Bayesian inference of sea waves from motions of a FPSO platform: a new calibration methodology validated with field data and capable of reducing estimation errors.

Estudos de condições oceanográficas tornam-se imperativos a cada dia, tanto no fornecimento de dados para fins de pesquisa quanto para aplicações de engenharia. Tais usos variam desde a validação de modelos de previsão de ondas até a determinação de forças em estruturas offshore, bem como em condições de navegabilidade e operações logísticas. O uso dos movimentos do navio para determinar qual condição de mar os induziu, adotando a embarcação como um sensor, em analogia às boias oceanográficas, é uma das tecnologias disponíveis para a medição das condições oceanográficas. Esta destaca-se pela simplicidade na implementação, além de atender às necessidades da indústria petrolífera, uma vez que o interesse é voltado para eventos de ondas extremas, os quais são bem representados pela tecnologia considerada, como verificado nesta tese. A facilidade de obtenção de dados através da tecnologia mencionada, sem a necessidade de equipamentos adicionais { especialmente no caso de plataformas de petróleo devido à disponibilidade de bases inerciais em muitas embarcações deste tipo { foi essencial para garantir ao presente trabalho um conjunto de dados de campo composto por registros ininterruptos dos movimentos de uma plataforma FPSO durante dois anos, através do qual foi possível realizar estimativas das ondas em intervalos de trinta minutos. Esta rica base de dados, inédita na literatura especializada, aliada às estimativas fornecidas simultaneamente por um sistema de radar de ondas, permitiu um estudo detalhado das características e padrões dos espectros direcionais de onda e uma importante validação da aplicação da tecnologia em campo. Face às incertezas inerentes ao processo, no entanto, observa-se que, para um mesmo registro de movimentos, muitas soluções diferentes e quase equiprováveis podem ser obtidas, uma característica que favorece a aplicação de um método de inferência Bayesiana, afim de fornecer alguma informação a priori sobre as variáveis de estimação. Na presente abordagem, esta informação corresponde a uma suposição de suavidade dos espectros direcionais de onda a serem estimados, cujo grau é controlado pelos chamados hiperparâmetros do processo de inferência - parâmetros dentro do método que controlam a influência da informação a priori sobre a solução. Estudos prévios realizados na EPUSP demonstraram que o uso de hiperparâmetros fixos ou pré-calibrados é vantajoso para tornar o método de estimação operacionalmente aplicável, proporcionando um tempo de execução compatível com aplicações em tempo real. Dada a importância do papel desempenhado pela informação a priori na determinação de soluções viáveis no intervalo de incertezas do método, torna-se patente a necessidade de se definir valores apropriados para estes hiperparâmetros. Assim, neste trabalho, é apresentada uma metodologia de calibração para os hiperparâmetros baseada na dependência destes no período médio de onda e no parâmetro espectral de largura de banda. Esta nova abordagem traz dois aspectos inovadores para a pesquisa: O primeiro é o desenvolvimento de um método iterativo e autossuficiente capaz de identificar erros de estimação causados por incertezas no modelo de previsão de movimentos do navio. O segundo ponto é a capacidade do método de mitigar os erros encontrados, forçando a suavidade espectral ao longo do intervalo de frequências de onda.Studies of oceanographic conditions become imperative every day, both in the provision of data for research purposes and for engineering applications. Such uses range from the validation of wave prediction models to the determination of forces in offshore structures, as well as navigability and logistical operations. The use of vessel movements to determine which is the condition induced by them, adopting the vessel as a sensor, in analogy to oceanographic buoys, is one of the available technologies for the measurement of oceanographic conditions. It stands out for the simplicity of the implementation, in addition it meets the needs of the oil industry, since the interest is focused on extreme wave events, which are well represented by the technology considered, as verified in this thesis. Ease of data attainment through the mentioned technology, without the need for additional equipment - especially in the case of oil platforms due to the availability of inertial bases in many vessels of this type - was essential to guarantee the present work the data set of field the FPSO platform for two years, through which it was possible to make estimates of the waves in intervals of thirty minutes. This rich database, unprecedented in the specialized literature, together with the estimates provided by a wave radar system, allowed a detailed study of the characteristics and patterns of the directional wave spectra and an important validation of the application of the technology in the field. Given the uncertainties inherent in the process, however, it can be observed that, for the same record of movements, many different and almost equiprobable solutions can be obtained, a feature that favors the application of a Bayesian inference method, in order to provide some information on the variables of estimation. In the present approach, this information corresponds to an assumption of smoothness of the directional wave spectra to be estimated, the degree of which is controlled by so-called hyperparameters of the inference process - parameters within the method that control the influence of a priori information on the solution. Previous studies conducted at EPUSP have demonstrated that the use of fixed or precalibrated hyperparameters is advantageous to make the estimation method operationally applicable, providing a runtime compatible with real-time applications. Given the importance of the role played by a priori information in determining viable solutions in the uncertainty range of the method, it becomes clear that it is necessary to define appropriate values for these hyperparameters. Thus, in this work, the calibration methodology for the hyperparameters is presented, based on the dependency of these on wave mean period and on bandwidth spectral parameter. The _rst is the development of an iterative, self-sufficient method, capable of identifying estimations errors caused by uncertainties on the ship\'s motions prediction model. The second is the ability of the method to mitigate the errors found, forcing spectral smoothness throughout the range of wave frequencies