Escolar Documentos
Profissional Documentos
Cultura Documentos
Resumo: Este artigo apresenta cotas inferior e superior para as estimativas para valor
esperado e correlao, para os processos estocsticos de deslocamento e temperatura
de um problema de termoelasticidade, linear, estocstica e unidimensional. A incerteza
est presente nos coeficientes de condutividade e ridigez de membrana. A modelagem
da incerteza feita atravs de processos estocsticos parametrizados. A simulao de
Monte Carlo utilizada para gerar o conjunto de realizaes, e determinao dessas
estimativas. A partir disso, as propriedades da srie de Neumann so utilizadas para
obter as cotas inferior e superior, para as funes amostrais dos processos estocsticos
de temperatura e deslocamento. A metodologia proposta mostrou-se eficiente, em
relao a simulao de Monte Carlo, e teve seu desempenho avaliado ao ser aplicada
em dois problemas, cujos resultados so apresentados nesse trabalho.
Palavras-Chaves: Srie de Neumann, simulao de Monte Carlo, Monte Carlo Neumann, cotas inferior e superior para realizaes, termoelasticidade estocstica,
estimativas para valor esperado e correlao.
1.
Introduo
Nas ultimas dcadas, a quantificao da incerteza, tem sido amplamente
Estabelecimento de Cotas para as Estimativas dos Momentos Estatsticos para o Problema ....
mesmo ser proibitiva, para certas aplicaes. Por exemplo, para problemas que
apresentam no linearidades ou de grande dimenso. Atualmente, devido a
complexidade crescente dos problemas de anlise de estruturas, torna-se imprescindvel
a utilizao de mtodos numricos, tais como mtodos do elementos finitos, diferenas
finitas ou elementos de contorno. Nesses mtodos a soluo de uma equao diferencial
linear aproximada pela soluo de um sistema linear de equaes algbricas (matriz de
rigidez). Neste contexto, se o mtodo de simulao de Monte Carlo for utilizado, ento,
para cada amostra estrutural, deve-se reavaliar a matriz de rigidez. Dependendo da
dimenso do sistema linear, e do nmero de amostras, esse procedimento apresenta alto
custo computacional. A srie de Neumann, para um operador linear definido em
dimenso finita, A : n n , prope que a inversa desse operador, seja representado
por uma srie formada, por composies de um operador P : n n , relacionado
com o operador "A" Notando que em dimenso finita, os objetos matemticos que
representam operadores lineares, so matrizes. Os trabalhos que utilizam a srie de
Neumann, tem como objetivo a reduo do custo computacional, pois a inversa do
operador aproximada pelo truncamento dessa srie. Dependendo do nmero de termos
utilizados na srie, pode ocorrer que o nmero de operaes realizadas por tal
aproximao, menor do que as operaes necessrias, para obter a soluo exata do
sistema linear, atravs da utilizao de algum mtodo iterativo para obter a matriz
inversa. Utilizando-se a srie de Neumann problemas de engenharia, destacam-se os
seguintes trabalhos: Yamazaki (1989) utilizou a srie de Neumann para obter as
realizaes do processo estocstico de deslocamentos, para um problema de elasticidade
plana com incerteza no mdulo de Young; Arajo & Awruch (1994) obtiveram a
resposta de problemas estruturais estticos no lineares e dinmicos, com variabilidade
randmica nas propriedades mecnicas; Chakraborty & Dey (1996) obtiveram o valor
esperado e varincia do processo estocstico de resposta para problemas estruturais com
incerteza sobre a geometria e propriedades mecnicas das estruturas e dos parmetros de
rigidez de uma fundao; Chakraborty & Dey (1998) formularam o problema dinmico
de flexo de vigas curvas, no domnio da freqncia de estruturas, com incerteza sobre
os parmetros de rigidez; Lei & Qiu (2000) aplicaram a srie de Neumann para a anlise
da propagao da incerteza em estruturas, utilizando as equaes de movimento;
Chakrabort & Sarkar (2000) estimaram os momentos estatsticos do processo
estocstico de deslocamento transversal de uma viga curva, apoiada em fundao de
Estabelecimento de Cotas para as Estimativas dos Momentos Estatsticos para o Problema ....
