contínua) e afastada de uma distância r, o que define uma curva de off-set. Na fronteira fictícia
são definidos pontos de fonte, tantos quanto forem os pontos de colocação existentes. Na região
interna ao domínio existem pontos incógnita (representados como um “xis”), onde se deseja
calcular o valor numérico da variável dependente. Essa interpretação guia o desenvolvimento
das equações a seguir.
 35

Figura 7 - (A) Região do ℛ ? delimitada por um contorno Γ = Γ ∪ Γ? e definida por um

domínio Ω. (B) Fronteira fictícia que permite a aplicação do método e extingue a
indeterminação da solução fundamental.

Fonte: O Autor.

Aplicando a equação (33) para cada um dos pontos da fronteira fictícia em relação aos
pontos do contorno e igualando à equação (34), pois os valores da função nesses pontos do
contorno são conhecidos (condições de contorno do problema), é possível obter o seguinte
sistema de equações (35) na forma matricial. Em que corresponde ao bloco dos valores
escalares das condições de contorno do tipo Dirichlet e F ao bloco dos valores escalares das
condições de contorno do tipo Neumann. O vetor escalar * pode ser determinado
algebricamente (36) e pode ser utilizado para determinar os valores dos pontos incógnita N
,
conforme a equação (37). As matrizes * e Ž • são matrizes colunas e a matriz • $‘ “é
F
%,%’
$

uma matriz quadrada “n” por “n”, onde “n” é o número de pontos de colocação.

,
* ”7 , •= Ž •
}
F
(35)
7,

,
G

* = ”7 , • Ž •
}
F
(36)
7,
 36

) N = * ,N = ƒ* ,N (37)

O Método das Soluções Fundamentais possui uma fonte de erros que está associada à
determinação da melhor distância r do off-set. Contudo, Golberg e Chen (1998) mostraram que
a precisão dos valores aproximados aumenta conforme essa distância tende ao infinito e que
essa conclusão funciona para qualquer curva no espaço bidimensional que contenha o domínio
de análise, seja ela uma circunferência ou um off-set. O fator limitante da aplicação dessa
propriedade é o mal condicionamento das matrizes observado quando se utiliza valores de
distância muito grandes relativos às dimensões do domínio. Os mesmos autores afirmam que o
retorno recebido dos algoritmos de cálculo, que acusam matrizes não invertíveis, está
relacionado ao limite imposto por índices de condicionamento e não à real impossibilidade de
inversão.

2.3 Hidrogeologia

Hidrogeologia pode ser definida como a ciência que estuda os fenômenos que ocorrem
entre as formações geológicas e a água nas camadas superiores da crosta terrestre. (FETTER,
2001). Assim, o estudo do escoamento superficial, da infiltração, do fluxo subsuperficial e
subterrâneo em regiões sedimentares, cristalinas e urbanas são seus principais tópicos de estudo.
A aplicação dos resultados obtidos na investigação dessa relação proporciona a criação de
modelos de análise que permitem prever, a partir do monitoramento de algumas variáveis
específicas, como a água se comporta, suas direções de fluxo, seu nível de ocorrência, dentre
outros aspectos. Esses resultados permitem que os setores administrativos apliquem uma gestão
racional e tecnológica dos recursos hídricos subterrâneos, assim é possível conduzir as
atividades antrópicas de exploração através de decisões que produzam resultados eficientes e
preservem a abundância e a ocorrência dessas fontes de recurso naturais. (MIDDLEMIS;
WALKER; PEETERS; RICHARDSON; HAYES; MOORE, 2019).
Para o desenvolvimento desta pesquisa, foram utilizados os conceitos associados
principalmente ao fluxo de água subterrâneo. Para tanto, foram revisitadas as equações e
hipóteses que produziram as fórmulas clássicas que descrevem esse fenômeno e também foi
realizada uma revisão acerca das formações geológicas sedimentares.
 37

2.3.1 Conceitos Básicos

• Lei de Darcy
O fluxo de água subterrâneo em meios porosos pode ser descrito pela Lei de Darcy. A
série de experimentos que ele realizou em 1874 utilizando o aparato esquematizado na figura
8, permitiu a obtenção da equação (38), que associa a vazão observada à carga hidráulica entre
duas seções. – é a vazão observada entre as duas seções onde estão instalados os piezômetros,
— é a constante conhecida como condutividade hidráulica, + é a área da seção transversal do
aparato e e C são a carga hidráulica e a cota associadas à seção •, respectivamente.

−
– = —. +.
?
C? − C
(38)

Normalizando a vazão com relação à área transversal através da utilização do conceito

de vazão específica a˜ na direção do eixo C, definida na equação (39), e assumindo que as
diferenças expressas na equação (38) valem em nível infinitesimal, é possível escrever a
equação (40), e generalizar a Lei de Darcy para , dimensões segundo a notação tensorial da
equação (41), onde os índices • e € significam as componentes espaciais dos sistemas de
coordenadas dos campos vetoriais da descarga específica e do gradiente, respectivamente, e o
somatório ocorre sobre o índice €. O sinal negativo na equação (41) implica que a direção da
vazão específica é no sentido oposto à direção do gradiente hidráulico.

–
a˜ =
+
(39)

− r 7
= ≅
?
C? − C rC 7C
(40)

™š = −›šœ . •œ ž (41)
 38

Figura 8 – Esquematização do experimento realizado por Darcy.

Fonte: Adaptado de Haitjema (1995).

Na figura 8, – é a vazão de entrada e de saída, a˜ é a vazão normalizada segundo a área

transversal do aparato, Φ é a carga hidráulica associada aos dois piezômetros e C é a medida
da cota segundo um plano horizontal de referência.

• Simplificação de Dupuit-Forchheimer
A hipótese de Dupuit-Forchheimer foi proposta por esses dois pesquisadores de maneira
independente em 1863 e 1886 respectivamente. Segundo essa simplificação, para aquíferos
sedimentares cuja extensão horizontal supere consideravelmente a profundidade (figura 9),
onde as dimensões horizontais superam consideravelmente as dimensões verticais, é possível
adotar que a vazão vertical a˜ é igual a zero (equação 42).

a˜ = 0 (42)

Strack (1984) e Haitjema (1987) investigaram a influência dessa simplificação na

obtenção de linhas de fluxo para simulações de aquíferos reais e verificaram a precisão e a
viabilidade da utilização dessa hipótese para a modelagem hidrogeológica na maioria dos casos
práticos. (HAITJEMA, 1995).
 39

Figura 9 – Exemplificação de aquífero livre (vista lateral).

Fonte: Adaptado de Haitjema (1995).

Ao adotar a hipótese de um fluxo bidimensional, a equação de Darcy (equação 41) pode

ser reescrita como expresso na equação (43), onde os índices e estão associados aos eixos
ortogonais de um plano de referência horizontal. Na hipótese de um aquífero isotrópico e na
coincidência na orientação dos eixos dos campos tensorial de condutividade hidráulica e
vetorial de gradiente hidráulico, a equação (43) pode ser simplificado como mostrado na
equação (44). Essa simplificação relaciona o gradiente hidráulico diretamente às direções de
fluxo da vazão específica e permite o cálculo dos valores do primeiro a partir do segundo, desde
que se conheça um valor de condutividade hidráulica representativo.

a% = −—%% . 7% − —% . 7
W
a = −—% . 7% − — . 7
(43)

a% = −—. 7%
W
a = −—. 7
(44)

• Equação da continuidade
A equação da continuidade pode ser determinada a partir de um elemento representativo
do aquífero (figura 10), cujo centro está localizado nas coordenadas , e possui laterais
perpendiculares iguais a Δ e Δ . Assumindo a incompressibilidade da água e o fluxo
bidimensional, é possível escrever que toda a água que entra no elemento sai sob a mesma
orientação inicial. O somatório das diferenças de vazão específica entre as faces opostas e
coaxiais está expresso na equação (45). Dividindo ambos os termos pelo produto Δ Δ , obtém-
se a equação (46). Fazendo Δ , ∆ → 0 na equação (46), é possível expressar as diferenças
como os diferenciais da vazão específica em cada um dos eixos.
 40

Figura 10 - Elemento representativo do aquífero bidimensional.

Fonte: O Autor.

Em termos de aproximação, os diferenciais podem ser substituídos pelas derivadas e a

equação (46) é reescrita como a equação (47), que é a equação diferencial da continuidade
expressa em termos da vazão específica. Ao substituir a Lei de Darcy (equação 44) sob as
hipóteses da isotropia e da equivalência de sistema de eixos entre os campos tensorial da
condutividade hidráulica e vetorial do gradiente hidráulico, obtém-se a equação (48), que é a
equação de Laplace bidimensional aplicada à carga hidráulica.

Δ Δ Δy Δy
Ža% ¢ − , £ − a% ¢ + , £• Δ + Ža ¢ , − £ − a ¢ , + £• Δx = 0
2 2 2 2
(45)

Δ Δ Δy Δy
¤a% ¥ − 2 , ¦ − a% ¥ + 2 , ¦§ ¤a ¥ , − 2 ¦ − a ¥ , + 2 ¦§
+ =0
∆ ∆
(46)

7a% 7a
+ =0
7 7
(47)

7? 7?
+ =0
7 ? 7 ?
(48)

Encontrar as linhas equipotenciais de carga hidráulica em um problema de fluxo de água

subterrâneo cuja modelagem assume as hipóteses anteriores está associado a encontrar uma
solução particular do operador Laplaciano para determinados valores iniciais. Como nem
sempre uma solução analítica é viável, métodos numéricos são utilizados para aproximar os
resultados em pontos ou elementos em um domínio de análise.
 41

2.3.2 Aquíferos Sedimentares

Os aquíferos sedimentares são formados por rochas sedimentares cuja porosidade

permite o armazenamento e o fluxo de água em quantidades suficientes para a exploração
econômica desse recurso em atividades antrópicas. A porosidade de uma rocha pode ser
calculada segundo a equação (49), onde , é a porosidade, ¨© é o volume de vazios e ¨ é o
volume total de uma amostra representativa. O índice de vazios - é outra grandeza associada à
porosidade de um material e pode ser relacionado com a porosidade segundo a equação (50). A
tabela 3 mostra o intervalo de valores de porosidade para alguns tipos de materiais.

