Introdução

O presente trabalho debruça aquilo que é a análise estrutural e alguns dos seus subtemas.
Análise estrutural significa calcular os esforços solicitantes e os deslocamentos nos quais a
estrutura estará sujeita quando os carregamentos atuarem sobre ela.

Conclusão

Após várias pesquisas pudemos concluir que a análise estrutural é de muita importância.

Análise Estrutural

Análise estrutural consiste na obtenção e avaliação da resposta da estrutura perante as ações

que lhe foram aplicadas. Em outras palavras, significa calcular os esforços solicitantes e os
deslocamentos nos quais a estrutura estará sujeita quando os carregamentos atuarem sobre
ela.

Trata-se de uma das etapas mais importantes do processo de elaboração de um projeto

estrutural, pois todo o dimensionamento e detalhamento dos elementos estruturais, bem
como a avaliação do desempenho em serviço da estrutura, são realizados com os resultados
provenientes da análise estrutural.

Slide :

Modelo Estrutural

A análise estrutural realizada num computador usualmente é baseada na adoção de um

modelo estrutural que seja capaz de simular numericamente o comportamento da estrutura
real. Existem inúmeros modelos estruturais que podem ser empregados na análise de
edifícios de concreto. Alguns são mais complexos, outros mais simples. Alguns são mais
limitados, outros mais abrangentes.
1: Modelo estrutural no computador

2: Edifício de concreto na vida real

Alguns exemplos de modelos estruturais que podem ser adotados na análise de estruturas de
concreto são: vigas contínuas, lajes por processos simplificados (Czerny, Marcus, etc), pórtico
plano, grelha, pórtico espacial e elementos finitos.

Exemplo 2 modelos adequados : Além da capacidade de representar bem a estrutura real, os

modelos numéricos também necessitam ser simples e transparentes para que o Engenheiro
Estrutural possa efetuar uma análise estrutural segura e consistente.

Um diagrama de dispersão h (engl. h-scattergram ou h-scatterplot ) é um diagrama de

dispersão usado principalmente em geoestatística para mostrar a variabilidade espacial de
uma variável de medição dependente de localização ( georreferenciada )
A importância dos diagramas de dispersão h resulta de sua capacidade de mostrar
claramente desvios extremos de pares individuais de valores medidos em relação à sua
variabilidade espacial.

Sua comparação também revela a dependência direcional da semelhança ou dissimilaridade

dos valores medidos, ou seja, a distinção entre um comportamento isotrópico ou
anisotrópico da variável medida.

Eles também são, por meio das distâncias ortogonais ao quadrado de y=x , a base de um
semivariograma experimental no qual cada gráfico de dispersão h é representado por dois
valores.

Gráfico de dispersão cruzado h

Editar

Um gráfico de dispersão cross-h é um gráfico de dispersão que compara dois atributos

diferentes a e b , por exemplo B. as concentrações de diferentes substâncias. Forma-se de
forma análoga ao gráfico de dispersão h, mas com

z a (x i ) e z b ( x i +h) .

Para h=0 é um gráfico de dispersão comum entre dois conjuntos de dados.

A covariância é um cálculo estatístico que torna possível a comparação de dois grupos de

dados e, dessa forma, entender como eles se relacionam entre si. Transferindo isso para o
mundo dos investimentos, seria basicamente entender o que acontece com o preço do ativo
X quando o preço do ativo Y aumenta ou diminui
-Estrutura de covariância espacial de detecção de chuva, para os algoritmos de estimativa de
precipitação por satélite CMORPH, 3B42RT, HYDROE e GSMaP comparado com dados
observados para as estações chuvosas (2008/2009 e 2009/2010) e secas (2009 e 2010) sobre
a bacia dos rios Tocantins-Araguaia (esquerda e direita, respectivamente).

Função de covariância, ou simplesmente covariância, refere-se, no campo da geoestatística a

uma medição da continuidade espacial de dado fenómeno à semelhança do seu análogo
variograma. Pretende assim estudar a variabilidade de uma variável re-amostrando uma
população para conter apenas os pares de pontos que se encontrem a uma dada distância {\
displaystyle h}h. É utilizada especialmente em estudos onde se justifique um variograma
experimental (método gráfico que considera o valor de variograma ou semi-variograma para
várias distâncias) calculando a covariância directamente ou a partir do valor do variograma.