Estabelecimento de Cotas para as Estimativas dos Momentos Estatsticos para o Problema ....
2.
( u, T ) ,
respectivamente, solues do
seguinte problema,
d EA du + T = f ,
dx
dx
d
dT
( x, ) ( 0, l ) , a. e.;
dx dx = q,
u ( 0, ) = u ( l , ) = 0,
;
T ( 0, ) = T ( l , ) = 0,
(
(
( f ,q)
(1)
(
(
H2 : ( q, f ) L , F , P; ( L2 ( 0, l ) ) .
(2)
Estabelecimento de Cotas para as Estimativas dos Momentos Estatsticos para o Problema ....
V = H 01 ( 0, l ) H 01 ( 0, l ) ,
para
k-sima
amostra
termo-mecnica,
a ( u, v ) = c (T , v ) + l ( v ) ,
( v, ) V ;
b (T , ) = h ( ) ,
(3)
du dv
a ( u, v ) = EA dx dx ( x, ( k ) ) dx,
0
d ( T ) x, ( ) .v ( x ) dx,
c (T , v ) = dx
(
k )
L
l v = f .v x dx,
)( )
( ) (
0
=
( ) ( h. )( x ) dx.
(4)
Estabelecimento de Cotas para as Estimativas dos Momentos Estatsticos para o Problema ....
3.
Mtodo de Galerkin
O mtodo de Galerkin utilizado para obter solues numricas aproximadas,
x
,
x
+
i ( x ) i ( );
(
)
(
)
(
)
i =1
M EA
EA ( x, ( ) ) = ( x ) + ( x ) ( );
EA
i
i
i =1
(5)
i , i C0 ( 0, l ) C
M EA
( 0, l )
so funes
Estabelecimento de Cotas para as Estimativas dos Momentos Estatsticos para o Problema ....
E [ i ] = 0 P ( : i ( ) i ) = 1, i {1,, M } ,
E [ i ] = 0 P ( : i ( ) i ) = 1, i {1,, M EA } ,
(6)
i.e.
i = i ( )
i = i ( )
i = bi ai < , i {1,, M } ,
com
i = [ ai , bi ] ,
i = [ ci , di ] ,
{i }i=1 ,
( ( ) , ( ) ) ,
T ( x, ) = T ( x, ( ) ) = T x, 1 ( ) ,, M ( ) ;
u ( x, ) = u ( x, ( ) , ( ) ) = u x, 1 ( ) ,, M ( ) , 1 ( ) ,, M ( ) .
(um ,Tn ) ,
seguinte forma,
u
x
,
=
ui k ( ) , k ( ) i ( x ) ,
(
)
(
)
k
k
m
i =1
n
T x, ( ) =
Ti k ( ) i ( x ) ,
n
k
i =1
) (
) (
(7)
Estabelecimento de Cotas para as Estimativas dos Momentos Estatsticos para o Problema ....
sendo Ti ( k ( ) )
i =1
e ui ( k ( ) , k ( ) )
i =1
mencionar, que esses coeficientes dependem dos valores numricos assumidos, para a k-
sima amostra, dos vetores randmicos k ( ) , k ( ) . Desta forma, na Eq. (7) esto
representadas as funes amostrais, ou realizaes, das aproximaes numricas, para
os processos estocsticos de deslocamento e temperatura, relativos a k-sima amostra
termo-mecnica. A partir disso, para a k-sima amostra estrutural, define-se o problema
variacional aproximado:
a ( um , v ) = c (Tn , v ) + l ( v ) ,
( v, ) Vmn .
b (Tn , ) = h ( ) ,
(8)
R ( k ) U ( k , k ) + DT ( k ) = F;
( CT )( k ) = Q;
n
(9)
d i d j
R ( k ) = rij ( k ) mm , rij ( k ) = EA ( x, ( k ) ) dx dx dx;
0
d i d j
C ( k ) = cij ( k ) nn , cij ( k ) = ( x, ( k ) ) dx dx dx;
0
d
D = d ij , dij = i j ( x ) dx.
dx
mn
(
(
(10)
Estabelecimento de Cotas para as Estimativas dos Momentos Estatsticos para o Problema ....