¨©
,=
¨
(49)

,
-=
1−,
(50)

Tabela 3 – Intervalo de valores de porosidade para alguns tipos de aglomerados de sedimentos

e para alguns tipos de rochas sedimentares.
Material Porosidade
SEDIMENTOS
Seixo, grosso 24-36
Seixo, fino 25-38
Areia, grossa 31-46
Areia, fina 26-53
Silte 34-61
Argila 34-60
ROCHAS
Arenito 5-30
Siltito 21-41
Calcário, dolomítico 0-40
Xisto 0-10
Fonte: Davis (1969) e Johnson e Morris (1962) apud Domenico e Schwartz (1997).

A capacidade de uma formação rochosa conduzir água a partir da existência de um

gradiente hidráulico motriz está associado a sua porosidade efetiva. Diferentemente da
porosidade definida na equação (49), a porosidade efetiva é espaço conectado entre os poros.
Esse espaço limita o fluxo de água e seu valor é sempre menor que a porosidade definida na
equação (49). A porosidade efetiva é uma propriedade da formação geológica e depende dos
seus processos de formação e consolidação. Entretanto, essa grandeza fornece apenas uma ideia
 42

inicial do potencial de condução de um aquífero. Em termos práticos é introduzida outra

grandeza, a condutividade hidráulica, associada a Lei de Darcy, que é aferida
experimentalmente ou estimada estatisticamente e representa a capacidade efetiva de transporte
de uma formação rochosa. Gonçalves e Libardi (2013) explicam que na situação de solo
saturado a condutividade é máxima, pois todos os poros contribuem para o escoamento. Por
outro lado, o solo não saturado possui ar ocupando os espaços vazios, o que reduz drasticamente
a condutividade hidráulica. Assim, esse parâmetro é uma propriedade dependente das condições
de saturação, enquanto a porosidade é uma propriedade fixa da formação sedimentar.
As formações geológicas sedimentares são formadas pelos processos de erosão,
transporte e depósito de sedimentos ao longo das eras geológicas às quais a superfície do planeta
esteve exposta. De acordo com Domenico e Schwartz (1997) a ocorrência de um depósito
sedimentar continental e a sua correspondente formação geológica está associada a seis
categorias distintas: depósitos fluviais, vales aluviais, bacias aluviais, depósitos eólicos,
depósitos lacustres e depósitos glaciais. Em cada uma dessas categorias, os agentes erosivos
depositam sedimentos em regiões ao longo do tempo que se consolidam e formam rochas
sedimentares. Essas formações recebem e acumulam água de fontes diversas, sendo a infiltração
da água das chuvas a fonte mais comum.
Durante os processos de deposição de sedimentos, diferentes agentes erosivos podem
contribuir para a chegada de partículas com diferentes propriedades químicas e
granulométricas, produzindo ao longo das etapas de consolidação camadas de rochas
sedimentares com valores de permeabilidade distintos. Assim, essas camadas podem ser
classificadas como aquíferos, quando suas propriedades granulométricas permitem a ocorrência
de fluxo suficiente para a exploração de água em alguma atividade antrópica ou aquiclude ou
aquitardio, em caso contrário (figura 11). Essas últimas também são chamadas de camadas
impermeáveis ou confinantes, no entanto, elas ainda possuem alguma permeabilidade, cujo
valor é apenas muito pequeno comparado com as primeiras. A capacidade de conduzir uma
pequena quantidade de água é observada até mesmo em rochas matrizes fraturadas. É comum
encontrar nas regiões sedimentares camadas intercaladas com diferentes permeabilidades. A
figura 11 mostra a existência de regiões em aquíferos onde a carga hidráulica coincide com o
potencial piezométrico, quando isso ocorre, o aquífero é classificado como livre. Quando o
potencial piezométrico se desloca do nível da água por conta da imposição de camadas
impermeáveis, o aquífero é classificado como confinado.
 43

Figura 11 – Esquematização da vista lateral de uma formação geológica que contém aquíferos
com regiões de fluxo livre e fluxo confinado.

Fonte: Pinto-Coelho; Havens (2016)

O armazenamento de uma formação sedimentar pode ser medido em termos dos

parâmetros produção específica (specific yied - 0 ) e armazenamento específico (specific
storage - 02 ). A produção específica é definida como a porcentagem de água liberada de um
elemento de volume unitário representativo do aquífero sob o efeito exclusivo da gravidade, é
possível deduzir que o valor de produção específica de um elemento de aquífero é sempre
inferior ao seu valor de porosidade. O armazenamento específico é o volume de água que um
elemento representativo libera quando um valor unitário de carga hidráulica é “aliviado” da sua
fronteira, sendo que o elemento continua saturado durante o processo, assim, são levadas em
consideração os fenômenos de compressibilidade da água e da própria formação rochosa.
(FETTER, 2001). Esses dois parâmetros são relacionados através da equação (51) para definir
o conceito de armazenamento (Storativity – 0), onde . é a profundidade do aquífero. Esse
conceito resume que a capacidade de fornecimento de água é a soma entre o potencial de
dessaturação e o de descompressão da água contida nos poros da rocha.

0 = .. 01 + 02 (51)
 44

O processo de fornecimento/extração de água por parte de um lençol freático pode

ocorrer de duas maneiras, conforme ele seja classificado como livre ou confinado. Um aquífero
livre libera água através principalmente do fenômeno de dessaturação dos seus poros, enquanto
um aquífero confinado, em função das grandes pressões às quais está submetido, libera água
por descompressão. Segundo Fetter (2001), a inclusão desses dois fenômenos na descrição do
fluxo de água subterrâneo acrescenta termos de inomogeneidade ao operador Laplaciano,
produzindo as seguintes equações (52) e (53) em duas dimensões. A equação (52) se aplica a
aquíferos livres sob a hipótese de que o volume de água extraído não afeta significativamente
o nível freático e a equação (53) a aquíferos confinados. Nessas equações, é a carga
hidráulica, ª é a condutividade hidráulica, | é a transmissividade, definida como | = ª.,
sendo . a espessura do aquífero, ( é o tempo e u é o fluxo de água que ocorre para as camadas
confinantes (menos permeáveis). O desenvolvimento desta pesquisa não incorpora elementos
de inomogeneidades. Portanto, as equações (52) e (53) são trabalhadas em sua forma
homogênea, que se resumem à equação de Laplace para ambas as situações, aquíferos livre ou
confinados.

7? 7? 0 7
+ =
7 ² 7 ² | 7(
(52)

7? 7? u 07
+ + =
7 ² 7 ² | | 7(
(53)

2.4 Linguagens de programação

As linguagens de programação realizam a comunicação entre programador e máquina e

permitem a implementação de algoritmos em sistemas operados binariamente pelos circuitos
eletrônicos que formam o núcleo de processamento da unidade computacional. Sebesta (2009)
classifica as linguagens de programação em quatro grupos: imperativas, funcionais, lógicas e
orientadas a objeto. As imperativas e funcionais são caracterizadas pelo extenso detalhamento
do algoritmo e a especificação das regras (funções) em uma ordem não necessariamente
sequencial. As lógicas requerem a especificação das regras e algoritmo em ordem sequencial e
progressiva. As orientadas a objeto derivam das linguagens imperativas e funcionais e
normalmente são classificadas também como linguagens de alto nível, porque necessitam de
várias camadas de código que dão suporte à criação do programa desde as etapas de confecção
 45

e escrita até propriamente o ambiente de execução. Esse mesmo autor apresenta o seguinte
fluxograma (figura 12) que ilustra o processo genérico de criação de código em uma linguagem
de programação.

Figura 12 – Fluxograma de geração de código por uma linguagem de programação genérica.

Fonte: Sebesta (2009).

O analisador léxico identifica as palavras especiais reservadas da linguagem e separa os

blocos de programas em unidades léxicas. O analisador de sintaxe identifica a organização da
árvore de blocos em que o programa está dividido, o que permite o gerador de código e
analisador de semântica intermediário gerar um programa em uma linguagem intermediária
para que o compilador, o gerador de código, crie o código em linguagem de máquina. Esse
conjunto de instruções binárias é “entendido” pelo processador e executa o algoritmo
implementado a partir dos dados de entrada. (SEBESTA, 2009).

