Análise bayesiana de dados espaciais explorando diferentes estruturas de variância

Pós-graduação em Matematica Aplicada e Computacional - FCT

Contribuição à confiabilidade de estacas cravadas através de um estudo de caso com aplicação da teoria Bayesiana.

Nos diversos segmentos da Geotecnia e em especial na área de fundações, o engenheiro se depara com uma série de incertezas. Algumas destas incertezas são inerentes à variabilidade local do solo, às condições de carregamento, aos efeitos do tempo, às diferenças nos processos executivos, erros de sondagens, que influenciam diretamente a estimativa da capacidade de carga da fundação, seja por ocasião de seu carregamento estático, seja durante ou logo após a cravação. O objetivo desta dissertação é a adaptação, a estacas em terra (onshore), de um procedimento concebido originalmente para emprego em estacas offshore, que trata da atualização da estimativa da resistência durante a cravação, com base em registros documentados durante a execução. Neste procedimento a atualização é feita através da aplicação dos conceitos da análise Bayesiana, assumindo que os parâmetros da distribuição probabilística utilizada sejam variáveis randômicas. A incerteza dos parâmetros é modelada por distribuições a priori e a posteriori. A distribuição a posteriori é calculada pela atualização da distribuição a priori, utilizando uma função de máxima verossimilhança, que contém a observação obtida dos registros de cravação. O procedimento é aplicado a um conjunto de estacas de um extenso estaqueamento executado na Zona Oeste do Rio de Janeiro. As estimativas atualizadas são posteriormente comparadas aos resultados dos ensaios de carregamento dinâmico. Várias aplicações podem surgir com o emprego deste procedimento, como a seleção das estacas que, por apresentarem reduzido valor de estimativa atualizada de resistência, ou uma maior incerteza desta estimativa, devam ser submetidas a provas de carga. A extensão deste estudo a diferentes tipos de estacas em perfis de solo de natureza distintos poderá levar ao desenvolvimento de sistemas mais adequados de controle de execução, capazes de identificar as principais incertezas presentes nos diferentes tipos de execução de estacas, contribuindo assim para a otimização de futuros projetos de fundações.

Contribuição à confiabilidade de estacas tipo raiz através de um estudo de provas de carga estáticas com aplicação da teoria bayesiana.

Atualmente, o assunto de segurança em fundações tem despertado a atenção de diversos pesquisadores. Muitos entendem ser ultrapassada a utilização, pura e simples, de fatores de segurança em obras geotécnicas. O tratamento determinístico nos projetos de fundações não corresponde às variações e incertezas geradas em todo o processo de investigação do subsolo e processo executivo da fundação, sendo ainda o projeto de fundações um fim de linha de uma longa fila de disciplinas que a precedem e que geram também incertezas nas informações de esforços de suas estruturas e solicitações nas fundações. Porém, são as fundações as primeiras a serem executadas em qualquer obra civil. Este aspecto tem levado à necessidade crescente de verificar também a probabilidade de ruína da fundação por meio da chamada análise de confiabilidade. Com o objetivo de contribuir com a discussão sobre o emprego da análise de confiabilidade, as orientações da norma e o aprimoramento de modelos de cálculo, esta dissertação apresenta, através da aplicação em um estudo de caso, os diferentes aspectos de segurança abordados em projetos de fundações. Procura-se destacar dois tipos básicos de incertezas: aquelas inerentes à variabilidade espacial das propriedades do solo e as decorrentes do modelo de cálculo. Nesta pesquisa são procedidas inicialmente as extrapolações das curvas das provas de carga, que resultarão nos valores da função de Verossimilhança, para a atualização por Bayes. Numa segunda etapa se procede à estimativa da capacidade de carga a priori por alguns métodos consagrados e amplamente utilizados no Brasil. A atualização da estimativa da capacidade de carga é, a seguir, realizada através da metodologia de Bayes, sendo esta uma aplicação de conceitos da probabilidade condicional. A ideia de se proceder a estas duas alternativas de análise à priori foi norteada por duas motivações distintas: i) contribuir para a prática, pelo procedimento de combinação de informações num caso real bem documentado, conforme proposto por Vrouwenvelder (1992) e ii) motivar discussão de opiniões polêmicas de engenheiros de fundações brasileiros em relação à adoção de um fator de segurança inferior a 2 no caso de provas de carga especificadas na fase de projeto.

Suporte à elaboração de plano diretor com ênfase na aplicação de instrumento urbanístico do estatuto da cidade. Estudo de caso: Bastos-SP

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Estimativa de componentes de (co)variância de características de crescimento na raça Brahman utilizando inferência bayesiana

Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)

Análise Bayesiana para a distribuição Exponencial-Logarítmica

Pós-graduação em Matematica Aplicada e Computacional - FCT

Análise clássica e bayesiana do modelo Weibull modificado generalizado

Pós-graduação em Matematica Aplicada e Computacional - FCT

Extração automática de contornos de telhados de edifícios em um modelo digital de elevação, utilizando inferência Bayesiana e campos aleatórios de Markov

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Análise Bayesiana de dados composicionais na presença de covariáveis

Pós-graduação em Matematica Aplicada e Computacional - FCT

Inferência bayesiana não-paramétrica para elicitação da função de contabilidade

Pós-graduação em Matematica Aplicada e Computacional - FCT

Modelo dinâmico bayesiano multivariado para análise espaço-temporal de dados de área

Pós-graduação em Matematica Aplicada e Computacional - FCT

Parâmetros genéticos para características de desempenho e reprodutivas de aves poedeiras por inferência bayesiana

Pós-graduação em Genética e Melhoramento Animal - FCAV

Modelos para dados grupados e sensurados aplicados à área biológica: comparação usando fator de Bayes

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)

Desenvolvendo o conceito de redes bayesianas na construção de cenários prospectivos

A incerteza é o principal elemento do futuro. Desde os primórdios, o homem busca métodos para estruturar essas incertezas futuras e assim poder guiar suas ações. Apenas a partir da segunda metade do século XX, porém, quando os métodos projetivos e preditivos já não eram mais capazes de explicar o futuro em um ambiente mundial cada vez mais interligado e turbulento, é que nasceram os primeiros métodos estruturados de construção de cenários. Esses métodos prospectivos visam lançar a luz sobre o futuro não para projetar um futuro único e certo, mas para visualizar uma gama de futuros possíveis e coerentes. Esse trabalho tem como objetivo propor uma nova abordagem à construção de cenários, integrando o Método de Impactos Cruzados à Análise Morfológica, utilizando o conceito de Rede Bayesianas, de fonna a reduzir a complexidade da análise sem perda de robustez. Este trabalho fará uma breve introdução histórica dos estudos do futuro, abordará os conceitos e definições de cenários e apresentará os métodos mais utilizados. Como a abordagem proposta pretende-se racionalista, será dado foco no Método de Cenários de Michel Godet e suas ferramentas mais utilizadas. Em seguida, serão apresentados os conceitos de Teoria dos Grafos, Causalidade e Redes Bayesianas. A proposta é apresentada em três etapas: 1) construção da estrutura do modelo através da Análise Estrutural, propondo a redução de um modelo inicialmente cíclico para um modelo acíclico direto; 2) utilização da Matriz de Impactos Cruzados como ferramenta de alimentação, preparação e organização dos dados de probabilidades; 3) utilização da Rede Bayesiana resultante da primeira etapa como subespaço de análise de uma Matriz Morfológica. Por último, um teste empírico é realizado para comprovar a proposta de redução do modelo cíclico em um modelo acíclico.

Delineamento ótimos para modelos não-lineares: efeitos fixos e efeitos aleatórios

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)