XIX Congresso Brasileiro de Mecânica dos Solos e Engenharia Geotécnica

Geotecnia e Desenvolvimento Urbano

COBRAMSEG 2018 – 28 de Agosto a 01 de Setembro, Salvador, Bahia, Brasil
©ABMS, 2018

Confiabilidade Estrutural de uma barragem de terra antiga

Adrian T. Siacara
Universidade de São Paulo, São Paulo, Brasil, adriantorricosiacara@gmail.com

André T. Beck
Universidade de São Paulo, São Paulo, Brasil, atbeck@sc.usp.br

Marcos M. Futai
Universidade de São Paulo, São Paulo, Brasil, futai@usp.br

RESUMO: Na engenharia geotécnica é considerado estável ou não os taludes de uma barragem a

partir do fator de segurança (FS). O FS pode ser determinado por diversos métodos a partir de
parâmetros determinísticos, em que as forças resistentes e desestabilizadoras são calculadas para
determinar um fator de segurança. Um tipo de abordagem mais recente na geotécnica é a utilização
de métodos probabilísticos onde é determinada uma probabilidade de falha da barragem (Pf) e a
confiabilidade estrutural (β). No presente estudo, são apresentados os resultados das análises
determinísticas e de confiabilidade de uma barragem de terra antiga de 50.0 metros de altitude em
três diferentes condições em que o reservatório pode estar tomando em conta a variabilidade das
propriedades do solo. Usando o programa computacional Seep/W é determinado o nível
piezométrico nas três condições estabelecidas numa análise determinística e utilizando o programa
Slope/W é realizada uma análise determinística e a análise de confiabilidade pela Simulação de
Monte Carlo para 100000 simulações.

PALAVRAS-CHAVE: Barragem, Simulação de Monte Carlo, confiabilidade, fluxo.