2.4.1 Java

Segundo a Oracle (2019, tradução nossa), “Java é uma linguagem de alto nível e de
plataforma de software único. Ela roda em mais de 50 milhões de computadores pessoais e em
 46

bilhões de dispositivos ao redor do mundo. 9 milhões de desenvolvedores criam aplicações em

Java em todos os ramos da indústria”. A mesma aplicação pode rodar em múltiplas plataformas
graças a implementação do Java Virtual Machine (JVM), que permite essa flexibilidade. Junto
com a API (Application Program Interface), o JVM compõe a plataforma Java, que pode ser
instalada e manipulada para a construção de novos programas em qualquer computador pessoal
e potencialmente em qualquer dispositivo que ofereça os recursos mínimos de processamento.
Java é uma linguagem orientada a objetos. Isso significa que a capacidade de
representação dos problemas reais é expandida através dessa abstração. Antes desse tipo de
linguagem se tornar efetiva no ambiente de programação, os algoritmos, que correspondem à
sequência de instruções lógicas que conduzem à resolução de um problema, eram pensados para
se adequar às limitações da máquina. Assim, problemas complexos eram modelados em
algoritmos muito mais complexos. A perspectiva de se trabalhar com objetos facilitou a
representação dos sistemas e também reduziu a complexidade e a mão-de-obra associada ao
desenvolvimento de softwares. Eckel (2006) afirma que qualquer linguagem orientada a objetos
parte dos seguintes princípios básicos:
• Tudo é um objeto. Um objeto pode ser entendido como uma variável
abrangente que pode armazenar dados, possuir parâmetros, solicitar instruções
e/ou realizar operações. Nesse sentido, qualquer fenômeno pode ser
implementado como um objeto. Um mesmo objeto pode ser desmembrado em
outros objetos. A estrutura de objetos dependerá da estratégia de modelagem
adotada pelo programador.
• Um programa é um conjunto de objetos que interagem entre si através de
instruções.
• Cada objeto possui sua própria memória dedicada, de tal forma que pode
ser manipulado independentemente de outros objetos do mesmo tipo.
• Todo objeto tem um tipo. No âmbito da programação orientada a objeto, o
termo “instanciar uma classe” significa criar um objeto de um determinado tipo
que é descrito por uma determinada classe. Um exemplo simples seria a criação
e uma classe chamada “automóvel”. Essa classe genérica e abstrata enumera as
principais propriedades de um automóvel. Assim, segundo essa classe, qualquer
objeto que seja do tipo automóvel terá algumas propriedades como cor, potência,
consumo, peso, marca, ano de fabricação, dentre outros. Se alguém deseja
instanciar um objeto da classe automóvel, esse alguém necessitará especificar
 47

esses parâmetros. Da mesma forma, podem ser criados tantos automóveis

quantos sejam necessários, contudo, todos eles compartilharão a mesma
estrutura abstrata e genérica da classe que fazem parte. Isso é, cada um dos
automóveis terá uma cor, uma potência, um consumo, um peso, uma marca, um
ano de fabricação, dentre outros. Essa criação de objetos através de classes gera
o próximo princípio.
• Todos os objetos do mesmo tipo respondem às mesmas mensagens. Em
outras palavras, utilizando o exemplo anterior, se alguém sabe que determinado
objeto é do tipo automóvel, então é possível solicitar a esse objeto a informação
sobre o qualquer um dos seus parâmetros. Qualquer objeto automóvel será
passivo de responder qual a sua cor, sua potência, dentre outras propriedades.

A orientação a objetos permite a modelagem de problemas complexos através da

interação entre diferentes tipos de objetos, que realizam ações específicas e coordenadas. Pensar
em um problema segundo essa metodologia é diferente de trabalhar com o conceito imperativo
das linguagens de baixo-nível. O Java também proporciona uma série de ferramentas que
facilitam o processo de concepção e desenvolvimento de programas. O tratamento de exceções,
o suporte a aplicativos em ambiente Web, a existência de plug-ins, de programas acessórios e
de uma extensa variedade de bibliotecas dos mais variados tipos distribuídos por empresas
particulares e por projetos Open-Source, tais como bibliotecas gráficas, de análise matemática,
de edição de textos, dentre outras, transformam a linguagem Java em uma das melhores
ferramentas para o desenvolvimento de softwares das últimas décadas. Apesar dessa
flexibilidade, o Java tem perdido público para novas linguagens dedicadas ao ambiente web,
como o Python.
Os programas de escrita de softwares em Java mais conhecidos e utilizados pelos grupos
de desenvolvimento são o Eclipse e o NetBeans. O primeiro é apreciado pelos entusiastas e
pelos pequenos grupos, pois além de ser o resultado de um projeto Open Source possui suporte
indireto em diversos fóruns on-line e uma comunidade que desenvolve extensões que
incorporam as novidades das novas edições da linguagem Java em velocidade competitiva e
eficiente para a maior parte das aplicações. O segundo é mais aplicado em grandes empresas de
software que requerem uma equipe de profissionais trabalhando simultaneamente nos mesmos
blocos de código e precisam de uma plataforma que permita organizar o fluxo corporativo de
dados.
 48

2.4.2 SciLAB

O Scilab é um software gratuito e open source para engenheiros e cientistas, com uma
longa história e uma comunidade crescente. Sua primeira versão data de 1994 e possui uma
linguagem de programação orientada ao número e às operações matemáticas. (SCILAB, 2019).
É uma alternativa ao MATLAB e possui uma comunidade on-line que fornece suporte indireto.
A linguagem de alto nível permite a manipulação de operações extensas e o monitoramento de
variáveis em diversas aplicações e simulações numéricas. Atualmente possui uma versão on-
line que pode ser executada na nuvem, dinamizando o acesso e proporcionando poder de
processamento aos usuários. Sua interface simplificada e intuitiva requer pouco tempo de
familiarização. A facilidade na implementação de operações algébricas transforma o Scilab
numa ferramenta viável para o teste de hipóteses associadas a métodos numéricos e ao teste de
algoritmos.
 49

3 METODOLOGIA

A metodologia adotada nesta pesquisa seguiu as seguintes etapas:

• Desenvolvimento do algoritmo para aplicação do MSF;
• Implementação do algoritmo em linguagens Java e Scilab;
• Delimitação e caracterização da área de estudo;
• Avaliação da influência da localização da fronteira fictícia.

3.1 Desenvolvimento do algoritmo para aplicação do MSF

A aplicação do Método das Soluções Fundamentais utiliza as condições de contorno dos

pontos de colocação localizados na fronteira do domínio analisado num sistema de equações.
Esses pontos de colocação podem representar condições de contorno de Dirichlet ou de
Neumann, principalmente. A construção da matriz principal da equação (29) pode ser feita linha
por linha, o que permite o encadeamento sequencial dos pontos e a inserção da relação de
interdependência que eles possuem na combinação linear que compõe a solução final através
da solução do sistema de equações. Essa solução significa determinar os coeficientes * do vetor
escalar da equação (29). Assim, o algoritmo global foi pensado conforme o fluxograma da
figura 13, adotando a notação proposta por Ascênsio e Campos (2007). Segundo essa notação,
as elipses indicam o início e o fim do algoritmo, os paralelogramos indicam entrada de dados,
os losangos representam condicionais, os retângulos representam ações e operações genéricas
e o símbolo de nota de papel representa a saída de dados.
De acordo com esse algoritmo são necessários três grupos de dados de entrada que
representam a modelagem da região de estudo, são eles: coordenadas dos pontos do contorno
associadas aos seus valores de contorno, bem como um marcador do seu tipo (tipo 1 ou tipo 2),
valor do offset (adotaremos que a expressão “valor do off-set” se refere à distância r que separa
a fronteira real da fronteira fictícia, como esquematizado na figura 7) e coordenadas dos pontos
internos ao domínio onde se deseja conhecer a solução aproximada. Caso os pontos de interesse
não sejam fornecidos, o algoritmo propõe um conjunto de pontos distribuídos ao longo do
domínio que pode ser utilizado para desenhar as curvas equipotenciais e as correspondentes
linhas de fluxo. O off-set determinado a partir do valor do off-set e do conjunto de pontos do
contorno são utilizados para construir a matriz principal que será invertida durante a resolução
do sistema de equações. A matriz das condições de contorno é construída diretamente a partir
 50

do primeiro grupo de dados de entrada. Após a resolução das equações algébricas, o conjunto
de informações que relaciona os pontos de interesse e seus valores aproximados é
disponibilizado em um arquivo de texto que pode ser exportado diretamente para algum
software SIG e tratado vetorialmente como um shapefile.

Figura 13 – Algoritmo de aplicação do MSF.

Fonte: O Autor.

A construção do off-set partiu do vetor normal aproximado dos pontos que compõem os
vértices do polígono que delimitam a área de estudo. De acordo com a figura 14, três pontos
consecutivos podem ser utilizados para determinar o vetor normal aproximado do ponto
intermediário através da equação vetorial (equação 54), onde as letras em negrito representam
os vetores associados aos pontos com índice •, sendo « o vetor normal e 3 os vetores que
orientam os lados do polígono. Com esse vetor normal aproximado podem ser criadas imagens
 51

paralelas do contorno do polígono a qualquer distância desejada. Essa distância corresponde ao

valor do off-set, que é o parâmetro cuja influência foi investigada nesta pesquisa.

« • =3 • −3 •−1 (54)

Figura 14 – Determinação do vetor normal do vértice de um polígono em função dos vértices

anterior e posterior.

Fonte: O Autor.

A construção da matriz principal foi realizada através da utilização de um algoritmo

específico. As linhas da matriz principal relacionam um único ponto de fonte a todos os pontos
de colocação do contorno, ou seja, elas podem ser construídas individualmente e posteriormente
agregadas para compor a matriz completa. Essa estratégia foi aplicada tanto na fase de
determinação do vetor escalar de constantes * quanto no cálculo dos valores aproximados de
carga hidráulica nos pontos de interesse.

3.2 Implementação do algoritmo em linguagem Java e Scilab

A implementação do algoritmo em Java utilizou a biblioteca gráfica JavaFX

(https://openjfx.io/) e a biblioteca de cálculo matricial Apache Commons Math (APACHE
COMMONS, 2016). Foi construída uma interface básica que permite a inserção de arquivos de
texto que contêm as coordenadas dos pontos do contorno e os seus valores, as coordenadas dos
pontos de interesse e uma opção de configurar o valor do off-set requerido pelo método
respeitando o algoritmo definido anteriormente. A interface gráfica permite a visualização
simplificada da modelagem que está sendo realizada. O programa implementa a estratégia
Model-View-Controller (MVC), que separa a parte gráfica (view) da interface de cálculo
(model) e as conecta através de um conjunto de instruções (controller). Essa estratégia possui
 52

vantagens como as facilidades na migração entre bibliotecas gráficas e linguagens de

programação distintas, na manutenção de código, na implementação de novas ferramentas e na
capacidade de assimilação por parte de outros programadores, na oportunidade em que podem
ajudar no desenvolvimento do software, ao mesmo tempo permite o tratamento matemático e o
monitoramento preciso e funcional das operações algébricas envolvidas na aplicação do
método. (SCIORE, 2019). A figura 15 ilustra o aspecto da janela principal durante a etapa que
antecede a aplicação do Método das Soluções Fundamentais. Nessa interface não estão
disponíveis informações de escala ou de projeção cartográfica. Ela foi criada apenas para uma
visualização rápida da configuração geométrica dos dados inseridos, pois pressupõe-se a
correspondência com dados aferidos em softwares SIG. Nela, os pontos pretos representam os
poços de observação que delimitam o domínio de análise. Os pontos de cor cinza representam
os pontos da fronteira fictícia, o off-set. Os pontos azuis representam os pontos de interesse,
onde se deseja calcular os valores estimados da carga hidráulica. A tabela a esquerda mostra os
valores das coordenadas dos pontos da fronteira bem como o tipo de condição de contorno e o
valor.

