Simulação de Monte Carlo integrada ao movimento browniano geométrico e séries temporais para previsão de overbreak em túneis

• Autor(a) principal: Generoso, Fábio José
• Data de Publicação: 2023
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
• Texto Completo: http://hdl.handle.net/10183/272017
• topic: Escavação de túneis; Perfuração de rochas; Tunnel; Rock mass; Overbreaks; Univariate series

O espaço urbano está cada dia mais saturado de pessoas e de tráfego de veículos, de modo que os túneis se têm mostrado uma alternativa eficaz na solução desse problema. A escavação em maciços rochosos é uma das atividades mais complexas e, por isso, tem enormes repercussões na eficiência da construção de túneis. Isso posto, o presente trabalho buscou propor uma nova metodologia, antes empregada em outras áreas da ciência, agora aplicada à geomecânica, para previsão de overbreaks em túneis situados em maciços rochosos, por meio de modelos de séries temporais. Na persecução desse objetivo, foram analisados três túneis T1, T2 e T3, com 34, 36 e 114 seções consecutivas, respectivamente. Os maciços rochosos onde os túneis foram construídos foram classificados em classe II, III, IV e V, segundo o sistema Q. A macrometodologia empregada foi a de séries temporais univariadas e, individualmente, foram aplicados a Suavização Exponencial Simples (SES), o ARIMA e o Movimento Browniano Geométrico (MBG) agregado à Simulação de Monte Carlo (SMC). Diferentemente das atuais metodologias de inteligência artificial e regressões, em que os modelos requerem um número significativo de dados amostrais e de muitas variáveis explicativas, as três metodologias propostas requerem poucos dados e a variável explicativa é o próprio overbreak. Das mais de 184 seções analisadas, observou-se que o modelo de SES foi o que necessitou de menos esforço computacional, proporcionando resultados satisfatórios pela simplicidade do modelo. O modelo ARIMA é o mais completo, pois, por meio dele, além das previsões, é possível obter um intervalo de confiança das estimativas. Em seu ajuste, foram separadas amostras para treino e teste do modelo, assim, as estimativas sempre estiveram compreendidas entre os intervalos de confiança de 95% ou 80%. Por último, o modelo MBG & SMC foi o que se aproximou do modelo SES, embora, se houver uma alta variabilidade nas amostras, isso será propagado nas próximas previsões. Em síntese, com todas as suas particularidades, os modelos propostos foram satisfatórios em previsões de overbreaks, considerando séries univariadas.