U ( k , k ) = ( R ( k ) ) F ( k ) = H ( k ) F ( k ) ,
(11)
sendo,
1
F ( k ) = F D (C (k )) Q ,
o vetor F ( k ) = f1 ( k ) ,..., f m ( k )
(12)
mm
a inversa
ui ( k , k ) = hij ( k , k ) f j .
(13)
j =1
Das Eqs. (7a) e (13) a aproximao numrica, para a k-sima realizao, do processo
um ( x, k , k ) = hij ( k ) f j ( x, k ) i ( x ) = F ( k ) ( H ( k ) ( x ) ) . (14)
i =1 j =1
Um procedimento, anlogo a esse, Eq. (13), pode ser feito para a aproximao numrica
do processo estocstico de temperatura, relativa a k-sima realizao.
Pelo mtodo de simulao de Monte Carlo Direto, as estimativas para valor
esperado e correlao do processo estocstico de deslocamento, so obtidas a partir do
conjunto das realizaes. Conforme pode-se observar nas Eqs. (13) e (14), para se
determinar uma realizao, necessrio calcular-se a inversa da matriz de rigidez
Estabelecimento de Cotas para as Estimativas dos Momentos Estatsticos para o Problema ....
10
um alto custo computacional. Para a soluo do sistema linear de equaes, Eq. (9),
recorre-se a mtodos iterativos, tais como Jacobi, Gauss-Seidell, Gradientes
Conjugados, entre outros, Kincaid e Cheney (2002). Apesar disso, o mtodo de
simulao de Monte Carlo Direto, pode-se tornar proibitivo, em decorrncia do custo
computacional elevado (nmero de computaes). Por exemplo, dependendo da
natureza do problema, (no linearidades), e do nmero de variveis randmicas, o
nmero de computaes pode-se tornar muito elevado. Sob certas condies, uma
alternativa para reduo do custo computacional, a utilizao da srie de Neumann.
4.
Srie de Neumann
A verso da srie de Neumann, que ser utilizada nesse trabalho, para um
{EA ( x,
( ) ) , ( x, k ( ) )} ,
admitem as
seguintes decomposies,
R ( k ) = R 0 + R ( k )
C ( k ) = C0 + C ( k )
R ( k ) = R 0 ( I + PR ( k ) ) ,
C ( k ) = C0 ( I + PC ( k ) ) ,
(15)
( R0 )
e ( C0 )
T ( ) = ( I + P ( ) ) 1 T ;
k
C
k
0
1
1
1
U ( k , k ) = ( I + PR ( k ) ) U 0 ( R 0 ) D ( I + PC ( k ) ) T0 ;
(16)
Estabelecimento de Cotas para as Estimativas dos Momentos Estatsticos para o Problema ....
e U 0 = u10 ,, um0 . Do
( I + P ( ))
11
(I + P ( ))
R
Loan (2012),
0 < PC ( k )
0 < PR ( k )
i
1
1
I
+
P
I
+
P
=
(
)
(
)
(
)
(
)
( PC ( k ) ) ;
C
k
C
k
< 1
i =1
1
1
i
< 1
( I + PR ( k ) ) ( I + PR ( k ) ) = ( PR ( k ) ) .
i =1
(17)
Alm disso, o teorema fornece uma cota superior, para as somas das sries de Neumann,
Eq. (17), das matrizes ( I + PC ( k ) )
1
1
( I + PC ( k ) ) 1 P ( ) ;
C
k
1
( I + P ( ) )1
.