Figura 15 – Janela principal do programa desenvolvido em Java para a aplicação do Método

das Soluções Fundamentais.

Fonte: O Autor.
 53

O resultado da aplicação do Método pode ser exportado para um arquivo de texto em

formato de modelo digital de elevação (MDE), facilmente reproduzido em softwares de
informação geográfica, como o ArcGIS e o QGis, por exemplo (figura 16). Alguns botões não
possuem funções implementadas. Apenas as funções Search, Load, Off-set, Simulate, Run MFS,
Redraw, Clear, Zoom In e Zoom Out, que desempenham as atividades mínimas necessárias para
a aplicação linear do método a um conjunto de dados iniciais, estão operantes. As curvas
equipotenciais são obtidas através da utilização de softwares SIG a partir da interpolação dos
valores calculados nos pontos internos em uma malha de pontos com densidade suficiente para
representar a superfície piezométrica obtida numericamente.

Figura 16 – Janela dos resultados da aplicação do MSF aos pontos de interesse.

Fonte: O Autor.

No Apêndice A está disponibilizada a classe MFSRoot referente às operações principais

do Método das Soluções Fundamentais implementado em Java. Aproveitando a estratégia
MVC, essa classe pode ser utilizada em qualquer futura expansão da capacidade gráfica do
programa ou inserida em outros projetos como uma alternativa de cálculo numérico, desde que
os dados sejam preparados e inseridos adequadamente.
A implementação do algoritmo em Scilab seguiu os mesmos princípios de
implementação da classe MFSRoot em Java. Apesar da linguagem Scilab não ser orientada a
objetos, ela absorve os conceitos de operação de dados em matrizes e cálculos algébricos de
maneira natural e isso permitiu a implementação de um código semelhante. A principal
diferença nessa plataforma é a inviabilidade de aplicar a estratégia MVC, uma vez que, em
Scilab, as etapas de entrada, processamento e saída de dados são integradas. Por outro lado, ela
é uma excelente ferramenta para implementar cálculos iterativos e sistemas de equações
 54

extensos, poupando tempo de programação e otimizando o teste de hipóteses. O Apêndice B

disponibiliza as linhas de código desse programa.

3.3 Delimitação e caracterização da área de estudo

A área de estudo escolhida foi a Área de Proteção do córrego Guariroba na cidade de

Campo Grande, no Estado de Mato Grosso do Sul, Brasil, utilizada por Cavazzana, Lastoria e
Gabas (2019) no estudo sobre a relação entre o escoamento superficial e subterrâneo da mesma
região. Nesse trabalho, os pesquisadores coletaram os valores do nível estático de 13 poços no
intervalo de março de 2015 a fevereiro de 2017. Nos dois dias anteriores a cada expedição de
coleta de dados, os proprietários dos poços foram orientados a não realizarem bombeamento.
Esse cuidado permite a obtenção de representatividade nos valores que representam um
domínio onde se assume não existir inomogeneidade associada à extração ou injeção de água.
A figura 17 mostra a disposição espacial dos poços que delimitam o polígono de análise e os
poços internos ao domínio, cujos valores de carga hidráulica foram utilizados na validação dos
resultados. Os poços de observação, suas coordenadas e seus valores de carga hidráulica estão
disponibilizados na tabela 4. Os dados referentes a apenas um dia de amostragem foram
utilizados. Nessa tabela, as coordenadas projetadas estão em unidades de metro e associadas ao
Datum Horizontal SIRGAS 2000, zona 21S. Esses dados são referentes a um único dia de
amostragem (2 de março de 2015) e foram fornecidos por Cavazzana, Lastoria e Gabas (2019).

Tabela 4 – Dados dos poços de observação utilizados na aplicação do MSF.

ID Longitude Latitude Cota piezométrica (m)
PO-14 769141 7722366 569.758
Poços internos Poços da fronteira

PO-15 770264 7723731 554.128

PO-09 781682 7728795 518.458
PO-08 786404 7730206 456.945
PO-04 788362 7716011 539.921
PO-18 781915 7709978 561.026
PO-02 779471 7710815 566.485
PO-03 785672 7719681 510.236
PO-05 777369 7722558 496.435
PO-06 775043 7722359 494.108
PO-07 775005 7716921 508.856
PO-11 779669 7726178 537.589
PO-19 777590 7722753 493.908
Fonte: Cavazzana, Lastoria e Gabas (2019)
 55

Figura 17 – APA do córrego Guariroba e poços de observação utilizados nesta pesquisa.

Fonte: Cavazzana, Lastoria e Gabas (2019), Campo Grande (2008).

A área de proteção ambiental do córrego do Guariroba foi criada em 1995 pelo Decreto
Municipal nº 7.183/1995 e corresponde a sua bacia hidrográfica, uma área de 360 km². O
córrego desagua no rio Botas e ambos estão localizados na bacia continental do rio Paraná. Um
reservatório superficial que armazena a vazão do córrego Guariroba é responsável pelo
abastecimento de cerca de 30% da demanda da cidade de Campo Grande. O clima da região é,
de acordo com a classificação de Köppen, Aw, o que significa que o verão é a estação úmida e
o inverno, a estação seca. A figura 18 mostra a distribuição de temperatura e precipitação
médias entre 1996 e 2012. (CAMPO GRANDE, 1995, 2008, 2013, CAVAZZANA;
LASTORIA; GABAS, 2019).
 56

Figura 18 – Distribuição de precipitação e temperatura médias na região da APA do córrego

do Guariroba entre os anos de 1996 e 2012.

250 26
25
PRECIPITAÇÃO (MM)

200

TEMPERATURA °C
24
150
23
100
22
50 21
0 20
jan fev mar abr mai jun jul ago set out nov dez
Precipitação (mm)
Temperatura (°C)

Fonte: Adaptado de Campo Grande (1995, 2008, 2013) e Cavazzana; Lastoria e Gabas (2019).

A caracterização geológica da região é marcada pelos Grupos Caiuá e Bauru de origem

sedimentar. O primeiro se formou no Cretáceo Inferior (133-120 milhões de anos – Ma) após
processos de deposição aérea sobre as unidades basálticas do Grupo Serra Grande em um
fenômeno conhecido como sand sea (mar de areia), enquanto o segundo, no Cretáceo Superior
(80-60 Ma), sobrepôs-se ao primeiro em algumas regiões a partir de outros processos de
deposição (figura 19). Atualmente compõem o Sistema Aquífero Baurú, um extenso aquífero
livre exposto à superfície que ocupa cerca de 37% do território do Estado do Mato Grosso do
Sul. A análise sedimentológica das unidades do Grupo Caiuá, que predomina na área de estudo
(figura 20), mostrou a ocorrência de arenitos de granulometria fina com sedimentos bem
selecionados e profundidades de até 280 metros. O Grupo Serra Geral, localizado abaixo dos
grupos sedimentares é composto por unidades de basalto fraturado. Na APA do córrego do
Guariroba, a erosão causada pelo fluxo superficial de água através da rede de drenagem escavou
as formações sedimentares e alcançou as camadas de basalto apenas nos leitos mais profundos.
(FERNANDES; COIMBRA, 1994, BATEZELLI, 2010, GOVERNO ESTADUAL DE MATO
GROSSO DO SUL, 2010, UECHI; GABAS; LASTORIA, 2017, CAMPO GRANDE, 2018,
CAVAZZANA; LASTORIA; GABAS, 2019).
A superfície morfológica da APA do córrego do Guariroba apresenta planícies fluviais
separadas por morros suaves com a altitude variando entre 665 e 455 metros. Ocorrem
latossolos vermelhos, vermelho-amarelados e neossolos nas regiões mais altas e neossolos
fluviais e hidromórficos nos vales. A vegetação natural é característica do bioma Cerrado,
espécies arbóreas e arbustivas espalhadas em regiões densas e esparsas adjacentes e a principal
 57

atividade de uso e ocupação do solo é a criação extensiva de gado. (CAMPO GRANDE, 2008,
OLIVEIRA et al., 2017, CAPOANE, 2019, CAVAZZANA; LASTTORIA; GABAS, 2019).

Figura 19 – Esquema da formação do Sistema Aquífero Baurú.

Fonte: Adaptado de Batezelli (2010)

Figura 20 - Caracterização geológica e morfológica da APA do córrego do Guariroba.

Fonte: Adaptado de TOPODATA (2008), Lacerda Filho; Et Al. (2004), Campo Grande (2008), Cavazzana; Lastoria e Gabas
(2019).
 58

3.4 Avaliação da influência da localização da fronteira fictícia

A investigação da influência do posicionamento da fronteira fictícia nos resultados da

aproximação numérica da carga hidráulica em um exemplo de fluxo de água subterrâneo
ocorreu em duas etapas.
1. Comparação entre os valores numéricos e os valores de campo para um off-set
variável;
2. Comparação entre as curvas equipotenciais e os valores numéricos obtidos
pelo MSF e pelo MODFLOW para o melhor off-set determinado na etapa 1.