1 INTRODUÇÃO mesmo dentro de camadas homogêneas, devido

Na geotécnica e no caso especifico de barragens
de terra a variabilidade dos materiais e
incertezas em quanto à confiabilidade da
barragem são grandes (Cho, 2007). A
variabilidade inicia com a caraterização dos
materiais na hora de analisar os resultados dos
ensaios (eg. ensaios de campo, laboratório ou
geofísica), na determinação do caminho da água
tem na barragem (analise de fluxo) e na
determinação da estabilidade da barragem
(analise de estabilidade). É importante notar que
uma análise probabilística é mais adequada que
uma análise determinística produto de esta
variabilidade nos parâmetros resistentes dos
materiais e a variação que esta tem na
determinação da estabilidade da barragem.
É amplamente reconhecido que as
propriedades do solo variam espacialmente,
a processos deposicionais e pós-deposicionais
(DeGroot e Baecher, 1993; Phoon e Kulhawy,
1999a, 1999b; Jiang et al., 2017).
A inerente variabilidade espacial das
propriedades do solo é uma das principais
fontes de incertezas na engenharia geotécnica
que afeta significativamente a estabilidade dos
taludes (El-Ramly et al., 2002; Griffiths e
Fenton, 2004; Ji, 2017).
Os procedimentos de projeto baseados em
risco para analisar o papel das incertezas na
análise de segurança de barragens estão
recebendo importância crescente (Comitê
Internacional de Grandes Barragens - ICOLD
1999 e Bureau 2003).
A variabilidade na resistência do solo e
características de rigidez conduz a variabilidade
no FS pseudostática estimada que possa ser
abordada usando a abordagem probabilística.
XIX Congresso Brasileiro de Mecânica dos Solos e Engenharia Geotécnica
Geotecnia e Desenvolvimento Urbano
COBRAMSEG 2018 – 28 de Agosto a 01 de Setembro, Salvador, Bahia, Brasil
©ABMS, 2018
Na abordagem probabilística, a segurança de
uma determinada estrutura é avaliada em termos
de probabilidade de falha (pf) ou índice de
confiabilidade (β). Um valor de índice de
confiabilidade de 3.0 é aceitável para o nível de
desempenho acima da média e no caso das
principais estruturas, como as barragens, o valor
deveria estar perto de 5.0 (Corpo de
engenheiros do exército dos Estados Unidos -
USACE, 1997). Os métodos para avaliação do
índice de confiabilidade (β) estão disponíveis na
literatura (Baecher e Christian, 2003). No
presente estudo o mais importante é chamar a
atenção da metodologia probabilística na
avaliação de uma barragem de terra antiga.
2 OBJETIVOS
O presente trabalho tem como objetivo
apresentar a confiabilidade de uma barragem de
terra antiga com altura máxima de 50.0 m, a
barragem de terra com seção homogênea e com
filtro no pé.
Serão feitas análises de estabilidade de talude
da barragem, fluxo, confiabilidade e
sensibilidade na barragem para três diferentes
casos de estudo (mudanças no nível do
reservatório).
Os softwares utilizados para esses estudos
foram o SLOPE/W e SEEP/W da GeoStudio
vs2018 (Geo-Slope International, 2018) para os
estúdios determinísticos e de confiabilidade
estrutural da barragem de terra antiga.
3 ANALISE PROBABILISTICA
3.1 A função de densidade de probabilidade
Como é sabido, muitos conjuntos de dados
naturais seguem uma distribuição em forma de
sino e as medidas de muitas variáveis aleatórias
parecem vir de distribuições de frequência
populacional que são intimamente aproximadas
por uma função de densidade de probabilidade
normal. Isso também é verdade para muitas
propriedades do material de engenharia
geotécnica (Xia et al., 2015).
Na forma de equação, a função de densidade de
probabilidade normal é:
e − ( x− ) / 2
2 2
f (x ) = (1)
 2
Onde x é a variável de interesse, µ é a
média e σ é a desvio padrão. A partir da função
de densidade de probabilidade, SLOPE/W 2018
integra a área sob a função para estabelecer uma
função de distribuição cumulativa e a função de
distribuição cumulativa é invertida para formar
uma função de distribuição inversa ou uma
função de ponto percentual.
A função de distribuição inversa é
chamada de função de amostragem, uma vez
que é esta função que está no centro da
amostragem dos vários parâmetros estatísticos.
O eixo x abrange o intervalo de possíveis
números aleatórios. Assim, cada vez que um
número aleatório é obtido, o parâmetro é
"amostrado" usando esta função (Cho, 2007 and
Dou et al., 2014
3.2 A função de desempenho
Para executar a análise de confiabilidade de um
talude da barragem, o estado de falha e
segurança de um talude deve ser identificado
através da função de desempenho, g(X), onde X
é o vetor dos parâmetros de entrada. A função
de desempenho define as regiões seguras
(g(X)>0) e não seguras (g(X)<0) do talude,
enquanto a superfície do estado limite é g(X)=0
(Liang et. al., 1999). A probabilidade de falha
pode ser definida como:
Pf = P(g ( X )  0) (2)
A função de desempenho g(X) é
formulada, usando o método de Morgenstern
and Price (1965) como modelo de estabilidade,
como segue:
g ( X ) = FS( X ) − 1 (3)
XIX Congresso Brasileiro de Mecânica dos Solos e Engenharia Geotécnica
Geotecnia e Desenvolvimento Urbano
COBRAMSEG 2018 – 28 de Agosto a 01 de Setembro, Salvador, Bahia, Brasil
©ABMS, 2018
4 ANALISE DE CONFIABILIDADE
O método de Simulação de Monte Carlo (SMC)
é um procedimento computacional simples, mas
versátil que é adequado para um computador de
alta velocidade. Como o nome indica, as
técnicas de simulação de Monte Carlo
envolvem amostragem aleatória para simular
artificialmente um grande número de
experimentos para observar o resultado
(Melchers and Beck, 2018). Em geral, a
implementação do método envolve as seguintes
etapas:
•A seleção de um procedimento de solução
determinista, como o método de equilíbrio
limite (Morgenstern-Price) ou o método de
estímulo de elementos finitos;
•Parâmetros de entrada devem ser modeladas
de forma probabilística e a representação de sua
variabilidade em termos de um modelo de
distribuição;
•A conversão de qualquer função de
distribuição em uma função de amostragem, a
amostragem aleatória de novos parâmetros de
entrada e a determinação de novos fatores de
segurança.
•O cálculo da probabilidade de falha com
base no número de fatores de segurança
inferiores a 1.0 em relação ao número total de
superfícies de deslizamento convergentes.
Uma ou mais superfícies deslizantes mais
críticas são primeiro determinadas com base no
valor médio dos parâmetros de entrada usando
