Avaliação do comportamento de uma ponte metálica centenária sujeita à ação de tráfego ferroviário ligeiro

A presente dissertação tem como objetivo principal a análise numérica do comportamento dinâmico de uma ponte ferroviária, sob ação de tráfego ligeiro ferroviário. Neste contexto são apresentados alguns fundamentos teóricos a ter em conta nestes domínios, visando uma melhor compreensão dos fenómenos existentes no comportamento dinâmico de pontes ferroviárias quando sujeitas ao tráfego. O caso de estudo teve como foco a ponte Luiz I, uma ponte metálica situada sobre o rio Douro, que liga as cidades do Porto e Vila Nova de Gaia, sob ação de tráfego ligeiro ferroviário no seu tabuleiro superior para a condição anterior aos trabalhos de reabilitação e reforço realizados entre 2004 e 2005. Para o efeito foi desenvolvido um modelo numérico de elementos finitos da ponte realizado com recurso ao programa ANSYS, assim como um modelo numérico do veículo do Metro de Lisboa. Com base nestes modelos foram obtidos os parâmetros modais, nomeadamente as frequências naturais e os modos de vibração de toda a estrutura e do veículo. O estudo do comportamento dinâmico da ponte foi realizado por intermédio de uma metodologia de cargas móveis e de interação veículo-estrutura, através da ferramenta computacional Train-Bridge Interaction (TBI). As análises dinâmicas foram efetuadas para a passagem dos veículos de passageiros das redes de Metros do Porto e Lisboa. Nestas análises é estudada a resposta da estrutura em função da variabilidade ao nível da secção transversal, dependência do tramo, influência do veículo, da sua velocidade de circulação e impacto das frequências de vibração estimadas pelo modelo numérico.

Inteligência artificial aplicada na previsão de mercados financeiros

Neste documento, são investigados vários métodos usados na inteligência artificial, com o objetivo de obter previsões precisas da evolução dos mercados financeiros. O uso de ferramentas lineares como os modelos AR, MA, ARMA e GARCH têm muitas limitações, pois torna-se muito difícil adaptá-los às não linearidades dos fenómenos que ocorrem nos mercados. Pelas razões anteriormente referidas, os algoritmos como as redes neuronais dinâmicas (TDNN, NARX e ESN), mostram uma maior capacidade de adaptação a estas não linearidades, pois não fazem qualquer pressuposto sobre as distribuições de probabilidade que caracterizam estes mercados. O facto destas redes neuronais serem dinâmicas, faz com que estas exibam um desempenho superior em relação às redes neuronais estáticas, ou outros algoritmos que não possuem qualquer tipo de memória. Apesar das vantagens reveladas pelas redes neuronais, estas são um sistema do tipo black box, o que torna muito difícil extrair informação dos pesos da rede. Isto significa que estes algoritmos devem ser usados com precaução, pois podem tornar-se instáveis.