Na primeira etapa, o problema definido pelos dados da tabela 4 e pela área de estudo
escolhida foi inserido no programa desenvolvido em Scilab (Apêndice B). Nesse programa, o
MSF é aplicado várias vezes ao mesmo conjunto de dados iniciais para valores de off-set
variáveis. A cada iteração, esse valor foi incrementado em 100 unidades, portanto, 100 metros.
O valor de partida foi 100 e o final, 200.000 (200 km). Esse intervalo representa a fronteira
próxima da região. O valor de 200 km foi escolhido como limite porque, a partir desse valor de
off-set, os resultados não divergiram significamente. Em cada aplicação do MSF, os valores
numéricos calculados foram comparados com os valores de campo para cada poço de
observação dentro do domínio. Os erros relativos a cada poço foram armazenados em uma
variável a cada passo de aplicação da rotina do método numérico. Ao final dos 2.000 passos, os
erros relativos às medidas de campo foram plotados em gráfico. A partir da interpretação desse
gráfico foi possível escolher o valor de off-set que proporcionou os melhores resultados. Esse
valor foi utilizado na próxima etapa. O programa desenvolvido em Java foi utilizado para extrair
valores calculados numericamente para determinados valores de off-set e para ilustrar a
modelagem da aplicação do MSF (figura 15).
Na segunda etapa, o mesmo conjunto de dados foi utilizado na construção de uma malha
interna ao domínio em pontos distribuídos em uma malha com densidade de 200x200 metros
para gerar curvas equipotenciais de cota piezométrica (carga hidráulica). Esse valor foi
escolhido pois a partir dessa densidade foi possível desenhar as curvas que apresentassem
aspecto suave e contínuo. O MSF foi aplicado, segundo o melhor valor de off-set, aos pontos
dessa malha no programa desenvolvido em Java e os valores calculados foram utilizados para
gerar um arquivo no formato raster e, em seguida, as curvas equipotenciais, através de um
Software de Informações Geográficas (SIG). A mesma malha foi simulada no MODFLOW,
através da interface UFC-FLOW, para os mesmos dados de condições de contorno. Assim, foi
 59

possível obter um arquivo no formato raster e gerar as curvas equipotenciais. O mapa da

sobreposição visual dos dois resultados é o produto dessa etapa. A figura 21 mostra a
esquematização das etapas.

Figura 21 – Fluxograma das etapas de obtenção dos resultados aplicadas nesta pesquisa.

Fonte: O Autor.

Para a aplicação do MODFLOW, além dos dados requeridos pelo MSF é necessário
especificar dados complementares. Para uma simulação em estado permanente, o MODFLOW
requer ainda dados de porosidade efetiva, de condutividade hidráulica, de armazenamento
específico e de espessura da camada. A tabela 5 resume os valores adotados. Nessa tabela, o
valor da espessura do aquífero foi obtido através da diferença entre o maior e o menor valor de
altitude do mapa hipsométrico da região. Os demais valores foram escolhidos segundo a
caracterização sedimentar das unidades geológicas do Grupo Caiuá, arenito com sedimentos de
pequena granulometria e bem selecionados.

Tabela 5 – Dados complementares. Tabela com a especificação dos valores adotados na

simulação do problema no MODFLOW.
Parâmetro Unidade Valor Referência
Espessura m 210 Figura 20
kx, ky m/s 6 x 10-7 Domenico e Schwartz (1997)
Ss (m³/m³) 21% Johnson (1967)
n (m³/m³) 25% Domenico e Schwartz (1997)
Fonte: Domenico e Schwartz (1997) e Jhonson (1967).
 60

A figura 22 mostra os detalhes da malha utilizada para gerar os rasters. Nessa figura, a
esquerda, a malha discretizada para aplicação do Método das Diferenças Finitas no
MODFLOW. Os pontos verdes representam os poços de fronteira, enquanto os vermelhos, os
poços do domínio. Os elementos mais claros são as células ativas, os mais escuros, as inativas
e as azuis, as de contorno. A direita, na aplicação do MSF, os pontos pretos representam os
poços do contorno, os pontos cinza representam o off-set e os pontos azuis, os pontos internos,
onde os valores numéricos foram computados. Em todas as simulações foram consideradas as
hipóteses que permitem a aplicação da equação de Laplace como operador diferencial do fluxo
de água subterrâneo. O MSF não requer a criação de uma malha para ser implementado. Essa
malha só foi gerada na figura da direita para que fosse possível desenhar as curvas
equipotenciais de carga hidráulica para os resultados obtidos pelo método. O MSF pode ser
aplicado a um único ponto ou a um conjunto de pontos mesmo que esses não estejam
distribuídos em uma malha regular.

Figura 22 – Malha de pontos utilizada para calcular numericamente o valor da carga hidráulica
em pontos internos ao domínio (Representações sem escala).

Fonte: O Autor.
 61

4 RESULTADOS E DISCUSSÃO

O gráfico da primeira etapa de análise da influência do valor do off-set nos resultados

da aplicação do MSF foi disponibilizado detalhadamente na figura 23. De acordo com esse
gráfico, os valores de erro relativo para todos os poços de observação decresceram bruscamente
no intervalo antes do passo de número 50, o que representa um off-set afastado de 5.000 metros
dos limites do polígono que delimita a fronteira analisada. O polígono analisado possui área
igual a 229,74 km² e perímetro igual a 60,43 km. Uma circunferência com essa mesma área
possui raio igual a 8,55 km e perímetro igual a 53,73 km. O coeficiente de compacidade do
polígono é igual a 0,89. Tomando a circunferência como aproximação da área de estudo é
possível afirmar que o valor ótimo de off-set pode ser determinado em distâncias menores que
1,7 do raio dessa circunferência. Para esta região de estudo, o valor de 5.000 metros foi
escolhido como o valor de off-set ótimo.
A partir do passo nº50 os erros aumentaram progressivamente até alcançarem um
equilíbrio. Apenas o poço PO-03 apresentou redução progressiva conforme os valores de off-
set cresciam, corroborando os comentários de Golberg e Chen (1998), segundo os quais o
aumento da distância da fronteira fictícia implica em aumento da precisão. Esses pesquisadores,
entretanto, avaliaram o MSF em exemplos hipotéticos montados a partir de soluções analíticas.
Por outro lado, não foi realizada nenhuma quantificação das incertezas associadas aos dados de
entrada. Middlemis, Walker, Peeters, Richardson, Hayes e Moore (2019) apontam que os
modelos de fluxo de água subterrâneo incorporam, dentre outros, incertezas associadas aos
processos de medida de dados de campo e a sua representatividade. Incertezas nos valores de
contorno podem facilmente conduzir os métodos numéricos para resultados que não
representam significativamente o sistema real. Isso pode ser facilmente observado ao comparar
os resultados do MSF com os resultados do MODFLOW. A tabela 6 condensa esses resultados.
De acordo com essa tabela, os valores calculados pelo MODFLOW e para o MSF (segundo o
melhor valor global de offset, 5000m) para os poços de observação não diferem
consideravelmente, indicando a convergência dos resultados obtidos e endossando a
possibilidade da existência de incertezas associadas aos dados de entrada. Os resultados do
MSF estão agrupados por valores de off-set distintos (O500m, O1000m, O5000m, O10000m,
O20000m). Abaixo de cada valor foi calculado o erro relativo (%) à correspondente leitura de
campo.
 62

Figura 23 - Gráfico do erro relativo aos valores de campo para valores de off-set variáveis.

Fonte: O Autor.
 63

Tabela 6 – Resumo dos resultados obtidos na primeira etapa da análise.

MSF
Leitura de
ID MODFLOW O500m O1000m O5000m O10000m O20000m
campo (m)
PO-03 510.236 523.573 547.3829 541.3277 530.3037 527.0559 524.1885
2.61 7.28 6.09 3.93 3.29 2.73
PO-05 496.435 541.574 553.9196 549.2675 544.0272 544.8186 545.9157
9.09 11.58 10.64 9.59 9.75 9.97
PO-06 494.108 547.898 558.8258 554.6207 550.1547 551.5379 553.4636
10.88 13.10 12.25 11.343 11.62 12.01
PO-07 508.856 560.956 568.6278 565.2049 564.8224 568.86 573.6855
10.23 11.75 11.07 11.00 11.79 12.74
PO-11 537.589 529.771 540.3556 535.3639 530.8397 531.1501 530.983
1.45 0.51 0.41 1.26 1.20 1.23
PO-19 493.908 540.629 553.0966 548.3772 542.9946 543.6865 544.6471
9.46 11.98 11.03 9.94 10.08 10.27
Fonte: O Autor.

Figura 24 – Curvas equipotenciais obtidas pelo MODFLOW (verde) e pelo MSF para o mesmo
conjunto de dados iniciais.

Fonte: O Autor.
 64

Outro resultado que aponta a convergência dos modelos é o mapa das curvas
equipotenciais de carga hidráulica obtidos. A figura 24 mostra a sobreposição entre as curvas
equipotenciais geradas pelo MODFLOW e pelo MSF. De acordo com a figura, as diferenças
entre as equipotenciais estão limitadas a no máximo 1 km. Apesar disso, as curvas obtidas
segundo o MSF são mais suaves e não apresentaram distorções nas proximidades da fronteira.
Cada poço possui dois conjuntos de dados representados no gráfico do Apêndice C. A
linha tracejada representa o erro obtido pelo MODFLOW, enquanto a linha contínua representa
o erro obtido pelo MSF. A linha contínua varia conforme o passo aumenta, pois esse valor
influencia a distância do off-set considerado na execução das operações algébricas e na
construção das matrizes. É possível observar que ambos os erros se aproximam nas
proximidades do off-set ótimo. Para os poços PO-11 e PO-03 os resultados do MSF são
inclusive mais precisos que os correspondentes obtidos pelo MODFLOW.
A tentativa de calcular os erros do gráfico do Apêndice C para valores de off-set maiores
que 400 km levou à construção de matrizes mal condicionadas. Isso converge com o
comportamento do MSF relatado por Golberg e Chen (1998) e Liu (2012). A determinação de
aproximações numéricas para valores de off-set superiores foi limitada pela capacidade do
programa resolver os sistemas lineares representados por esse tipo de matriz. Apesar disso, foi
investigada a aplicação de valores extremos. A figura 25 mostra o resultado do mesmo teste
realizado na confecção do gráfico do Apêndice C com a diferença que os valores de off-set
variaram entre 100 e 10.000 km em passos de 100 km.
Valores extremos conduziram a valores de erro convergentes. Os melhores resultados
são obtidos no intervalo apontado anteriormente, para valores de off-set menores que 1,7 vezes
o raio da circunferência de mesma área do polígono analisado. O único poço que não apresenta
esse comportamento é o poço PO-03, para o qual o erro converge para o valor de 0,5%.
Contudo, o erro global, aqui definido como a soma dos erros relativos de todos os poços para o
mesmo valor de off-set, é ótimo para 5.000m de distância. A partir de 10.000 km o computador
aborta as operações, pois entende que a partir desse valor a matriz é não invertível, em função
de números de condicionamento elevados.
 65

Figura 25 – Erros relativos às leituras de campo para valores de off-set variando entre 100 e
10.000 km em passos de 100 km para cada um dos poços localizados no interior do domínio.