qualquer um dos métodos de equilíbrio de
limite e de esforço de elementos finitos. A
análise probabilística é então realizada nestas
superfícies de deslizamento críticas, levando em
consideração a variabilidade dos parâmetros de
entrada (Rackwitz, 2000).
O número de SMC (nsi) em uma análise
aumenta à medida que o número de entradas
variáveis aumenta ou a probabilidade de falha
esperada se torna menor. Não é incomum fazer
milhares de ensaios para alcançar um nível
aceitável de confiança em uma análise de
estabilidade probabilística de Monte Carlo
(Fenton e Groffiths, 2008).
Um fator de segurança é realmente um
índice que indica a estabilidade relativa de
talude. Não implica o nível real de risco do
talude, devido à variabilidade dos parâmetros de
entrada. Com uma análise probabilística, dois
índices úteis estão disponíveis para quantificar a
estabilidade ou o nível de risco do talude da
barragem. Esses dois índices são conhecidos
como a probabilidade de falha e o índice de
confiabilidade (Battacharya et al., 2003; Ducan
et al., 2014; Tang et al., 2017).
A probabilidade de falha é a
probabilidade de obter um fator de segurança
inferior a 1.0. A probabilidade de falha pode ser
interpretada pelo nível de confiança que pode
ser colocado em um design (Sivakumar Badu,
2010).
A interpretação pode ser relevante em
projetos onde o mesmo talude é construída
muitas vezes, enquanto a segunda interpretação
é mais relevante em projetos onde um
determinado projeto só é construído uma vez e
o projetista determina se a talude falha ou não.
No entanto, a probabilidade de falha é um bom
índice que mostra o nível de risco de
instabilidade (Baecher, 2003).
Os potenciais modos de falha de taludes
são em geral altamente correlacionados, uma
vez que passam através das massas de solo com
propriedades de solo espacialmente
correlacionadas (eg. Li et al., 2013 e Zheng et
al., 2016). Além disso, as consequências da
falha dos taludes associadas a diferentes modos
de falha são geralmente diferentes (eg. Huang
et al., 2013 e Zhu et al., 2015)
Ang e Tang (1975) descrevem que as
variáveis aleatórias podem ser compreendidas
como uma regra de correspondência que mapeia
eventos de um espaço amostral para a linha dos
reais. Sendo assim, uma variável aleatória pode
ser representada através de um valor real
associado a uma probabilidade de ocorrência.
Não existe uma relação direta entre o fator
determinista da segurança e a probabilidade de
falha. Em outras palavras, um talude com maior
fator de segurança pode não ser mais estável do
que um talude com menor fator de segurança.
XIX Congresso Brasileiro de Mecânica dos Solos e Engenharia Geotécnica
Geotecnia e Desenvolvimento Urbano
COBRAMSEG 2018 – 28 de Agosto a 01 de Setembro, Salvador, Bahia, Brasil
©ABMS, 2018
Outra maneira de ver o risco de
instabilidade é com o que é conhecido como
índice de confiabilidade (β). O β é definido em
termos de μ e σ dos fatores de teste de
segurança como mostrado na seguinte equação:
=
( − 1,0) (2)
 parâmetros de resistência ao cisalhamento
O índice β descreve a estabilidade pelo
número de desvios padrão que separam o fator
médio de segurança do seu valor de falha
definido de 1,0. Também pode ser considerado
como uma forma de normalizar o fator de
segurança em relação à sua incerteza.
A geração de números aleatórios são os
parâmetros de entrada gerados aleatoriamente
que são alimentados em um modelo
determinista. Em SLOPE/W, isso é feito usando
uma função de geração de números aleatórios.
Os números aleatórios gerados a partir da
função são distribuídos uniformemente com
valores entre 0 e 1.0. O número aleatório gerado
é usado para obter um novo valor de parâmetro
para a função de amostragem. A probabilidade
de falha (Zhang et al., 2016) pode ser avaliada
por:
Pf = (−  ) (4)
Onde Φ(.) é a probabilidade cumulativa
normal padrão.
5 ANÁLISE DE SENSIBILIDADE
Uma análise de sensibilidade é algo análoga a
uma análise probabilística. Em vez de
selecionar aleatoriamente os parâmetros estas
são selecionados de forma ordenada usando
uma função de Distribuição de Probabilidade
Uniforme. Todos os pontos fortes são
normalizados para um valor que varia entre 0,0
e 1.0. O ponto onde as duas curvas de
sensibilidade se cruzam é o fator determinista
de segurança ou o fator de segurança no ponto
médio das faixas para cada um dos parâmetros
de resistência (Antinoro et al., 2017 and Soltani
et al., 2017).
6 COEFICIENTE DE CORRELAÇÃO
Um coeficiente de correlação (ρXY) expressa a
força relativa da associação entre dois
parâmetros. Os testes de laboratório em uma
ampla variedade de solos mostram que os
coesão (c) e o ângulo de atrito (ϕ) são muitas
vezes correlacionados negativamente com os
ρXY variando de -0,72 a 0,35 (Javankhoshdel
and Bathurst, 2015; Zheng et al., 2016). A
correlação entre parâmetros de força pode afetar
a distribuição de probabilidade de um talude.
Os coeficientes de correlação sempre
cairão entre -1 e 1 (Rocquigny, 2012). Quando o
coeficiente de correlação for positivo, c e ϕ
estão correlacionados positivamente, o que
implica que maiores valores de c são mais
prováveis de ocorrer com valores maiores de ϕ.
Da mesma forma, quando o coeficiente de
correlação é negativo, c e ϕ estão negativamente
correlacionados e reflete a tendência de um
maior valor de c ocorrer com um menor valor
de ϕ. Um coeficiente de correlação zero implica
que c e ϕ são parâmetros independentes
(GeoStudio, 2018).
7 DEFINIÇÃO DO PROBLEMA
Realizaram-se algumas simplificações que
seguem a continuação para não tornar o
problema muito complexo: Os materiais são
homogêneos; a fundação em que esta a
barragem é de rocha impermeável tipo I de
acordo a classificação de Bieniawski 1989
(Vallejo et al., 2002); na análise de percolação
não foram utilizadas a variabilidade dos
materiais e foi realizada uma análise
determinística.
As condições geotécnicas dos materiais de
estudo foram obtidas a partir de Costas (2012),
Pinto (2006) e Rocscience (2017) e estão
apresentadas na Tabela 1 e 2. A geometria da
barragem foi determinada a partir da Figura 1,
que é uma barragem desenhada com critérios
geotécnicos de desenho, onde um dos passos a
seguir é fazer a análise de confiabilidade.
XIX Congresso Brasileiro de Mecânica dos Solos e Engenharia Geotécnica
Geotecnia e Desenvolvimento Urbano
COBRAMSEG 2018 – 28 de Agosto a 01 de Setembro, Salvador, Bahia, Brasil
©ABMS, 2018