R
k
(
)
R
k
(18)
1
1
i
1
C
=
I
+
P
C
=
(
)
(
)
(
)
(
)
(
)
( PC ( k ) ) ( C0 )1 ;
C
k
k
0
i =1
( R ( ) )1 = ( I + P ( ) )1 ( R )1 = ( P ( ) )i ( R ) 1 .
k
R
k
0
R
k
0
i =1
(19)
Estabelecimento de Cotas para as Estimativas dos Momentos Estatsticos para o Problema ....
12
n n
pC( qij) ( k ) T j0 i ( x )
Tn ( x, k ) =
i =1 j =1 q =1
q
T
= ( T0 ) ( PC ( k ) ) ( x ) ;
q =1
m m
q
u x, , =
pR( ij) ( k ) f j x, k i ( x )
k
k
m
i =1 j =1 q =1
T
q
=
F
(
)
( PR ( k ) ) ( x ) ;
(
)
q =1
(20)
sendo que,
( P ( ))
C
q
= pC( ij) ( k )
n n
( P ( ))
R
q
= pR( ij) ( k )
m m
(21)
n n r
T
x
,
=
pC( qij) ( k ) T j0 i ( x )
(
)
k
nr
i =1 j =1 q =1
q
T
= ( T0 ) ( PC ( k ) ) ( x ) ;
q =1
m m s
q
u x, , =
pR( ij) ( k ) f j x, k i ( x )
k
k
ms
i =1 j =1 q =1
s
T
q
=
F
(
)
( PR ( k ) ) ( x ) .
(
)
q =1
(22)
Com o resultado relacionado a uma cota superior, para a soma da srie de Neumann, Eq.
(18), so obtidas as cotas inferiores e superiores, para as aproximaes numricas,
Estabelecimento de Cotas para as Estimativas dos Momentos Estatsticos para o Problema ....
5.
13
i =1
, forem tais
e ( I + PC ( k ) ) , Eq. (22).
T
x
,
PC ( k ) U 0 ( x ) ,
(
)
(
)
k
m mr
q = r +1
q
( u u ) ( x, , )
PR ( k ) F ( k ) ( x ) .
m
ms
k
k
q = s +1
(23)
q = r +1
PC ( k )
q = s +1
PR ( k ) ,
Estabelecimento de Cotas para as Estimativas dos Momentos Estatsticos para o Problema ....
r +1
PC ( k )
q
PC ( k ) =
;
1 PC ( k )
q = r +1
s +1
PR ( k )
q
.
PR ( k ) =
1 PR ( k )
q = r +1
14
(24)
( Tm Tmr )( x, k ) CT ( r , k ) T0 ( x ) , ( x, k ) [ 0, l ] ;
(25)
( um ums )( x, k , k ) CU ( s , k ) U 0
+ CT ( r , k ) T0 ( x ) , ( x , k , k ) [ 0, l ] ;
sendo
r +1
PC ( k )
CT ( r , k ) =
;
1 PC ( k )
s +1
PR ( k )
.
C U ( s , k ) =
1 PR ( k )
(26)
( I + P ( ))
C
Eqs. (25) e (26) obtm-se as cotas inferior e superior, para aproximao numrica da ksima realizao, dos processos estocsticos de deslocamento e temperatura,
( x, k ) Tn ( x, k ) ( x, k ) , ( x, k ) [ 0, l ] ;
( x, k , k ) um ( x, k , k ) ( x, k , k ) , ( x, k , k ) [ 0, l ] ;
(27)
Estabelecimento de Cotas para as Estimativas dos Momentos Estatsticos para o Problema ....