Fonte: O Autor.

A utilização do Java e do Scilab para implementar o Método das Soluções Fundamentais

aproveitou as principais características de cada uma das linguagens de programação. Ambas as
plataformas forneceram ferramentas de tratamento de operações algébricas suficientes para a
realização da tarefa. O Scilab mostrou ser mais simplificado na implementação das etapas
puramente matemáticas, enquanto o Java promoveu mais ferramentas para a criação de uma
interface gráfica. A sequência natural de concepção de um algoritmo robusto apontou para a
implementação em Scilab, onde as rotinas foram testadas e os eventuais erros foram
identificados e corrigidos. Posteriormente, o mesmo algoritmo foi implementado em Java, onde
foi possível incorporar elementos gráficos e a estratégia Model-View-Controller,
proporcionando uma interface intuitiva e um ponto de partida para a construção de um programa
que incorpore mais funcionalidades, principalmente aquelas relacionadas à representação visual
e à interação com o usuário.
 66

5 CONCLUSÕES

• As linguagens de programação Java e Scilab apresentaram as ferramentas

necessárias para a implementação do Método das Soluções Fundamentais. Esse
método numérico possui simplicidade na montagem do sistema de equações e
na preparação dos dados iniciais.
• O posicionamento da fronteira fictícia influenciou os resultados das
aproximações numéricas obtidos através do Método das Soluções
Fundamentais. O valor de off-set que proporcionou o menor erro global foi igual
a 1,7 vezes o raio da circunferência de mesma área da região analisada. Para
valores de off-set muito maiores que as dimensões da área de estudo, os erros
convergiram para valores constantes, evidenciando a estabilidade do método.
• Os resultados do MSF convergiram com os resultados do MODFLOW para uma
malha com mesma densidade de nós. As divergências observadas entre os
valores numéricos e os valores de campo sugerem a necessidade da realização
de um estudo dos erros associados às medidas, para que a confiança e o risco
associado possam ser considerados.
 67

REFERÊNCIAS

ALVES, C. J. S.; CHEN, C. S. A new method of fundamental solutions applied to

nonhomogeneous elliptic problems. Advances in computational mathematics, v. 23, p. 125-
142, 2005.

APACHE COMMONS. Apache Commons Math. Apache Commons, 2016. Disponível em:
“https://commons.apache.org/proper/commons-math/”. Acesso em: dezembro de 2019.

ARAÚJO, R. S. A. Metodologias baseadas no mínimo resíduo para a escolha do

parâmetro de forma utilizado em RBF’s aplicadas no método assimétrico livre de
malhas (MESHLESS). 2016. 208 f. Tese (Doutorado em Engenharia Civil: Recursos
Hídricos) – Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2016.

ASCÊNCIO, A. F. G.; CAMPOS, E. A. V. Fundamentos da programação de

computadores. 2. ed., São Paulo: Pearson Prentice Hall, 2007.

BARRERO-GIL, A. The method of fundamental solutions without fictitious boundary for

solving Stokes problems. Computers & Fluids, v. 62, p. 86-90, 2012. (ISSN 0045-7930)

BATEZELLI, A. Arcabouço tectono-estratigráfico e evolução das Bacias Caiuá e Bauru no

Sudeste brasileiro. Revista Brasileira de Geociências, v. 40, n. 2, p. 265-285, jun, 2010.

BOAS, M. L. Matehmatical Methods in the Physical Sciences. 2 ed. Joh Willey & sons,
1966.

BOGOMOLNY, A. Fundamental Solutions Method for Elliptic Boundary Value Problems.

SIAM Journal on Numerical Analysis, v. 22, n. 4, p. 644-669, 1985.

BOYCE, W. E.; DIPRIMA, R. C. Equações diferenciais elementares e problemas de

valores de contorno. Tradução e revisão: Valéria de Magalhães Iório. 9 ed. Rio de Janeiro:
LTC, 2010. (ISBN 978-5-216-1756-3)

BREBBIA, C. A. The boundary element method for engineers. London: Pentech Press,
1978

BREBBIA, C. A.; DOMINGUEZ, J. Boundary Elements: An introductory course. Boston,

Southampton: WITPress Computational Mechanics Publications, 1992.

BREBBIA, C. A.; TELLES, J. C. F.; WROBEL, L. C. Boundary Element Techniques.

Springer-Verlag: Berlin, Heidelberg, New York, Tokyo,1984.

CAMPO GRANDE. Prefeitura. Decreto nº 7.183, de 21 de setembro de 1995. Campo

Grande, 1995.

CAMPO GRANDE. Prefeitura. Plano de Manejo da Área de Proteção Ambiental dos

Mananciais do Córrego Guariroba – APA do Guariroba. Campo Grande, 2008.

CAMPO GRANDE. Prefeitura. Plano Municipal de Saneamento Básico de Campo

Grande. Campo Grande, 2013.
 68

CAPOANE, V. Susceptibility to erosion in the Corrego Guariroba watershed, Campo Grande,

Mato Grosso do Sul. Acta Brasiliensis, v. 3, n. 2. p. 49-55, 2019.

CAVAZZANA, G. H.; LASTORIA, G.; GABAS, S. G. Surface-groundwater interaction in

unconfined sedimentary aquifer system in the Brazil’s tropical wet region. RBRH, Porto
Alegre, v. 24, n. 8, 2019.

CHAPRA, S. C.; CANALE, R. P. Métodos numéricos para engenharia. Tradução Técnica:

Helena Castro. 5 ed. McGraw-Hill, 2008. (ISBN 978-85-86804-87-8)

CHEN, C. S.; CHO, H.; GOLBERG, M. A. Some comments on the ill-conditioning of the
method of fundamental solutions. Engineering Analysis with Boundary Elements, n. 30, p.
405-410, 2006.

CHEN, C. S.; KARAGEORGHIS, A.; SMYLIRS, Y. S. The Method of Fundamental

Solutions – A Meshless Method. Dynamic Publishers, 2008.

CHEN, W.; WANG, F. Z. A method of fundamental solutions without fictious boundary.

Engineering Analysis with Boundary Elements, v. 34, n. 5, p. 530-532, 2010.

CHOW, T. L. Mathematical methods for physicists: a concise introduction. Cambridge

University Press, 2003

DAVIS, S. N. Porosity and permeability of natural materials in flow through porous

materials. In: R.J.M. DeWiest (ed.) Academic Press, New York, p. 54-89, 1969.

DOMENICO, P. A.; SCHWARTZ, W. Physical and chemical hydrogeology. 2 ed. John

Wiley & Sons, Inc, 1997.

ECKEL, B. Thinking in Java. 4 ed. Prentice Hall, 2006. (ISBN 0-13-187248-6)

FERNADES, L. A.; COIMBRA, A. M. O Grupo Caiuá (Ks): Revisão estratigráfica e

contexto deposicional. Revista Brasileira de Geociências, v. 24, n. 3, p. 164-176, setembro,
1994.

FETTER, C. W. Applied hydrogeology. 4 ed. Prentice-Hall, 2001.

GOLBERG, M. A.; CHEN, C. S. The method of fundamental solutions for potential,

Helmholtz and diffusion problems. Boundary integral methods: numerical and
mathematical aspects 1, p. 103-176, 1998.

GOLBERG, M. A.; CHEN, C. S.; MULESHKOV, A. S. The method of fundamental

solutions for time-dependent problems. Transactions on Modelling and Simulation, v. 22,
1999. (ISSN 1743-355X)

GONÇALVES, A. D. M. A.; LIBRADI, P. L. Análise da determinação da condutividade

hidráulica do solo pelo método do perfil instantâneo. R. Bras. Ci. Solo, v. 37, p. 1174-1184,
2013.
 69

GOVERNO DO ESTADO DE MATO GROSSO DO SUL. Secretaria de Estado de Meio

Ambiente, do Planejamento, da Ciência e Tecnologia. Plano estadual de recursos hídricos
de Mato Grosso do Sul. Campo Grande: Editora UEMS, 2010.

GU, Y.; FAN, C. M.; XU, R. P. Localized method of fundamental solutions for large-scale
modeling of two-dimensional elasticity problems. Applied Mathematics Letters, v. 93, p. 8-
14, 2019. (ISSN 0893-9659)

GINGOLD, R. A.; MORAGHAN, J. J. Smooth particle hydrodynamics: theory and

applications to non-spherical stars. Man. Not. Roy. Astron. Soc., n. 181, p.375-389, 1977.

HAITJEMA, H. M. Analytic element modeling of groundwater flow. London, UK:

Academic Press Limited, 1995. (ISBN 0-12-316550-4)

HAITJEMA, H. M. Comparing a three-dimensional and a Dupuit-Forchheimer solution for a

circular recharge area in a confined aquifer. J. Hydrology, n.91, p.83-101, 1987.

JAZAYERI, A.; WERNER, A. D. Boundary condition nomenclature confusion in

groundwater flow modeling. Groundwater, v. 57, n. 5, 2019.

JOHNSON, A. I. Specific yield-compilation of specific yields for various materials. U.S.

