Regularization operators for identifying the unknown source in the time-fractional convection-diffusion-reaction equation

Título: Operadores de Regularização para Identificação de Fonte Desconhecida na Equação de Convecção-Difusão-Reação Fracionária no Tempo

1. Problema Investigado

O artigo aborda um problema inverso de identificação de uma fonte dependente do tempo, $f(t)$, em processos de transporte descritos por uma equação parabólica fracionária no tempo (convecção-difusão-reação). O problema é formulado em um domínio ilimitado ($x > 0, t > 0$) com condições de contorno e iniciais nulas.

A equação governante é:
$$\partial^\alpha_{0+}u(x, t) = \omega u_{xx}(x, t) - \beta u_x(x, t) - \nu u(x, t) + f(t)$$
onde $\partial^\alpha_{0+}$ é a derivada fracionária de Caputo de ordem $0 < \alpha \leq 1$.

O objetivo é recuperar a função fonte $f(t)$ a partir de medições ruidosas e dependentes do tempo, $y^\delta(t)$, tomadas em uma posição arbitrária $x_0$. O problema é considerado mal-posto (ill-posed) no sentido de Hadamard, pois a solução não depende continuamente dos dados; pequenas perturbações (ruído) nas medições em altas frequências resultam em erros desproporcionalmente grandes na estimativa da fonte.

2. Metodologia

• Solução Analítica e Análise de Instabilidade:
  Os autores utilizam a Transformada de Fourier para resolver analiticamente o problema direto e inverso. Eles demonstram que o operador inverso $\Lambda(\xi)$, que relaciona a transformada da fonte $\hat{f}(\xi)$ à transformada da medição $\hat{y}(\xi)$, é ilimitado. Especificamente, o módulo $|\Lambda(\xi)|$ cresce exponencialmente ou como uma potência de $|\xi|$ quando a frequência $\xi \to \infty$, amplificando o ruído de alta frequência e tornando a solução direta instável.

• Estratégias de Regularização:
  Para estabilizar a solução, são propostos três operadores de regularização uniparamétricos ($R^i_\mu$, com $i=1, 2, 3$), que atuam como filtros no domínio da frequência para suprimir as componentes de alta frequência responsáveis pela instabilidade. As famílias de operadores são definidas como:

  1. Regularização de Tikhonov modificada (tipo 1): Denominador $(1 + \mu^2 \xi^2)$.
  2. Regularização de Tikhonov modificada (tipo 2): Denominador $(1 + \mu^2 \xi^4)$.
  3. Regularização Exponencial (tipo 3): Denominador $e^{\mu^2 \xi^2/4}$.

  Onde $\mu > 0$ é o parâmetro de regularização.

• Regra de Seleção do Parâmetro:
  É introduzida uma nova regra a priori para a escolha do parâmetro de regularização $\mu$. Diferente de métodos tradicionais que dependem da norma da fonte (que é desconhecida), esta regra baseia-se exclusivamente no nível de ruído ($\delta$) e no limite máximo tolerado de ruído ($\delta_M$), bem como na suavidade da fonte (parâmetro $p$ da espaço de Sobolev $H^p$). A regra proposta é:
  $$\mu^2 = \left( \frac{\delta}{\delta_M} \right)^{\frac{2}{p+2}}$$

• Análise de Erro:
  Os autores derivam limites analíticos para o erro de estimativa ($\|f - f^i_{\delta, \mu}\|_{L^2}$), demonstrando a convergência dos métodos quando o ruído tende a zero.

3. Principais Contribuições

1. Generalização para Equações Fracionárias: O trabalho estende técnicas de regularização previamente aplicadas a equações parabólicas clássicas para o contexto mais complexo de equações de convecção-difusão-reação fracionárias no tempo, um cenário onde a literatura sobre regularização de fontes era escassa ou inexistente.
2. Novo Critério de Parâmetro: A proposta de uma regra de seleção de parâmetro independente da norma da fonte desconhecida, tornando o método mais aplicável em cenários práticos onde a priori sobre a magnitude da fonte é limitada.
3. Comparação de Estratégias: A análise teórica e numérica de três famílias distintas de operadores de regularização, fornecendo uma base para escolher a estratégia mais adequada dependendo das características do problema.
4. Prova de Convergência e Limites de Erro: Estabelecimento rigoroso de limites de erro ótimos para cada método, provando a estabilidade e a convergência sob condições de ruído limitado.

4. Resultados Numéricos

Foram realizados dois exemplos numéricos para validar a eficácia dos métodos:

• Exemplo 1 (Fonte Descontínua): Uma função degrau (tipo sinal quadrado). Embora a fonte não pertença ao espaço de Sobolev $H^p$ para $p>0$ (violando uma hipótese teórica estrita), os operadores de regularização conseguiram recuperar a fonte com precisão razoável, mitigando o fenômeno de Gibbs.
• Exemplo 2 (Fonte Contínua): Uma função exponencial decrescente ($e^{-t}$).

Desempenho:

• Todos os três operadores ($R^1_\mu, R^2_\mu, R^3_\mu$) demonstraram estabilidade e reduziram significativamente o erro de estimativa em comparação com a solução não regularizada.
• O erro relativo diminuiu consistentemente à medida que o nível de ruído ($\epsilon$) diminuía.
• Entre os três, o operador $R^1_\mu$ (com o denominador $1 + \mu^2 \xi^2$) apresentou, em geral, os menores erros relativos nos níveis de perturbação testados.
• A análise sugere que filtros de suavização de alta frequência mais suaves (como o exponencial) funcionam bem, mas o filtro polinomial de ordem inferior ($R^1_\mu$) foi ligeiramente superior neste conjunto de testes.

5. Significância e Conclusão

O artigo é significativo por preencher uma lacuna na literatura sobre problemas inversos em equações diferenciais fracionárias, que são cruciais para modelar fenômenos de difusão anômala em física, biologia e engenharia. A demonstração de que é possível estabilizar a identificação de fontes em equações de convecção-difusão-reação fracionárias, mesmo com dados ruidosos e sem conhecimento prévio exato da norma da fonte, oferece ferramentas robustas para aplicações práticas.

A conclusão destaca que a regularização transforma o problema mal-posto em uma família de problemas bem-postos, permitindo a recuperação precisa de fontes temporais. A robustez dos métodos frente a diferentes características de fontes (contínuas e descontínuas) e a derivação de limites de erro ótimos validam a eficácia da abordagem proposta.