Foi tomado em conta 3 casos de analise: As curvas de umidade volumétrica

1er caso é uma análise no mínimo minimorum, (VWC pelo ingles Volumetric Water Content) e
2do caso é uma análise na metade da permeabilidade (K) variando com a sucção
capacidade da barragem e a 3er caso é uma foram estimadas segundo o critério de Van
análise no máximo maximorum como é Genuchten (1980) dos materiais com
apresentada na Figura 1a. A barragem modelada comportamento saturado/não saturado. As
no programa Seep/W 2018 para o 2do caso de curvas estão apresentadas nas Figuras 2a e 2b,
análise é apresentada na Figura 1b. respectivamente.
O método utilizado para a análise de
estabilidade dos taludes da barragem é o
método de Morgenstern-Price que utiliza o a
método de equilíbrio limite com as forças
horizontais, verticais e os momentos de
equilíbrio (Bond et al., 2009 e Wu et al., 2013),
com os materiais já apresentados na Tabela 1.

Tabela 1. Parâmetros de entrada para análise de

estabilidade de taludes.
ϕ (°) c´ (kPa) γ (kN/m3) b
Material
µ σ µ σ µ σ
Corpo da
29.0 5.0 3.0 1.0 18.0 2.0 Figura 1. Geometria da barragem (a) A estudar (b)
barragem *
Modelada para o caso 2.
Filtro * 30.0 5.0 10.0 3.0 21.0 2.0
* Dado estimado da literatura Costas (2012) e Pinto
(2006). a b

