Confiabilidade estrutural utilizando o método de Monte Carlo e redes neurais.
Autor(a) principal: | |
---|---|
Data de Publicação: | 2005 |
Outros Autores: | , |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFOP |
Texto Completo: | http://www.repositorio.ufop.br/handle/123456789/2072 |
Resumo: | A análise de confiabilidade estrutural em geral, por envolver um grande número de variáveis aleatórias ou exigir uma grande quantidade de simulações, se depara com a questão do custo computacional. Duas técnicas utilizadas para essa avaliação são o método de simulação de Monte Carlo e os métodos analíticos do tipo FORM/SORM. Os métodos analíticos FORM e SORM podem apresentar problema de precisão no cálculo da probabilidade de falha. Em relação ao método de Monte Carlo, embora sejam de fácil implementação e absolutamente geral, o grande número de simulações pode exigir um tempo de processamento elevado, o que pode tornar sua aplicação inviável. Nesse trabalho, foi utilizada uma rede neural treinada para substituir a solução do problema estrutural necessário a cada simulação de Monte Carlo, com o objetivo de reduzir o custo computacional requerido na análise. As aplicações realizadas proporcionaram bons resultados, com baixo custo computacional, o que atesta a viabilidade de sua aplicação. |
id |
UFOP_7a3d6aeee660d83eaae2110bfb0ed198 |
---|---|
oai_identifier_str |
oai:localhost:123456789/2072 |
network_acronym_str |
UFOP |
network_name_str |
Repositório Institucional da UFOP |
repository_id_str |
3233 |
spelling |
Barbosa, Anderson HenriqueFreitas, Marcílio Sousa da RochaNeves, Francisco de Assis das2013-01-28T16:17:14Z2013-01-28T16:17:14Z2005BARBOSA, A. H.; FREITAS, M. S. da R.; NEVES, F. de A. das. Confiabilidade estrutural utilizando o método de Monte Carlo e redes neurais. REM: Revista Escola de Minas, v. 58, n. 3, p. 247-255, jul./set. 2005. Disponível em: <http://www.scielo.br/pdf/rem/v58n3/v58n3a11.pdf>. Acesso em: 28 jan. 2013.03704467http://www.repositorio.ufop.br/handle/123456789/2072A análise de confiabilidade estrutural em geral, por envolver um grande número de variáveis aleatórias ou exigir uma grande quantidade de simulações, se depara com a questão do custo computacional. Duas técnicas utilizadas para essa avaliação são o método de simulação de Monte Carlo e os métodos analíticos do tipo FORM/SORM. Os métodos analíticos FORM e SORM podem apresentar problema de precisão no cálculo da probabilidade de falha. Em relação ao método de Monte Carlo, embora sejam de fácil implementação e absolutamente geral, o grande número de simulações pode exigir um tempo de processamento elevado, o que pode tornar sua aplicação inviável. Nesse trabalho, foi utilizada uma rede neural treinada para substituir a solução do problema estrutural necessário a cada simulação de Monte Carlo, com o objetivo de reduzir o custo computacional requerido na análise. As aplicações realizadas proporcionaram bons resultados, com baixo custo computacional, o que atesta a viabilidade de sua aplicação.Structural reliability analysis due to the great number of random variables or large number of simulations needed may result in a high computational cost. Two techniques largely used for structural reliability assess are Monte Carlo Simulation and the analytic methods FORM/SORM. These may present some inaccuracy in the assessment of the probability of failure. The Monte Carlo Method is easy to implement and absolutely general, but the great number of required simulations may result in high computational cost making the application impracticable. This work used a trained neural network to substitute the structural analysis needed for each Monte Carlo Simulation, in order to reduce the computational cost. The applications produced good results with low computational cost, certifying its application viability.Confiabilidade estruturalRedes neuraisMétodo de Monte CarloMonte Carlo methodNeural networksConfiabilidade estrutural utilizando o método de Monte Carlo e redes neurais.info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/articleA REM - Revista Escola de Minas - autoriza o depósito de cópia de artigos dos professores e alunos da UFOP no Repositório Institucional da UFOP. Licença concedida mediante preenchimento de formulário online em: 12 set. 2013.info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFOPinstname:Universidade Federal de Ouro Preto (UFOP)instacron:UFOPLICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://www.repositorio.ufop.br/bitstream/123456789/2072/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52ORIGINALARTIGO_ConfiabilidadeEstruturalUtilizando.pdfARTIGO_ConfiabilidadeEstruturalUtilizando.pdfapplication/pdf339268http://www.repositorio.ufop.br/bitstream/123456789/2072/1/ARTIGO_ConfiabilidadeEstruturalUtilizando.pdfdead6b039c4e4484ee05361050dd39baMD51123456789/20722019-03-19 10:03:45.201oai:localhost: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Repositório InstitucionalPUBhttp://www.repositorio.ufop.br/oai/requestrepositorio@ufop.edu.bropendoar:32332019-03-19T14:03:45Repositório Institucional da UFOP - Universidade Federal de Ouro Preto (UFOP)false |