Definição

O estimador de covariância não centrada é dado pela média do produto de amostras que se
encontram à distância de h(Soares, 2006)[1]:

Para obter o estimador centrado precisamos subtrair o produto das médias das amostra que
se encontrem nos pares distânciados por h.

Onde:
A função covariância está directamente ligada com o variograma no qual sabendo que a
covariância centrada é dada por:

O variograma é uma ferramenta estatística de grande importância na geoestatística dado que

nos dá uma medida da continuidade espacial mas comecemos pela análise inicial aos
estatísticos básicos. Imaginemos que fazemos um histograma da amostragem da nossa horta
e que o resultado é o da Figura 10.

O variograma (2y( x , y)) é uma função que mede a variação do valor de uma variável em
relação às restantes da mesma amostragem. Embora seja, de facto, uma derivação da
medição de dispersão estatística variância é comumente utilizado em estatística espacial
devido a contextualizar esta medição com a dimensão espacial considerando, geralmente
mas não obrigatoriamente, a distância entre amostras e/ou a orientação delas.

https://pt.m.wikipedia.org/wiki/Variograma
a) Amplitude variográfica a (“range”) distância a partir da qual os valores do

variograma (ou da função covariância) permanecem essencialmente constantes.

b) Patamar C + C0 (“sill”) valor máximo do variograma para distâncias muito

grandes ()

γ∞ . É também o valor da função covariância para h = 0 ou, simplesmente, a

variância

2~

σ da variável aleatória.

C) Efeito pepita C0 - representa descontinuidades na origem causada por vários

fatores como erros de amostragem, erros de medida, microregionalizações da variável

estudada, etc.

De acordo com Garcia (1988) a relação E=C0/(C0+C), denominada de efeito

pepita relativo, expressa o grau de aleatoriedade do fenômeno regionalizado, sendo

classificado como:

E < 0.15, componente aleatória pequena

0.15<E<0.30, componente aleatória significativa

E>0.30, componente aleatória muito significativa

Na Figura 3-3, descrevem-se os parâmetros requeridos para o cálculo do

variograma. O “lag” ou distância (h) do variograma é um dado que se requer para a

determinação do variograma. Janela é a zona de influência do variograma direcional. O

número de intervalos ou “range” é o número total de intervalos utilizados no cálculo do

variograma.

Para a obtenção dos variogramas experimentais, os trabalhos tipicamente se

iniciam com a elaboração do variograma omnidirecional para o qual a tolerância

direcional é grande o suficiente para tornar a influência da direção do vetor posição

muito pequena. Com todas as possíveis direções combinadas em um único variograma,

somente o modulo de

h (distância h) é importante.

A construção do variograma omnidirecional, não implica em aceitar a hipótese de

que a continuidade espacial da variável investigada seja a mesma em todas as direções.

Sua utilidade advém basicamente das seguintes razões:

a) como os efeitos de direção não são considerados neste tipo de variograma, a

análise pode se concentrar na pesquisa das distâncias h, e em suas respectivas

tolerâncias, que produzam uma estrutura de clara interpretação.

b) se a estrutura obtida no variograma global for confusa, é pouco provável que

resultados melhores possam ser obtidos em variogramas direcionais construídos com

menor número de amostras. O comportamento verificado no variograma global, nesta

fase preliminar dos trabalhos, pode então indicar a presença de amostras com valores

erráticos no conjunto investigado ou que as amostras pertençam a zonas específicas que

contenham valores extremos da variável.