Geol. Survey Water Supply Paper, 1662-D, 1967. (74 p.)

JOHNSON, A. I.; MORRIS, D. A. Physical and hydrologic properties of water bearing

deposits from core holes in the Las Banos-Kettleman City area, California. U.S. Geological
Survey Open. File Rept. Denver, Colo., 1962.

LACERDA FILHO, J. V.; VALENTE, C. R.; LOPES, R. C., OLIVEIRA, I. W. B.; SACHS,
L. L. B.; SILVA, V. A.; BATISTA, I. H., 2004. Folha SF.21 – Campo Grande. In:
SCHOBBENHAUS, C.; GONÇALVES, J. H.; SANTOS, J. O. S.; ABRAM, M. B.; LEÃO
NETO, R.; MATOS, G. M. M.; VIDOTTI, R. M.; RAMOS, M. A. B.; JESUS, J. D. A. (eds).
Carta Geológica do Brasil ao Milionésimo, Sistema de Informações Geográficas. Programa
Geologia Do Brasil. CPRM, Brasília. CD-ROM.

LEVEQUE, R. J. Finite Difference Methods for Ordinary and Partial Differential

Equations: Steady-State and Time-Dependent Problems. Society for Industrial and
Applied Mathematics (SIAM): Philadelphia, 2007. (ISBN 978-898716-29-0)

LIU, C. S. An equilibrated method of fundamental solutions to choose the best source points
for the Laplace equation. Engineering Analysis with Boundary Elements, v. 36, n. 8, p.
1235-1245, 2012. (ISSN 0955-7997)

LIU, G. R.; GU, Y. T. An introduction to meshfree methods and their programming.

Springer, 2005.

LIU, Q. G.; SARLER, B. Non-Singular Method of Fundamental Solutions for Two-

Dimensional Isotropic Elasticity Problems. CMES - Computer Modeling in Engineering
and Sciences, v. 91, n. 4, p. 235-266, 2013.
 70

LOTTI, R. S.; MACHADO, A. W.; MAZZIEIRO, E. T.; LANDRE JÚNIOR, J.

Aplicabilidade científica do método dos elementos finitos. Revista Dental Press Ortodon
Ortop Facial. v. 11, n. 2, p. 35-43, mar/abr., 2006.

LUCY, L. A numerical approach to testing the fission hypothesis. Astron. J., n. 82, p. 1013-
1024, 1977.

MCDONALD, M. G.; HARBAUGH, A. W. The History of MODFLOW. Groundwater, v.

41, n. 2, march-april 2003.

MIDDLEMIS, H.; WALKER, G.; PEETERS, L.; RICHARDSON, S.; HAYES, P; MOORE,
C. Groundwater modelling uncertainty – implications for decision making. Summary
report of the national groundwater modelling uncertainty workshop, 10 July 2017, Sydney,
Australia. Flinders University, National Centre for Groundwater Research and Training,
Australia, 2019.

OLIVEIRA, A. K. M.; FERNANDES, V.; PIRAJÁ, R. V.; SILVA, M. H. S. Multitemporal

evaluation of landscape of the Area of Environmental Protection (APA) of the water
catchment Guariroba Stream, Campo Grande, Mato Grosso do Sul, by means of satellite
images. R.Ra’eGa, v. 42, p. 8-20, dez./2017. Curitiba, 2017.

ORACLE. Oracle Technology Network. Topics. New to Java. Java Basics. Oracle, 2019.
Disponível em: “https://www.oracle.com/technetwork/topics/newtojava/downloads/
index.html”. Acesso em: dezembro de 2019.

PINTO-COELHO, R. M.; HAVENS, K. Gestão de Recursos Hídricos em Tempos de

Crise. Artmed Editora, 2016.

QUADROS, R. S.; BORTOLI, A. L. Fundamentos de cálculo numérico para engenheiros.

Porto Alegre, 2009.

REDDY, J. N. An introduction to the Finite Element Method. 3.ed. McGraw-Hill, 2006.

SCILAB. Open source. Scilab, 2019. Disponivel em: “https://www.scilab.org/about/scilab-

open-source-software”. Acesso em: dezembro de 2019.

SCIORE, E. Java program design: principles, polymorphism, and patterns. Newton, MA,
USA: Apress, 2019.

SEBESTA, R. W. Concepts of programming languages. 9 ed. Pearson, 2009. (ISBN 978-0-

13-607347-5)

SEGERLIND, L. J. Applied finite element analysis. John Wiley & Sons, 1984.

STRACK, O. D. L. Three-dimensional streamlines in Dupuit-Forchheimer models. Water

Resour. Res., n. 20, p. 812-822, 1984.

TOPODATA. 20S555ZN. Topodata, 2008. Disponível em: “http://www.dsr.inpe.br

/topodata/index.php”. Acesso em: novembro de 2019.
 71

UECHI, D. A.; GABAS, S. G.; LASTORIA, G. Analysis of the heavy metals in the Bauru
Aquifer System in Mato Grosso do Sul. Eng. Sanit. Ambiental, v. 22, n. 1, p. 155-167,
jan/fev 2017.

WANG, F. Z.; ZHENG, K. H. The method of fundamental solutions for steady-state

groundwater flow problems. Journal of the Chinese Institute of Engineers, 2015. (DOI:
10.1080/02533839.2015.1082936)

YOUNG, D. L.; TSAI, C. C.; CHEN, C. W.; FAN, C. M. The method of fundamental
solutions and condition number analysis for inverse problems of Laplace equation.
Computers & Mathematics with Applications, v. 55, n. 6, p. 1189-1200, 2008. (ISSN
0898-1221)

ZIJL, W.; DE SMEDT, F.; EL-RAWY, M.; BATELAAN, O. The Double Constraint
Inversion Methodology: Equations and applications in forward and inverse modeling of
groundwater flow. SpringerBriefs in Applied Sciences and Technology, 2018. (ISBN 2191-
5318)
 72

APÊNDICE A – CLASSE MFSROOT

Esta classe foi escrita em Java e implementa a aplicação básica do Método das Soluções
Fundamentais. Para sua correta operação é necessária a existência de classes acessórias que
preparem os dados de entrada no formato dos vetores que são utilizados como parâmetros nos
métodos internos.

import org.apache.commons.math3.linear.LUDecomposition;
import org.apache.commons.math3.linear.MatrixUtils;
import org.apache.commons.math3.linear.RealMatrix;

public class MFSRoot {

public MFSRoot() {
}

public double phiFS (double[] point, double[] pointi) {

double phi = -(Math.log(Math.sqrt(Math.pow((point[0]-
pointi[0]), 2)+Math.pow((point[1]-pointi[1]),2))))/(2*Math.PI);
return phi;
}

public double[] phiLine(double[] point, double[][] offPointVec) {

int nSize = offPointVec.length;
double[] line = new double[nSize];
for (int i=0; i<nSize; i++) {
line[i] = phiFS(point,offPointVec[i]);
}
return line;
}

public double phiDFS (double[] point, double[] pointi) {

double phi = ((-(pointi[0]-
point[0])/(2*Math.PI*Math.pow((Math.pow((pointi[0]-point[0]),
2)+Math.pow((pointi[1]-point[1]), 2)),1)))*point[4])+
((-(pointi[1]-
point[1])/(2*Math.PI*Math.pow((Math.pow((pointi[0]-point[0]),
2)+Math.pow((pointi[1]-point[1]), 2)),1)))*point[5]);
return phi;
}

public double[] dphiLine(double[] point, double[][] offPointVec) {

int nSize = offPointVec.length;
double[] dline = new double[nSize];
for (int i=0; i<nSize; i++) {
dline[i] = phiDFS(point,offPointVec[i]);
}
return dline;
}
 73

public double[][] mainMatrix(double[][] pointVec, double[][]

offPointVec){
int mSize = pointVec.length;
double[][] ma = new double[mSize][mSize];
for (int i=0; i<mSize; i++) {
if(pointVec[i][2]==1||pointVec[i][2]==0) {
ma[i] = phiLine(pointVec[i], offPointVec);
}else{
if(pointVec[i][2]==2) {
ma[i] = dphiLine(pointVec[i], offPointVec);
}
}
}
return ma;
}

public double[][] lambdaVec(double[][] maMatrix, double[]

boundaryConditions) {
int n = maMatrix.length;
double[][] lambda = new double[n][0];
RealMatrix bc =
MatrixUtils.createColumnRealMatrix(boundaryConditions);
RealMatrix ma = MatrixUtils.createRealMatrix(maMatrix);
RealMatrix maInverse = new
LUDecomposition(ma).getSolver().getInverse();
RealMatrix rmLambda = maInverse.multiply(bc);
lambda = rmLambda.getData();
return lambda;
}

public double[][] numericValue(double[][] domainPointMatrix,

double[][] maDomainMatrix, double[][] maBoundaryMatrix, double[]
boundaryConditions){
double[][] lambdaVec = lambdaVec(maBoundaryMatrix,
boundaryConditions);
int n = maDomainMatrix.length;
double [][] ans = new double[n][3];
RealMatrix dm = MatrixUtils.createRealMatrix(maDomainMatrix);
RealMatrix lambdaRM = MatrixUtils.createRealMatrix(lambdaVec);
RealMatrix ansRM = dm.multiply(lambdaRM);
double[][] temp = ansRM.getData();
for (int i=0; i<n; i++) {
ans[i][0] = domainPointMatrix[i][0];
ans[i][1] = domainPointMatrix[i][1];
ans[i][2] = temp[i][0];
}
return ans;
}

}
 74

APÊNDICE B – IMPLEMENTAÇÃO DO MSF EM SCILAB

É importante notar que esse código realiza o cálculo do erro entre os valores de campo
e os valores calculados pelo MSF para um conjunto de dados que correspondem aos pontos do
contorno e seus valores de condição de contorno, aos pontos do domínio com seus valores de
campo e um valor de off-set variável. Esse código foi utilizado especificamente para a obtenção
dos resultados apresentados nesta pesquisa.

