Uma análise comparativa do desempenho dos métodos Kernel Smoother e Monte Carlo aplicados a problemas de confiabilidade estrutural
| Ano de defesa: | 2022 |
|---|---|
| Autor(a) principal: |
Silva, Clayton Felicio da
 |
| Orientador(a): |
Barbosa, Flávio de Souza
|
| Banca de defesa: |
Ainsworth Junior, George Oliveira
,
Torii, André Jacomel
|
| Tipo de documento: | Dissertação |
| Tipo de acesso: | Acesso aberto |
| Idioma: | por |
| Instituição de defesa: |
Universidade Federal de Juiz de Fora (UFJF)
|
| Programa de Pós-Graduação: |
Programa de Pós-graduação em Engenharia Civil (PEC)
|
| Departamento: |
Faculdade de Engenharia
|
| País: |
Brasil
|
| Palavras-chave em Português: | |
| Área do conhecimento CNPq: | |
| Link de acesso: | https://doi.org/10.34019/ufjf/di/2022/00193 https://repositorio.ufjf.br/jspui/handle/ufjf/14519 |
Resumo: | Um dos grandes problemas que envolvem o dimensionamento de estruturas diz respeito às incertezas associadas às variáveis aleatórias (VA) implicadas no projeto estrutural. Ainda com considerações assertivas e rigoroso controle de qualidade, as estruturas ser expostas a incertezas oriundas do carregamento e/ou outros fenômenos não previstos. Neste contexto, a confiabilidade estrutural é uma importante ferramenta, pois permite mensurar a segurança através de indicadores como a probabilidade de falha (). Dentre as metodologias da confiabilidade estrutural, destacam-se métodos de transformação, como o First Order Reliability Method (FORM), e os métodos baseados em simulações, como Monte Carlo (MC), que estima a através da simulação das VA envolvidas. Alternativamente, a meta-modelagem, que descreve um modelo complexo por uma função analítica, vem evoluindo neste campo do conhecimento. O Kernel Smoother (KS) se mostra um meta-modelo pouco explorado e com potencial para aplicação em análise de estruturas. O presente trabalho visa estabelecer uma comparação entre diferentes métodos, (FORM, MC e KS) avaliando a precisão e os tempos computacionais desses métodos como indicadores de desempenho. Além do MC com contagem simples de cenários, foram empregadas duas técnicas de redução de variância, a saber: Importance Sampling (IS) e Hipercubo Latino (LHS), como uma alternativa para aumentar a eficiência do MC. Com a análise proposta, o trabalho conclui que o MC foi o método que demandou menor tempo mas se mostrou ineficaz em problemas com de ordem de grandeza relativamente baixa. Conclui-se ainda, que o IS e o LHS se mostraram mais precisos ao aproximar pequenas com amostras menores. Esses dois foram, também, os métodos que demandaram os maiores tempos computacionais. |