dc.title.pt_BR.fl_str_mv |
Confiabilidade estrutural utilizando o método de Monte Carlo e redes neurais. |
title |
Confiabilidade estrutural utilizando o método de Monte Carlo e redes neurais. |
spellingShingle |
Confiabilidade estrutural utilizando o método de Monte Carlo e redes neurais. Barbosa, Anderson Henrique Confiabilidade estrutural Redes neurais Método de Monte Carlo Monte Carlo method Neural networks |
title_short |
Confiabilidade estrutural utilizando o método de Monte Carlo e redes neurais. |
title_full |
Confiabilidade estrutural utilizando o método de Monte Carlo e redes neurais. |
title_fullStr |
Confiabilidade estrutural utilizando o método de Monte Carlo e redes neurais. |
title_full_unstemmed |
Confiabilidade estrutural utilizando o método de Monte Carlo e redes neurais. |
title_sort |
Confiabilidade estrutural utilizando o método de Monte Carlo e redes neurais. |
author |
Barbosa, Anderson Henrique |
author_facet |
Barbosa, Anderson Henrique Freitas, Marcílio Sousa da Rocha Neves, Francisco de Assis das |
author_role |
author |
author2 |
Freitas, Marcílio Sousa da Rocha Neves, Francisco de Assis das |
author2_role |
author author |
dc.contributor.author.fl_str_mv |
Barbosa, Anderson Henrique Freitas, Marcílio Sousa da Rocha Neves, Francisco de Assis das |
dc.subject.por.fl_str_mv |
Confiabilidade estrutural Redes neurais Método de Monte Carlo Monte Carlo method Neural networks |
topic |
Confiabilidade estrutural Redes neurais Método de Monte Carlo Monte Carlo method Neural networks |
description |
A análise de confiabilidade estrutural em geral, por envolver um grande número de variáveis aleatórias ou exigir uma grande quantidade de simulações, se depara com a questão do custo computacional. Duas técnicas utilizadas para essa avaliação são o método de simulação de Monte Carlo e os métodos analíticos do tipo FORM/SORM. Os métodos analíticos FORM e SORM podem apresentar problema de precisão no cálculo da probabilidade de falha. Em relação ao método de Monte Carlo, embora sejam de fácil implementação e absolutamente geral, o grande número de simulações pode exigir um tempo de processamento elevado, o que pode tornar sua aplicação inviável. Nesse trabalho, foi utilizada uma rede neural treinada para substituir a solução do problema estrutural necessário a cada simulação de Monte Carlo, com o objetivo de reduzir o custo computacional requerido na análise. As aplicações realizadas proporcionaram bons resultados, com baixo custo computacional, o que atesta a viabilidade de sua aplicação. |
publishDate |
2005 |
dc.date.issued.fl_str_mv |
2005 |
dc.date.accessioned.fl_str_mv |
2013-01-28T16:17:14Z |
dc.date.available.fl_str_mv |
2013-01-28T16:17:14Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article |
format |
article |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
BARBOSA, A. H.; FREITAS, M. S. da R.; NEVES, F. de A. das. Confiabilidade estrutural utilizando o método de Monte Carlo e redes neurais. REM: Revista Escola de Minas, v. 58, n. 3, p. 247-255, jul./set. 2005. Disponível em: <http://www.scielo.br/pdf/rem/v58n3/v58n3a11.pdf>. Acesso em: 28 jan. 2013. |
dc.identifier.uri.fl_str_mv |
http://www.repositorio.ufop.br/handle/123456789/2072 |
dc.identifier.issn.none.fl_str_mv |
03704467 |
identifier_str_mv |
BARBOSA, A. H.; FREITAS, M. S. da R.; NEVES, F. de A. das. Confiabilidade estrutural utilizando o método de Monte Carlo e redes neurais. REM: Revista Escola de Minas, v. 58, n. 3, p. 247-255, jul./set. 2005. Disponível em: <http://www.scielo.br/pdf/rem/v58n3/v58n3a11.pdf>. Acesso em: 28 jan. 2013. 03704467 |
url |
http://www.repositorio.ufop.br/handle/123456789/2072 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFOP instname:Universidade Federal de Ouro Preto (UFOP) instacron:UFOP |
instname_str |
Universidade Federal de Ouro Preto (UFOP) |
instacron_str |
UFOP |
institution |
UFOP |
reponame_str |
Repositório Institucional da UFOP |
collection |
Repositório Institucional da UFOP |
bitstream.url.fl_str_mv |
http://www.repositorio.ufop.br/bitstream/123456789/2072/2/license.txt http://www.repositorio.ufop.br/bitstream/123456789/2072/1/ARTIGO_ConfiabilidadeEstruturalUtilizando.pdf |
bitstream.checksum.fl_str_mv |
8a4605be74aa9ea9d79846c1fba20a33 dead6b039c4e4484ee05361050dd39ba |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFOP - Universidade Federal de Ouro Preto (UFOP) |
repository.mail.fl_str_mv |
repositorio@ufop.edu.br |
_version_ |
1797950190580137984 |