Uma etapa previa antes da análise de

estabilidade dos taludes da barragem foi
necessária realizar a análise de percolação para
a determinação do nível freático na barragem de
terra. Para a análise de percolação foram
adotados os parâmetros dos materiais numa
abordagem determinística com base em Figura 2. Curva de (a) Umidade volumetrica (b)
literatura (Rocscience, 2017) apresentada na Permeabilidade variando com a sucção.
Tabela 2. O uso da abordagem determinística na
determinação das propriedades dos materiais na A modelagem da percolação foi realizada
analise de percolação foi para não tornar o no programa computacional Seep/W 2018 na
problema muito complexo. fase de operação da barragem numa análise
determinística e os resultados estão
Tabela 2. Parâmetros de entrada para análise de apresentadas nas Figuras 3 a 5. Nas Figuras 3a,
percolação. 4a e 5a indicam as equipotenciais e nas Figuras
VWC Cc (10- Ksat Tipo de 3b, 4b e 5b as linhas de fluxo da barragem.
Material
(m3/m3) 3
/kPa) (m/s) material As curvas de retenção de água, bem como
Rocha* 0.2 0.001 1.0 gravel as curvas de permeabilidade, dos materiais,
Corpo da permitem identificar o comportamento de cada
0.5 0.8 1xE-7 clay material e estimar o fluxo de água na
barragem*
Filtro* 0.4 0.01 1xE-1 gravel percolação. Os resultados da análise de fluxo
* Dado estimado da literatura Rocscience (2017). vão ser utilizados na análise de estabilidade.
XIX Congresso Brasileiro de Mecânica dos Solos e Engenharia Geotécnica
Geotecnia e Desenvolvimento Urbano
COBRAMSEG 2018 – 28 de Agosto a 01 de Setembro, Salvador, Bahia, Brasil
©ABMS, 2018
O comportamento da barragem na análise
de fluxo tem os seguintes materiais: o corpo da
barragem com características de material
argiloso (umidade volumétrica saturada alta,
alto valor de sucção de entrada de ar e taxa de
dessaturação mais baixa) e material drenante
com comportamento de areia grossa (baixo
valor de sucção de entrada de ar, taxa de
dessaturação alta e baixa sucção residual).
a
b reservatório, mas esta não tem efeito no caso 2
Figura 3. Análise de percolação da fase de operação para
o caso 1: (a) linhas equipotenciais e (b) linhas de fluxo.
a
b é maior no caso determinista e menor para as
Figura 4. Análise de percolação da fase de operação para
o caso 2: (a) linhas equipotenciais e (b) linhas de fluxo.
a
b comparação esta acorde ao Fator de segurança
Figura 5. Análise de percolação da fase de operação para
o caso 3: (a) linhas equipotenciais e (b) linhas de fluxo.
8 RESULTADOS DA ANÁLISE E
DISCUSSÃO
A partir de uma análise determinística e uma
análise probabilística para todos os casos de
estudo temos os seguintes resultados da SMC
para os diferentes números de simulações (nsi)
para os 3 casos de estudo (mudança do nível do
reservatório) como é apresentada na Tabela 3.
Pode-se ver que o Fator de Segurança da
análise de equilíbrio limite (FSeq) para o caso 1
foi de 1.364 e para o caso 2 ou 3 foi de 1.416. O
resultado apresentado diz que o FS para o caso
1 (Figura 6a) é mais crítico que no caso 2
(Figura 7a) ou 3 (Figura 8a) nos termos de
análise de equilíbrio limite pelo nível do
ou 3 porque esta não está presente na superfície
crítica de análise como é apresentada na Figura
7a e 8a.
Tem-se uma variação do Fator de
segurança determinista (FSeq) de 1.364 (Figura
6a) e o Fator de segurança simulado pelas
Simulações de Monte Carlo (FSsi) de 1.257
(Figura 6b) para o caso 1, do FSeq de 1.416
(Figura 7a e 8a) e o FSsi pelas Simulações de
Monte Carlo de 1.408 (Figura 7b e 8b) para o
caso 2 ou 3. Pode-se notar que o Fator de
segurança (FS) para os diferentes casos sempre
Simulações de Monte Carlo.
Das SMC apresentadas na Tabela 3 temos
que para o Caso 1 nos diferentes números de
simulações (nsi= 10, 100, 1000, 10000, 50000 e
100000) temos uma confiabilidade da barragem
(β) que oscila entre 1.419 a 1.257 e uma
probabilidade de falha (pf) de 10.0 a 14.0 %, no
caso 2 e 3 temos um β que oscila entre 1.938 a
1.495 e um pf quase 0.0 a 5.8%. Pode-se notar
que se tem uma confiabilidade da barragem (β)
maior no caso 2 ou 3 que no caso 1, esta
(FS) obtida nas anteriores análises já que no
caso 1 se tem um FS menor em comparação do
caso 2 ou 3. Esta comparação é mais numérica,
já que linha de falha da barragem é diferente na
abordagem determinística e a probabilística.
XIX Congresso Brasileiro de Mecânica dos Solos e Engenharia Geotécnica
Geotecnia e Desenvolvimento Urbano
COBRAMSEG 2018 – 28 de Agosto a 01 de Setembro, Salvador, Bahia, Brasil
©ABMS, 2018

Tabela 3. Resultados das Simulações de Monte Carlo Da Tabela 3 podemos ver que o Fator de
para os diferentes casos de estudo. segurança das simulações (FSsi) não varia para
Caso FSeq β Pf FSsi nenhum dos casos e é 1.257 para o caso 2 e
1 1.364 1.027 0.146 1.257 1.408 para o caso 2 e 3. Dos resultados
2 1.416 1.503 0.055 1.408 podemos ver que para o caso 1 a média (µ)
3 1.416 1.503 0.055 1.408 oscila de 1.264 a 1.265 e o desvio padrão (σ)
oscila de 0.186 a 0.260 para diferentes número
a de iterações e do caso 2 e 3 podemos ver que
para o caso 1 a média (µ) oscila de 1.421 a
1.441 e o desvio padrão (σ) oscila de 0.186 a
0.260 para diferentes número de iterações.
A partir das SMC temos as Figura 9 que
b
mostram a Função de Densidade de
Probabilidade em função do Fator de Segurança
e a Frequência. Os parâmetros da distribuição
assumida são obtidos a partir das estimativas
imparciais da média amostral e da variância,
Figura 6. Resultado do (a) Fator de segurança obtidas a partir do número de conjuntos de
determinística (b) Fator de segurança a partir da SMC dados medidos. Na Figura 10 mostra a Função
para o caso 1. de Distribuição de Probabilidade para 100000
simulações onde mostra que a falha acontece
a quando o FS é menor a 1 em função do Fator de
Segurança e a Probabilidade de Falha.