//MESHLESS FUNDAMENTAL SOLUTION METHOD (FSM)

//Autor: Guilherme Costa
// Erlandson Vasconcelos
//Contato: ***
//UFC - Laboratório de Hidráulica Computacional - ago.2019

/*
Descrição: Rotina para comparar os valores calculados pelo MFS e os
valores
observados em campo para uma serie de valores de offset em um intervalo
i0, iF
*/

//Reseta o console
clear();
clc();
clf(0);
clf(1);

//#[1] Importacao de pontos do contorno e do domínio (pontos de interesse)

/*Modificar o caminho do arquivo para o arquivo correspondente

Observar formatacao:
1- O arquivo será do tipo xls, arquivo do excel
2- Cada coluna correspondera a um tipo de informacao:
[1] coordenadas x
[2] coordenadas y
[3] tipo de condicao de contorno
[4] valor da condicao de contorno
[5] coordenada x do vetor unitario normal ao ponto
[6] coordenada y do vetor unitario normal ao ponto
*/

sheet = readxls("C:\...\boundaryWells.xls")
s1 = sheet(1)
boundaryMatrix(:,1) = s1(:,1) //coordenadas x
boundaryMatrix(:,2) = s1(:,2) //coordenadas y
boundaryMatrix(:,3) = s1(:,3) //tipo de condicao de contorno (1 ou 2)
boundaryMatrix(:,4) = s1(:,4) //valor da condicao de contorno
boundaryMatrix(:,5) = s1(:,5) //coordenada x do vetor unitario normal ao
ponto de contorno
 75

boundaryMatrix(:,6) = s1(:,6) //coordenada y do vetor unitario normal ao

ponto de contorno

sheet2 = readxls("C:\...\domainWells.xls")
s21 = sheet2(1)
domainMatrix(:,1) = s21(:,1) //coordenadas x
domainMatrix(:,2) = s21(:,2) //coordenadas y
domainMatrix(:,3) = s21(:,4) //valor de leitura

//#[2] Funcoes para a criacao das matrizes principais do metodo

function phi=phiFS(x, xi, y, yi)

phi = log(sqrt((x-xi)^2+(y-yi)^2))/(2*%pi)
endfunction

function line=phiLine(point, pointVec)

for i=1:size(pointVec)(1)
line(i) = phiFS(point(1),pointVec(i,1),point(2),pointVec(i,2))
end
endfunction

function phi=phiDFS(x1, x2, y1, y2, n1, n2)

phi = (-(x2-x1)/(2*%pi*((x2-x1)^2+(y2-y1)^2)))*n1+(-(y2-
y1)/(2*%pi*((x2-x1)^2+(y2-y1)^2)))*n2
endfunction

function line=dphiLine(point, pointVec, n)

for i=1:size(pointVec)(1)
line(i) =
phiDFS(point(1),pointVec(i,1),point(2),pointVec(i,2),n(1),n(2))
end
endfunction

//#[3] Funcoes para obtencao dos vetores normais aos pontos do contorno

function normalAnsVector=getNormalVectors(boundaryMatrix)
n = size(boundaryMatrix)(1)
//#[3.1] Calculo dos vetores unitarios
for i=1:n
/*
temp[1] - modulo dos vetores
temp[2] - coordenada x trasportada para origem
temp[3] - coordenada y trasnportada para origem
temp[4] - coordenada x do vetor unitario
temp[5] - coordenada y do vetor unitario
*/
if i~=n
then
temp(i,1) = (((boundaryMatrix(i,1)-
boundaryMatrix(i+1,1))^2)+((boundaryMatrix(i,2)-
boundaryMatrix(i+1,2))^2))^(1/2)
temp(i,2) = boundaryMatrix(i+1,1) - boundaryMatrix(i,1)
temp(i,3) = boundaryMatrix(i+1,2) - boundaryMatrix(i,2)
else
 76

temp(i,1) = (((boundaryMatrix(i,1)-
boundaryMatrix(1,1))^2)+((boundaryMatrix(i,2)-
boundaryMatrix(1,2))^2))^(1/2)
temp(i,2) = boundaryMatrix(1,1) - boundaryMatrix(i,1)
temp(i,3) = boundaryMatrix(1,2) - boundaryMatrix(i,2)
end
temp(i,4) = temp(i,2)/temp(i,1)
temp(i,5) = temp(i,3)/temp(i,1)
end

//#[3.2] Determinacao dos vetores normais aos pontos, com base em seus
vizinhos
//anterior e posterior

for i=1:n
if i~=1
then
normalVector(i,1) = temp(i-1,4) - temp(i,4)
normalVector(i,2) = temp(i-1,5) - temp(i,5)
else
normalVector(i,1) = temp(n,4) - temp(i,4)
normalVector(i,2) = temp(n,5) - temp(i,5)
end

//Pontos colineares
if normalVector(i,1)==0 & normalVector(i,2)==0
then
angle = acos(temp(i,4))
normalVector(i,1) = cos(angle+%pi/2)
normalVector(i,2) = sin(angle+%pi/2)
end

module = ((normalVector(i,1)^2)+(normalVector(i,2)^2))^(1/2)
normalAnsVector(i,1) = normalVector(i,1)/module
normalAnsVector(i,2) = normalVector(i,2)/module
end

//Pontos colineares e alinhados a (0,-1) (tratamento de exceção)

for i=1:n
if i~=1
then
if(temp(i,5)==-1 & temp(i-1,5)==-1)
then
normalAnsVector(i,1) = cos(2*%pi)
normalAnsVector(i,2) = 0
end
else
if(temp(i,5)==-1 & temp(n,5)==-1)
then
normalAnsVector(i,1) = cos(2*%pi)
normalAnsVector(i,2) = 0
end
end
 77

end
endfunction

function centroidCoordinates=getCentroidCoordinates(boundaryMatrix)
n = size(boundaryMatrix)(1)
tempCoordinates(1) = 0
tempCoordinates(2) = 0

for i=1:n
tempCoordinates(1) = tempCoordinates(1) + boundaryMatrix(i,1)
tempCoordinates(2) = tempCoordinates(2) + boundaryMatrix(i,2)
end

centroidCoordinates(1,1) = tempCoordinates(1)/n
centroidCoordinates(1,2) = tempCoordinates(2)/n
endfunction

function offMatrix=getOffSetMatrix(offset, boundaryMatrix)

n = size(boundaryMatrix)(1)
centroidCoordinates = getCentroidCoordinates(boundaryMatrix)
normalVector = getNormalVectors(boundaryMatrix)

for i=1:n
offMatrix(i,1) = boundaryMatrix(i,1) + offset*normalVector(i,1)
offMatrix(i,2) = boundaryMatrix(i,2) + offset*normalVector(i,2)

ncx1 = offMatrix(i,1) - boundaryMatrix(i,1)

ncy1 = offMatrix(i,2) - boundaryMatrix(i,2)
ncx2 = centroidCoordinates(1,1) - boundaryMatrix(i,1)
ncy2 = centroidCoordinates(1,2) - boundaryMatrix(i,2)
m1 = sqrt(ncx1*ncx1+ncy1*ncy1)
m2 = sqrt(ncx2*ncx2+ncy2*ncy2)

cos12 = acos(((ncx1*ncx2)+(ncy1*ncy2))/(m1*m2))

if cos12<%pi/2
then
offMatrix(i,1) = boundaryMatrix(i,1) -
offset*normalVector(i,1)
offMatrix(i,2) = boundaryMatrix(i,2) -
offset*normalVector(i,2)
end
end
endfunction

//#[4] Funcoes da aplicacao do metodo

function mMatrix=mainMatrix(boundaryMatrix, offsetMatrix)

for i=1:size(boundaryMatrix)(1)
if boundaryMatrix(i,3)==1
then
mMatrix(i,:) = phiLine(boundaryMatrix(i,:),offsetMatrix)
else
if boundaryMatrix(i,3)==2
 78

then
n(1) = boundaryMatrix(i,5)
n(2) = boundaryMatrix(i,6)
mMatrix(i,:) =
dphiLine(boundaryMatrix(i,:),offsetMatrix,n(:))
end
end
end
endfunction

function dMatrix=domainMainMatrix(domainMatrix, offsetMatrix)

for i=1:size(domainMatrix)(1)
dMatrix(i,:) = phiLine(domainMatrix(i,:), offsetMatrix)
end
endfunction

function fgVector=boundaryConditionsVector(boundaryMatrix)
for i=1:size(boundaryMatrix)(1)
fgVector(i,1) = boundaryMatrix(i,4)
end
endfunction

function numericalResult=fsmResult(offsetValue, domainMatrix,

boundaryMatrix)
offSetMatrix = getOffSetMatrix(offsetValue, boundaryMatrix)
fgVector = boundaryConditionsVector(boundaryMatrix)

mMatrix = mainMatrix(boundaryMatrix, offSetMatrix)

invMMatrix = inv(mMatrix)
lambda = invMMatrix * fgVector

dMatrix = domainMainMatrix(domainMatrix, offSetMatrix)

numericalResult = dMatrix * lambda

endfunction

//#[5] BLOCO DE EXECUCAO SCILAB

startValue = 100
finalValue = 200000
stepValue = 100
fieldValue = domainMatrix(:,3)

limit = round((finalValue-startValue)/stepValue)

offsetValue = startValue
count = 1

while count ~= limit+1

disp(count)
tempResult = fsmResult(offsetValue, domainMatrix, boundaryMatrix)
offsetValue = offsetValue + stepValue
chainAnswer(count,:) = tempResult'
count = count + 1
 79

end

for i=1:size(chainAnswer)(1)
for j=1:size(fieldValue)(1)
percentAnswer(i,j) = abs(100*(chainAnswer(i,j)-
fieldValue(j))/fieldValue(j))
end
end

for m=1:size(percentAnswer')(1)
plot(percentAnswer(:,m))
end

xlabel("passo")
ylabel("% erro")