15
( , , , ) so definidas por,
( x , k ) = Tmr ( x, k ) + ( r , k ) T0 ( x ) ,
( x , k ) = Tmr ( x, k ) + ( r , k ) T0 ( x ) , ( x, k ) [ 0, l ]
( x, k , k ) = ums ( x, k , k ) + ( s, k ) U 0
+ ( r , k ) T0 ( x ) ,
( x , k , k ) = ums ( x, k , k ) + ( s , k ) U 0
+ ( r , k ) T0 ( x ) , ( r , s , k , k ) [ 0, l ] ;
(28)
( r , k ) = ( r , k ) ;
( s , k ) = ( s , k ) ;
( r , k ) = CT ( r , k ) ;
s, = C s, .
U(
k)
( k)
(29)
sendo
Com essas funes, Eq. (27), possvel obter as cotas inferiores e superiores das
estimativas para valor esperado e correlao dos processos estocsticos de temperatura e
deslocamento, a partir do conjunto de realizaes das cotas inferior e superior.
A determinao dos coeficientes " " e " " , Eq. (29), para cada realizao, exige
o clculo de
inviabilizar o uso dessa proposta. Neste trabalho, para contornar essa dificuldade,
recorre-se a equivalncia entre as normas de matrizes, Golub & Van Loan (2012),
c P
P C P ,
(30)
Estabelecimento de Cotas para as Estimativas dos Momentos Estatsticos para o Problema ....
16
n +1
m . PC ( k ) 1
1 ( n, k ) =
;
1 m . PC ( k ) 1
n +1
PC ( k ) 2
2 ( n, k ) =
;
1 PC ( k ) 2
n +1
m . PC ( k )
;
3 ( n, k ) =
1 m . PC ( k )
n +1
PC ( k ) F
;
4 ( n, k ) =
1
P
(
)
k
C
n +1
m. max pCij ( k )
i, j
( n, ) =
;
5
k
1
m.
max
p
(
)
k
Cij
i,j
})
})
n +1
m . PR ( k ) 1
1 ( n, k ) =
;
1 m . PR ( k ) 1
n +1
PR ( k ) 2
2 ( n, k ) =
;
1 PR ( k ) 2
n +1
m . PR ( k )
(31)
;
3 ( n , k ) =
1 m . PR ( k )
n +1
PR ( k ) F
;
4 ( n, k ) =
1
P
(
)
R
k
n +1
m. max pRij ( k )
i,j
( n, ) =
;
5
k
m.
max
p
(
)
Rij
k
i,j
})
})
sendo que
PC ( k ) 1 = max pCij ( k ) ;
1 j m
i =1
pCij ( k ) ;
PC ( k ) = max
1 i m
j =1
m m
2
P ( ) =
pCij ( k ) ;
C
k
F
i =1 j =1
PR ( k ) 1 = max pRij ( k ) ;
1 j m
i =1
pRij ( k ) ; (32)
PR ( k ) = max
1 i m
j =1
m m
2
P ( ) =
pRij ( k ) .
R
k
F
i =1 j =1
< 1.
Estabelecimento de Cotas para as Estimativas dos Momentos Estatsticos para o Problema ....
6.
17
j =1
N
j =1
, x [0, l ]
N
1
=
x
(
)
um ( ) N um x, ( j ) , ( j ) ,
i =1
N
1
=
x
(
)
(
)
Tn
N Tn x, ( j ) , x [ 0, l ] ;
i =1
N
( 2)
1
,
=
x
y
(
)
(
)
N 1 um x, ( j ) , ( j ) um y , ( j ) , ( j ) ,
um
j =1
N
2
( 2)
1
Tn x, ( j ) Tn y, ( j ) , ( x, y ) [ 0, l ] .
Tn ( x, y ) = ( N 1 )
j =1
) (
) (
(33)
i ( x ) Tn ( x ) i ( x ) ,
i ( x ) um ( x ) i ( x ) , x [ 0, l ] , i = 1, ...,5 ;
( 2)
( 2)
( 2)
i ( x, y ) Tn ( x, y ) i ( x, y ) ,
( 2)
2
( 2)
( 2)
i ( x, y ) um ( x, y ) i ( x, y ) , ( x, y ) [ 0, l ] , i = 1, ...,5.