Figura 7. Resultado do (a) Fator de segurança

determinística (b) Fator de segurança a partir da SMC
para o caso 2.
Figura 9. Função de densidade de probabilidade de uma
a SMC para nsi=100000 para o caso 1.

Figura 8. Resultado do (a) Fator de segurança

determinística (b) Fator de segurança a partir da SMC Figura 10. Função de distribuição de probabilidade de
para o caso 3. uma SMC para nsi=100000 para o caso 1.
XIX Congresso Brasileiro de Mecânica dos Solos e Engenharia Geotécnica
Geotecnia e Desenvolvimento Urbano
COBRAMSEG 2018 – 28 de Agosto a 01 de Setembro, Salvador, Bahia, Brasil
©ABMS, 2018

Os valores do coeficiente de correlação

(ρXY) entre coesão (c) e ângulo de atrito interno
do solo (ϕ) são tomados como -0.25, -0.50 e -
0.75 (Baecher e Christian 2003), e os resultados
estão resumidos na Tabela 4. Pode-se notar que
a consideração de correlação entre os
parâmetros melhora marginalmente os valores
do índice de confiabilidade (β) e diminui a
probabilidade de falha (Pf) para os diferentes
casos de estudo. Figura 11. Análise de sensibilidade para o caso 1.

Tabela 4. Resultados das Simulações de Monte Carlo

com diferentes correlações entre a coesão e o ângulo de
atrito.

Confiabilidade
Caso FSeq
n=1*106 ρ=-0.25 ρ=-0.50 ρ=-0.75
1 1.364 1.027 1.0327 1.044 1.056
2 1.416 1.503 1.536 1.569 1.609
3 1.416 1.503 1.536 1.569 1.609 Figura 12. Análise de sensibilidade para o caso 2.

