Please use this identifier to cite or link to this item: http://www.repositorio.ufop.br/handle/123456789/2072
Title: Confiabilidade estrutural utilizando o método de Monte Carlo e redes neurais.
Authors: Barbosa, Anderson Henrique
Freitas, Marcílio Sousa da Rocha
Neves, Francisco de Assis das
Keywords: Confiabilidade estrutural
Redes neurais
Método de Monte Carlo
Monte Carlo method
Neural networks
Issue Date: 2005
Citation: 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.
Abstract: 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.
metadata.dc.description.abstracten: 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.
URI: http://www.repositorio.ufop.br/handle/123456789/2072
ISSN: 03704467
metadata.dc.rights.license: A 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.
Appears in Collections:DECIV - Artigos publicados em periódicos

Files in This Item:
File Description SizeFormat 
ARTIGO_ConfiabilidadeEstruturalUtilizando.pdf331,32 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.