(34)
Estabelecimento de Cotas para as Estimativas dos Momentos Estatsticos para o Problema ....
18
( i ,i )
, ( k )
(i ,i )
: 0, l ,
((k )i ,i )
(100% ) . 1 ( k ) ( x ) , x 0, l ;
u
,
T
(
)
m n
(k ) ( x ) =
( i ,i )
0,
x 0, l , i = 1, ...,5 ;
( )
{ }
(35)
k
(()i ,i )
(100% ) . 1 ( k ) ( x ) , x 0, l ;
(um ,Tn )
(k ) ( x ) =
(i ,i )
x 0, l , i = 1, ...,5 .
0,
( )
{ }
{ ( )}
j
randmicos,
{ ( )}
j
N
j =1
= {1 ( j ) , 2 ( j ) , 3 ( j ) , 4 ( j )}
N
j =1
j =1
(U (
Estabelecimento de Cotas para as Estimativas dos Momentos Estatsticos para o Problema ....
(
Tn
, T2n
(
randmicas, Tn
um
19
, u2m , em relao ao nmero de realizaes, (N), para variveis
x = 2l , com l = 1m ,
Figura 1: Convergence of Monte Carlo simulation results for the mean and
variance of mid-spam displacement ( x =
1
2
Observa-se nas Figs 1a e 1b, que para N 15, 000 realizaes, as estimativas para valor
esperado e varincia das variveis randmicas um
estabilizarem
nos
valores
( 12 , , )
apresentam a tendncia, de
um ( 12 ) 0.00863460207110418 m
u2m ( 12 ) 2.03524066011372 10 7 m 2 , respectivamente.
7.
Resultados Numricos
Estabelecimento de Cotas para as Estimativas dos Momentos Estatsticos para o Problema ....
20
q ( x ) = 50 kW.m, x ( 0,1) .
(36)
(l = 1 m ) ;
engastada nas
f ( x)
q ( x)
( x ) = 250 kW mK , x [ 0,1] ;
1
EA ( x ) = 10 , x [ 0,1] ;
1
( x ) = 10 , x [ 0,1] .
(37)
Estabelecimento de Cotas para as Estimativas dos Momentos Estatsticos para o Problema ....
21
a)
EA ( x, ( ) ) = EA + (
3
2
( k4x ) +
2.k
( ) sin ( k 4x ) ,
(38)
Estabelecimento de Cotas para as Estimativas dos Momentos Estatsticos para o Problema ....
22
Estabelecimento de Cotas para as Estimativas dos Momentos Estatsticos para o Problema ....
23
mx
x[ 0,1]
( x)
}%
( 107 ) %
mx ( x ) %
x[0,1]
( 107 ) %
n=0
21.376641981258
21.373505564049
20.8641793659111
20.432999912677
n=1
4.8426006707301
3.9089626093706
3.90896260937064
3.9089626093706
n=0
9.1602776186399
9.1566538674697
8.60358798967606
8.2161482160989
0.3935837813525
0.393583781352569
0.3935837813525
2
n=1
1.3272218427113
n=0
20.147182045325
20.143996582624
19.6302684051304
19.203490931252
n=1
4.4101538187991
3.4765157574408
3.47651575744081
3.4765157574408
n=0
13.011962790467
13.008492690329
12.4692174519237
12.067987038957
n=1
2.2876171624128
1.3539791010550
1.35397910105506
1.3539791010550
n=0
25.397922645337
25.394946644645
24.9000183084938
24.454440993273
n=1
6.8925102542441
5.9588721928854
5.95887219288547
5.9588721928854
mx ( 2) ( x) %
x[0,1]
i
(2) ( 107 ) %
mx ( 2 ) ( x ) %
x[0 ,1]
(2) ( 107 ) %
n=0
37.081563811368
37.069940729798
46.4299932763907
45.756212384637
n=1
9.2513852286976
9.2449949210784
8.80652854150028
8.0888113292324
n=0
17.664604039865
17.649394010035
17.3090127747284
16.769229335595
n=1
2.6400606545767
2.6324881720284
1.47959804281452
0.7760429863682
n=0
35.262203886142
35.250244709251
43.3638269045107
42.704154691749
n=1
8.4507182779713
8.444194588629
7.89082593054284
7.1746868377654
n=0
24.056554641698
24.042525414504
26.2192420780234
25.638459062547
n=1
4.4776555447964
4.4704254596371
3.44971098949154
2.7427176030510
n=0
41.254493957511
41.243641752284
58.2450439965844
57.516897213540
n=1
12.529144976908
12.523374151606
13.6581286827352
12.930982466756
i/n
3
4
Estabelecimento de Cotas para as Estimativas dos Momentos Estatsticos para o Problema ....