Uma vez obtidos os variogramas omnidirecionais, podese então explorar os

padrões de anisotropia (direções de máxima ou mínima continuidade) nos variogramas

direcionais. Esta etapa pode ser facilitada se alguma informação sobre os eixos de

anisotropia for conhecida a partir de observações em campo. Caso contrário, pode-se

recorrer à plotagem de mapas de isovalores ou, mais comumente, calcular-se

variogramas direcionais em várias direções e plotando-se na roseta de variogramas o

valor da distância, naquela direção, na qual determinado valor de)(

γh é atingido. No

caso que o corpo mineral ou geológico tiver uma direção de mergulho pré-determinada,

então o cálculo dos variogramas se realizara na direção do mergulho e também

perpendicularmente.
Os variogramas experimentais são calculados por meio da função variograma:

Esta expressão mostra que para uma dada distância h, a função variograma é igual à média
das diferenças ao quadrado. Portanto, se trata de uma função da variância espacial. Para
calcular um variograma experimental, deve-se definir uma direção e uma distância, para as
quais se deseja obter a função variograma. Estes são os dois parâmetros essenciais para o
cálculo de um variograma. A direção deve ser compatível com a estrutura geológica da área
em estudo. Entretanto, muitas vezes não se sabe a direção do fenômeno espacial subjacente

Os variogramas experimentais são calculados por meio da função variograma:

Esta expressão mostra que para uma dada distância h, a função variograma é igual à média
das diferenças ao quadrado. Portanto, se trata de uma função da variância espacial. Para
calcular um variograma experimental, deve-se definir uma direção e uma distância, para as
quais se deseja obter a função variograma. Estes são os dois parâmetros essenciais para o
cálculo de um variograma. A direção deve ser compatível com a estrutura geológica da área
em estudo. Entretanto, muitas vezes não se sabe a direção do fenômeno espacial subjacente.

Mapa Variograma:

Nesses casos, deve-se calcular o mapa variograma que permite determinar as direções
principais do fenômeno espacial em estudo. Para ilustrar o procedimento da rotina de mapa
variograma, vamos considerar a distribuição de uma variável geológica conforme a Figura 1,
que mostra uma certa orientação preferencial na direção NW.

Figura 1: Distribuição dos pontos de dados sobre a área de estudo.

Calculando os variogramas

Calculando o mapa variograma (Figura 2), pode-se verificar que existem duas direções 55º e
145º, que correspondem aos eixos de anisotropia do fenômeno espacial. A direção de maior
continuidade espacial é 145º e a de menor continuidade a de 55º. Com essa informação,
pode-se calcular os variogramas experimentais nestas duas direções (Figura 3).

Figura 2: Mapa variograma mostrando as direções de anisotropia do fenômeno espacial

Figura 3: Variogramas experimentais calculados nas direções de anisotropia.

Como se pode observar na Figura 3, os variogramas tendem a se estabilizar, ou seja,

apresentam patamares diferentes. Então, seria interessante definir as propriedades de um
variograma típico com patamar (Figura 4).
Figura 4: Propriedades de um variograma típico com patamar.

Essa figura mostra que o variograma tem um patamar em 25, amplitude em 25 e efeito
pepita igual a 5. A existência de efeito pepita configura um fenômeno espacial com
descontinuidade na origem.

Com esses elementos, pode-se concluir que na Figura 3, a função variograma é diferente para
cada uma das direções consideradas. Nestes casos, diz-se que o fenômeno apresenta
anisotropia. Com relação aos tipos de anisotropia, pode-se classificar em geométrica (duas
amplitudes e um patamar), zonal (uma amplitude e dois patamares) e mista (duas amplitudes
e dois patamares), conforme ilustração na Figura 5.

Figura 5: Classificação dos tipos de anisotropia de fenômenos espaciais.

O nosso variograma da Figura 3 provavelmente apresenta uma anisotropia mista. O

variograma experimental serve para se fazer o ajuste de um modelo teórico, que descreve
matematicamente a correlação espacial do fenômeno espacial. Com relação aos modelos
teóricos de variogramas, vamos considerar apenas seis, conforme a Figura 6. Estes modelos
respondem pela maioria dos casos de variação espacial encontrada na natureza.
Figura 6: Modelos teóricos de variogramas: A) esférico, exponencial e gaussiano; B) cúbico,
penta-esférico e efeito furo.

Assim, podemos passar ao ajuste de um modelo teórico ao nosso variograma da Figura 3. O

ajuste pode ser feito interativamente, por tentativa e erro, pela escolha do modelo teórico,
bem como os parâmetros de ajuste: número de estruturas, efeito pepita, variância espacial e
amplitude. O resultado desse ajuste se encontra na Figura 7..

Figura 7: Modelo de anisotropia mista ajustado aos variogramas experimentais da Figura 3.