A quantificação da correlação entre duas

variáveis é importante na prática de engenharia,
particularmente na avaliação probabilística. No
entanto, dados de observação limitados obtidos
com frequência de testes de campo e/ou
laboratoriais não são suficientes para estimar
um coeficiente de correlação confiável entre
pares de propriedades geotécnicas (por
exemplo, Wang e Aladejare 2016). Portanto, é
difícil quantificar a correlação específica entre
as propriedades geotécnicas e isso continua
sendo um grande desafio na análise de
confiabilidade da engenharia geotécnica.
Na Figura 11, 12 e 13 temos a análise de
sensibilidade da barragem de terra estudada
para os 3 diferentes casos do nível do
reservatório. Das Figuras apresentadas podemos
ver que o ângulo de atrito do corpo da barragem
é o parâmetro que mais influência na
determinação do fator de segurança.
Nas mesmas Figuras podemos ver como
os diferentes materiais tem menos importância
em comparação com o ângulo de atrito do corpo
da barragem. Quando o rango de sensibilidade
das propriedades fica em zero é quando a
análise é determinista.
Figura 13. Análise de sensibilidade para o caso 3.
9 CONCLUSÃO
Este trabalho considerou problemas de
estabilidade de taludes com quantidades
incertas através de um procedimento numérico
baseado em SMC que consideram a
variabilidade espacial das propriedades do solo.
A continuação se tem as seguintes conclusões
do presente artigo:
1) O propósito das análises de estabilidade
determinística dos taludes da barragem é
conhecer a superfície de falha com o menor
fator de segurança e já na abordagem
probabilística é determinar a superfície mais
provável de falha que tem a estrutura com um
certo grau de confiabilidade;
XIX Congresso Brasileiro de Mecânica dos Solos e Engenharia Geotécnica
Geotecnia e Desenvolvimento Urbano
COBRAMSEG 2018 – 28 de Agosto a 01 de Setembro, Salvador, Bahia, Brasil
©ABMS, 2018
2) As superfícies críticas das análises
determinísticas podem não coincidir com
aquelas obtidas nas análises probabilísticas. Nos
projetos de engenharia o projetista geralmente
utiliza a abordagem determinística, porem a
maioria dos projetos de barragem o projetista
não está considerando a superfície com maior
probabilidade de escorregamento do talude.;
3) Os resultados dos fatores de segurança (FS)
obtidos de maneira determinística quase sempre
são menores que os FS obtidos
probabilisticamente o que leva a considerar que
muitas vezes temos taludes aceitáveis
deterministicamente e algumas vezes não se
mostram aceitáveis segundo os critérios de
probabilidade de falha;
4) Nas análises probabilísticas da barragem a
determinação da superfície crítica (maior
probabilidade de falha) depende fortemente das
incertezas associadas aos parâmetros de
resistência do solo. Assim, a realização de uma
análise de sensibilidade foi realizada
verificando que o ângulo de atrito da barragem
tem mais importância na análise de estabilidade
da barragem;
5) O método de SMC é usado para simular
operações complexas que possuem muitos
fatores aleatórios que interagem uns com os
outros. No presente estudo a SMC da barragem
modelada foi realizada com poucas simulações
tendo em conta o número de variáveis do
problema, mas foi possível evidenciar o custo
computacional que representa realizar um tipo
de análise probabilística em comparação de uma
análise determinística;
6) No presente estudo foram realizadas as SMC
com diferentes correlações (ρ=0.25, 0.5 e 0.75)
onde foi percebido que uma correlação entre a
coesão e o ângulo de atrito aumenta o índice de
confiabilidade da barragem. Por outra parte foi
percebido que quanto maior é a correlação entre
a coesão e o ângulo de atrito, menor é a
probabilidade de falha da barragem.
AGRADECIMENTOS
O autor agradece a Universidade Politécnica de
São Paulo (USP) pelos recursos para a pesquisa.
REFERÊNCIAS
Ang, H.S. A. e Tang, H.W. (1975). Probability concepts
in engineering planning and design. Illinois: John
Wiley and Sons, v. 1 e 2;
Antinoro, C.; Arnone, E. e Noto, L.V. (2017). The use of
soil water retention curve models in analyzing slope
stability in differently structured soils. Catena, v. 150,
p. 133–145.
Baecher, G.B., e Christian, J.T. (2003). Reliability and
statistics in geotechnical engineering, Wiley, New
York.
Bhattacharya, G.; Jana, D.; Ojha, S. e Chakraborty, S.
(2003). Direct search for minimum reliability index of
earth slopes. Computers and Geotechnics, v. 30, n. 6,
p. 455–462.
Bond, A.J.; Schuppener, B.; Scarpelli, G. e Orr, T.L.L.
(2009). Eurocode 7 geotechnical design.
Bureau, G.J. (2003). Dams and appurtenant facilities in
earthquake engineering, W.F. Chen and C. Scawthorn,
eds., CRS, Boca Raton, Fla.
Cho, S.E. (2007). Effects of spatial variability of soil
properties on slope stability. Engineering Geology, v.
92, n. 3–4, p. 97–109.
Costa, W.D. (2012). Geologia de Barragens. São Paulo:
Oficina de Textos.
Corpo de Engenheiros do Exercito dos Estados Unidos -
USACE. (1997). Risk-based analysis in geotechnical
engineering for support of planning studies,
engineering and design, Dept. of Army, USACE,
Washington, D.C., 20314–100.
Degroot, D.J. e Baecher, G.B. (1993). Estimating
autocovariance of in situ soil properties. J. Geotech.
Eng. 119 (1), 147–166.
Dou, H.; Han, T.; Gong, X.N.; Zhang, J. (2014).
Probabilistic slope stability analysis considering the
variability of hydraulic conductivity under rainfall
infiltration-redistribution conditions. Engineering
Geology, v. 183, p. 1–13.
Duncan, J.M.; Wright, S.G.; Brandon, T.L. (2014). Soil
Strength and Slope Stability.
El-Ramly, H.; Morgenstern, N.R. e Cruden, D.M. (2002).
Probabilistic slope stability analysis for practice. Can.
Geotech. J. 39 (3), 665–683.
Fenton, G.A.; Griffiths, D.V. (2008). Risk Assessment in
Geotechnical Engineering. John Wiley & Sons, Inc.
Geo-Slope International – Geostudio 2018 (2018).
(Version 8.16.4.14710) Copyright © 2018 – Calgary,
Alberta, Canadá – http://www.geo-slope.com, 2018.
Griffiths, D.V. e Fenton, G.A. (2004). Probabilistic slope
stability analysis by finite elements. J. Geotech.
Geoenviron. Eng. 130 (5), 507–518.
Huang. J.; Lyamin, A.V.; Griffiths, D.V.; Krabbenhoft,
K.; Sloan, S.W. Quantitative risk assessment of
landslide by limit analysis and random fields, Comput.
Geotech. 53 (2013) 60–67.
XIX Congresso Brasileiro de Mecânica dos Solos e Engenharia Geotécnica
Geotecnia e Desenvolvimento Urbano
COBRAMSEG 2018 – 28 de Agosto a 01 de Setembro, Salvador, Bahia, Brasil
©ABMS, 2018