b)
24
( x, ( ) ) = +
k =1
2.k 1
2.k
(39)
Estabelecimento de Cotas para as Estimativas dos Momentos Estatsticos para o Problema ....
25
mx
x[ 0,1]
( x)
}/
10 %
( 107 ) / 10
mx
x[ 0,1]
( x)
}/
10 %
( 107 ) / 10
n=0
5.965287275
3.06264025255
5.996997143
3.04079494917
n=1
1.2408067129
0.65210992163
1.272172078
0.63007532524
n=0
2.470117976
1.2793176518
2.5018263238
1.25747812163
n=1
0.231092134
0.1369211410
0.2624580774
0.11489609264
n=0
5.614841958
2.88382173696
5.6465513820
2.86199264287
n=1
1.117715320
0.58930338386
1.1490821849
0.56727622599
n=0
3.576681006
1.84390924751
3.6083905197
1.82207937626
n=1
0.506273856
0.27733393359
0.5376409539
0.25530133562
n=0
7.122282219
3.6529597124
7.1539917545
3.63112961920
n=1
1.824845496
0.9500960018
1.8562125170
0.92806184959
mx ( ) ( x ) .10 6 %
( 2) ( 107 ) .107 %
11.9939945975034
6.08158168269
i/n
n=0
1
mx ( 2) ( x ) .10 6 %
x[ 0,1]
i
11.930573495799
( ) ( 107 ) .10
2
6.1252893868157
x[ 0,1]
Estabelecimento de Cotas para as Estimativas dos Momentos Estatsticos para o Problema ....
26
n=1
2.4816110055780
1.3042086299819
2.54434617819044
1.26015109458
n=0
4.9402325341674
2.5586547325318
5.00365273659043
2.51494691738
n=1
0.4621820814953
0.2738492765885
0.52491733182336
0.22979196323
n=0
11.229682539415
5.7676776687998
11.2931035856079
5.72397085285
n=1
2.2354297524174
1.1786015496895
2.29816508046099
1.13454357020
n=0
7.1533608370089
3.6878445852650
7.21678135029436
3.64413610398
n=1
1.0125464022792
0.5546582082516
1.07528157489156
0.51059978467
n=0
14.244562474008
7.3059411853648
14.3079841752325
7.26223281510
n=1
3.6496900501781
1.9001895612547
3.71242554475515
1.85613280301
caso, em que se obtm as cotas com aproximao, via srie de Neumann com n=0, o
1
TMC
TSN
T1
T2
T3
T4
T5
n=0
874.90
138.14
692.44
157.03
249.97
291.63
n=1
864.41
172.88
180.65
624.29
194.49
228.81
360.17
n=0
962.12
144.31
728.09
213.80
227.87
282.97
n=1
940.43
138.29
182.86
649.34
205.72
188.08
229.37
Estabelecimento de Cotas para as Estimativas dos Momentos Estatsticos para o Problema ....
