Combining numerical simulations, artificial intelligence and intelligent sampling algorithms to build surrogate models and calculate the probability of failure of urban tunnels
| Autor: | Domingues, Vinícius Resende |
|---|---|
| Přispěvatelé: | Ozelim, Luan Carlos de Sena Monteiro, Assis, André Pacheco de |
| Jazyk: | portugalština |
| Rok vydání: | 2022 |
| Předmět: | |
| Zdroj: | Repositório Institucional da UnB Universidade de Brasília (UnB) instacron:UNB |
| Popis: | Tese (doutorado) — Universidade de Brasília, Faculdade de Tecnologia, Departamento de Engenharia Civil e Ambiental, 2022. Quando é necessário avaliar, com uma abordagem probabilística, a interação dos túneis urbanos com as estruturas vizinhas, o poder computacional é um desafio importante para os modelos numéricos. Assim, algoritmos de amostragem inteligentes podem ser aliados na obtenção de um melhor conhecimento do domínio do resultado, mesmo que em posse de menos amostras. Ainda assim, quando a amostragem é limitada, a avaliação dos riscos do edifício também é restrita. É neste contexto que a inteligência artificial pode preencher uma importante lacuna na análise de risco, interpolando resultados e gerando amostras maiores em um curto espaço de tempo. Nesta tese foi utilizado um caso hipotético para validar a proposta metodológica. Tratase da escavação sequencial, tipo NATM de um túnel, de três diâmetros de profundidade, interagindo com um edifício contendo sete pavimentos. Primeiro, o modelo numérico tridimensional (MEF) foi resolvido deterministicamente e, logo após, seu domínio e malha foram refinados. Posteriormente, outras 170 soluções foram obtidas numericamente a partir de um programa de elementos finitos, amostrando estrategicamente as variáveis aleatórias envolvidas. Sequencialmente, fundamentado em 31 técnicas de inteligência artificial, foram avaliadas quais variáveis eram de maior importância para prever a magnitude do deslocamento vertical nos elementos de fundação de um edifício afetado. Assim, uma vez selecionadas as variáveis mais importantes, as 31 técnicas de inteligência artificial foram novamente treinadas e testadas para definir aquela que apresenta um menor R-quadrado. Finalmente, usando este algoritmo de melhor ajuste, foi possível realizar o cálculo da probabilidade de falha usando amostras maciças, com tamanhos na ordem de 107 . Estas amostras foram utilizadas para verificar a convergência da amostragem simples de Monte Carlo e suas variações, além dos métodos semianalíticos FOSM, FORM e SORM. A principal contribuição é metodológica e, portanto, este novo procedimento pode ser utilizado em avaliações de risco, relacionados a túneis, no estado da arte. When it is necessary to evaluate, with a probabilistic approach, the interaction of urban tunnels with neighboring structures, computational power is an important challenge for numerical models. Thus, intelligent sampling algorithms can be allies in obtaining a better knowledge of the result domain, even if in possession of a smaller number of samples. In any case, when sampling is limited, the evaluation of the building risks is also restricted. It is in this context that artificial intelligence can fill an important gap in risk analysis by interpolating results and generating larger samples in a short time. In this thesis a hypothetical case was used to validate the methodological proposal. It concerns the sequential excavation, as the NATM, of a tunnel, three-diameter deep, interacting with a building containing seven floors. First, the threedimensional numerical model (FEM) was solved deterministically, and then its domain and mesh were refined. After that, another 170 solutions were numerically obtained from a FEM software, strategically sampling the random variables involved. Sequentially, based on the 31 artificial intelligence techniques, it was evaluated which variables were of greatest importance to predict the magnitude of vertical displacement in the foundation elements of a surrounding building. Then, once the most important variables were selected, the 31 artificial intelligence techniques were again trained and tested to define the one with the least R-squared. Finally, by using this best-fit algorithm, it was possible to perform the calculation of the probability of failure using massive samples, with sizes on the order of 107 . These samples were used to check the convergence of simple Monte Carlo sampling and its variations, as well as the semianalytical FOSM, FORM, and SORM methods. The main contribution of this thesis is methodological; therefore, this new procedure can be aggregated to state-of-the-art risk assessment methodologies in tunnel-related problems. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|