International Committee on Large Dams - ICOLD. Systems and Geohazards, v. 11, n. 2, p. 161–172.
(1999). Bulletin on risk assessment: Risk assessment Van Genuchten, M. T. (1980). A Closed-form Equation
as an aid to dam safety manage- ment. Draft 24.08.99, for Predicting the Hydraulic Conductivity of
102. Unsaturated Soils1. Soil Science Society of America
Javankhoshdel, S.; Bathurst, R. (2015). Influence of Journal, v. 44, p. 892.
cross-correlation between soil parameters on Vallejo, L.I.G. de, Ferrer, M., Ortuño, L., and Oteo, C.
probability of failure of simple cohesive and c- φ (2002). Ingeniería Geológica. Madrid: Pearson
slopes. Canadian Geotechnical Journal, v. 6000, n. Educación.
November, p. 1–44. Wang, Y., and Aladejare, A.E. (2016). “Bayesian
Ji, J.; Zhang, C.; Gao, Y.; Kodikara, J. (2017). Effect of characterization of correlation between uniaxial
2D spatial variability on slope reliability: A simplified compressive strength and Young's modulus of rock.”
FORM analysis. Geoscience Frontiers, p. 1–9. Int. J. Rock Mech. Min. Sci., 85, 10-19.
Jiang, S. H.; Huang, J.; Yao, C.; Yang, J. (2017). Wu, Z.Y.; Li, Y.L.; Chen, J.K.; Zhang, H.; Pei, L. (2013).
Quantitative risk assessment of slope failure in 2-D A reliability-based approach to evaluating the
spatially variable soils by limit equilibrium method. stability of high rockfill dams using a nonlinear shear
Applied Mathematical Modelling, v. 47, n. March, p. strength criterion. Computers and Geotechnics, v. 51,
710–725. p. 42–49.
Li, L.; Wang, Y.; Cao, Z.J.; Chu, X.S. (2013). Risk de- Xia, Y.; Mahmoodian, M.; Li, C.; Zhou, A. Stochastic
aggregation and system reliability analysis of slope Method for Predicting Risk of Slope Failure
stability using representative slip surfaces. Comput. Subjected to Unsaturated Infiltration Flow. , v. 17, n.
Geotech. 53, 95–105. 8, p. 1–8, 2015.
Liang, R.Y.; Nusier, O.K. e Malkawi, A.H. (1999). A Zhang, L.; Peng, M.; Chang, D.; Xu, Y. (2016). Dam
reliability based approach for evaluating the slope Failure Mechanisms and Risk Assessment. This editi
stability of embankment dams. Engineering Geology, ed. 2016 John Wiley & Sons Singapore Pte. Ltd.
v. 54, p. 271–285. Registered..
Melchers, R.E.; Beck, T.A. (2018). Structural Reliability Zheng, D.; Li, D.Q.; Cao, Z.J.; Tang, X.S.; Phoon, K.K.
Analysis and Prediction. 3er Edition ed. Chichester, (2016). An analytical method for quantifying the
UK: John Wiley & Sons Ltd. correlation among slope failure modes in spatially
Morgenstern, N.R.; Price, V.E. (1965). The Analysis of variable soils. Bulletin of Engineering Geology and
The Stability of General Slip Surfaces. Géotechnique, the Environment, v. 76, n. 4, p. 1343–1352.
v. 18, n. 3, p. 393–394. Zhu, H.; Griffiths, D.V.; Fenton, G.A.; Zhang, L.M.
Pinto, C. DE S. (2006). Curso Básico de Mecânica dos Undrained failure mechanisms of slopes in random
Solos. 3rd ed. São Paulo: Oficina de Textos. soil, Eng. Geol. 191 (2015) 31–35.
Phoon, K.K. e Kulhawy, F.H. (1999a). Characterization
of geotechnical variability. Can. Geotech. J. 36 (4),
612–624.
Phoon, K.K. e KULHAWY, F.H. (1999b). Evaluation of
geotechnical property variability. Can. Geotech. J. 36
(4), 625–639.
Rackwitz, R. (2000). Reviewing probabilistic soils
modeling. Computers and Geotechnics 26, 199–223.
Rocquigny, E. DE. (2012). Modelling Under Risk and
Uncertainty. Chichester, UK: John Wiley & Sons, Ltd.
Rocscience. Settle3D Material Parameter Values.
Disponível em:
https://www.rocscience.com/help/settle3d/...files/Coef
ficients.xls. Acesso em: 02 novembro 2017.
Sivakumar badu, G. e Srivastava, A. (2010). Reliability
Analysis of Earth Dams. J. Geotech.
Soltani, A.; Azimi, M.; Deng, A.; Taheri, A. A (2017).
simplified method for determination of the soil–water
characteristic curve variables. International Journal of
Geotechnical Engineering, p. 1–10.
Tang, D.; Li, D.Q.; Cao, Z.J. (2017). Slope stability
analysis in the Three Gorges Reservoir Area
considering effect of antecedent rainfall. Georisk:
Assessment and Management of Risk for Engineered