27
Nos exemplos apresentados, a proposio de cotas inferior e superior apresentouse como uma estratgia eficiente, para obter estimativas para o valor esperado e
correlao do processo estocstico de deslocamento. Nas definies das cotas foram
examinadas as diferentes propostas para o coeficiente " " , Eq. (29). A definio que
apresentou os menores valores numricos para as funes desvio relativo em valor
esperado e correlao, foi aquela em que o coeficiente " " calculado com a Eq.
(29b). Apesar disso, a que exige o maior tempo de computao. Portanto ao se
ponderar o tempo de computao e os valores numricos das funes desvios relativo
em valor esperado e correlao, Figs 3, 4 e Tabs 1 e 2, conclui-se que as cotas que
definidas pelas Eqs. (28c), (28d) e (29d), foram as que apresentaram maior eficincia,
para os exemplos apresentados neste trabalho.
8.
Concluses
, 2 , , max ,
) . Em vista disso, so
obtidas as realizaes das cotas inferior e superior, para cada um das definies
propostas nas Eqs. (28c), (28d), e (29). Para avaliar a estratgia proposta neste trabalho
so apresentados dois exemplos numricos, em que so utilizadas as diferentes
propostas de definio das cotas, na obteno das estimativas para valor esperado e
correlao das cotas inferior e superior. Para avaliar a metodologia compara-se o tempo
de computao, e o desvio relativo das estimativas de valor esperado e correlao do
Estabelecimento de Cotas para as Estimativas dos Momentos Estatsticos para o Problema ....
28
9.
Agradecimentos
Este trabalho faz parte da produo cientfica do autor principal, que aproveita
para agradecer ao Conselho Nacional de Pesquisa (CNPq), pela concesso de uma bolsa
de produtividade em pesquisa para o projeto, e recursos financeiros para aquisio de
equipamentos atravs do projeto Universal . Estes apoio, na forma de incentivos
financeiros, viabiliza a continuidade dos estudos avanados, nas reas de pesquisa e
ensino de engenharia, na rede pblica federal de ensino, brasileira, em nvel de
graduao e ps-graduao.
10.
Referencias Bibliogrficas
Babuska I; Tempone R, Zouraris GE. (2005) Solving elliptic boundary value problems
with uncertain coefficients by the finite element method: the stochastic
Estabelecimento de Cotas para as Estimativas dos Momentos Estatsticos para o Problema ....
29
Estabelecimento de Cotas para as Estimativas dos Momentos Estatsticos para o Problema ....
30
Li C.F., Feng Y.T., Owen D.R.J. (2006) Explicit solution to the stochastic system of
linear algebraic equations, Computer Methods in Applied Mechanics and
Engineering, v. 195, n. 4447, p. 6560-6576.
Rahman S., Xu H. A univariate dimension-reduction method for multi-dimensional
integration in stochastic mechanics Probabilistic Engineering Mechanics, v. 19, n.
4, October 2004, p. 393-408
Chakraborty S., Sarkar S. K., Analysis of a curved beam on uncertain elastic foundation
Finite Elements in Analysis and Design, v. 36, n. 1, 2000, p. 73-82.
Schevenels M., Lombaert G., Degrande G., Clouteau D. The wave propagation in a
beam on a random elastic foundation, Probabilistic Engineering Mechanics, v. 22,
n. 2, 2007, p. 150-158.
Rao MM, Swift JR. (2010), Probability Theory with Applications. Springer; 2nd ed.
Olsson AMJ, Sandberg GE. (2002) Latin Hypercube Sampling for Stochastic Finite
Element Analysis. Journal of Engineering Mechanics; v. 128, n. 1, p. 121-125.
Golub GH, Van Loan CF, (2012) Matrix Computations, Johns Hopkins Studies in the
Mathematical Sciences.
Yoshida K. (1978) Functional analysis Springer Berlin.