Escolar Documentos
Profissional Documentos
Cultura Documentos
Lista de conteúdo
3.7.1 Introdução
Juntamente com as características básicas de comportamento de cada unidade de solo, por exemplo,
comportamento drenado, não drenado ou parcialmente drenado, esses itens constituem os componentes
básicos de um modelo de solo. A distinção das unidades de solo geralmente é feita com base na
classificação litológica e geotécnica (areia, argila, material orgânico ou misturas, compactação e
consistência) e nas características básicas de resposta ao carregamento.
Embora a confiabilidade das fundações ou de outras estruturas em solos também seja controlada pelas
incertezas das cargas aplicadas e de outros materiais de construção (concreto ou aço), uma
característica das estruturas geotécnicas é o papel dominante das incertezas das propriedades do solo.
Este capítulo se concentra em modelos probabilísticos para levar em conta essas incertezas das
propriedades do solo.
Os parâmetros em uma análise geotécnica geralmente se referem às médias das propriedades contínuas
sobre alguma área de superfície ou algum volume; por exemplo, a resistência média ao cisalhamento
ao longo de uma superfície deslizante ou a rigidez média de um volume afetado pelo carregamento.
Portanto, as incertezas relevantes dos parâmetros do solo em uma análise geotécnica geralmente se
referem às incertezas de suas médias sobre as superfícies ou volumes afetados. A modelagem de
campo aleatória das variações "ponto a ponto" forma a base para a avaliação quantitativa das
incertezas dos parâmetros médios do solo.
Ambos os tipos de incertezas podem ser reduzidos à custa de pesquisas ou testes adicionais.
Considerando as propriedades contínuas do solo, o efeito de pesquisas e testes adicionais é a redução
do erro das estatísticas estimadas por meio da teoria da amostra estatística ou de abordagens
geoestatísticas.
Representação de campo
Um campo aleatório é um modelo concebível para caracterizar as flutuações espaciais contínuas de
uma propriedade do solo em uma unidade de solo. Nesse conceito, supõe-se que o valor real de uma
propriedade do solo em cada local dentro da unidade seja uma realização de uma variável aleatória.
Normalmente, os parâmetros do modelo de campo aleatório precisam ser determinados a partir de
apenas uma realização. Portanto, o modelo de campo aleatório deve satisfazer certas condições de
ergodicidade, pelo menos localmente.
A estacionariedade (ou homogeneidade) em um sentido estrito significa que toda a função de
densidade de probabilidade conjunta (jpdf) dos valores de propriedade do solo em um número
arbitrário de locais dentro da unidade de solo é invariável sob uma translação comum arbitrária dos
locais. Um critério mais relaxado é que o valor médio esperado e a variação da propriedade do solo
sejam constantes em toda a unidade de solo e que a covariância dos valores de propriedade do solo em
dois locais seja uma função da distância de separação, ou componentes de distância, apenas entre os
locais. Os campos aleatórios que satisfazem apenas os critérios relaxados são chamados de
estacionários em um sentido fraco.
Uma extensão direta do modelo de campo médio constante é que o valor médio esperado pode variar,
por exemplo, com a profundidade, refletindo uma tendência média. O modelo espacial, então, é o
seguinte:
em que x denota um vetor de coordenadas espaciais x = (x,y,z)T , p(x) o valor da propriedade do solo
no local x, mp (x) a tendência média e fp (x) um campo aleatório de média zero, (fracamente)
estacionário. Salvo indicação em contrário, na sequência x e y serão considerados coordenadas
horizontais e z, verticais.
Normalmente, a função de tendência média será escolhida como uma composição linear de funções de
forma, por exemplo, polinômios de baixo grau e coeficientes de tendência, ou seja mp (x) = aT F(z),
em que o vetor transposto aT = (a1 ,a2 , ...am ) representa os coeficientes de tendência e F(z) é um vetor
(F1 (z), F2 (z), ...Fm (z))T de funções de forma polinomial de grau ≤(m-1).
Em termos mais gerais, a função de tendência média pode ser uma função d o vetor de localização x,
em vez de apenas da coordenada de profundidade z. Nesse caso, as funções de forma polinomial
mudam de acordo com Fj (x) (j=1...m). Observe que um campo de média constante pode ser
considerado como um caso especial de um campo com tendência média e coeficientes de tendência
constantes. Nesse caso, o vetor do coeficiente de tendência é um escalar simples que é constante em
todo o campo e a função de forma correspondente F1 (x)=1. O conceito de estacionariedade (fraca)
pode ser estendido diretamente aos campos com tendência média. Esse campo é (fracamente)
estacionário quando os coeficientes de tendência são constantes em todo o campo e o campo centrado,
ou seja, com média zero, de flutuações aleatórias é (fracamente) estacionário.
Uma outra extensão diz respeito à dependência do local da variação de campo. Por exemplo, quando a
variação aumenta com a profundidade, de acordo com algum padrão especificamente assumido, a
representação do campo se transforma em:
em que a função de forma s(z) reflete o padrão de alteração do desvio padrão com a profundidade. Na
sequência, esse caso não será mais aprofundado.
JCSS-Cl 6
Propriedades do solo, versão revisada em
agosto de 2006
Para fins de modelagem de campo, pode-se presumir que as funções de forma parametrizadas
modelam a função de autocovariância normalizada. Essas funções de forma devem satisfazer
determinadas condições para serem admissíveis.
Separabilidade:
A estrutura de autocovariância de um campo aleatório é chamada de separável se a função de
autocovariância normalizada puder ser escrita como uma multiplicação de funções de autocovariância
normalizadas para cada uma das direções do campo, ou seja, ρfp (Δx,Δy,Δz)=ρfp;x (Δx) ρfp;y
(Δy) ρfp;z (Δz). A estrutura de autocovariância pode ser parcialmente separável, por exemplo, com
relação às dimensões horizontal e vertical, ou seja, ρfp (Δx,Δy,Δz)=ρfp;xy (Δx,Δy) ρfp;z(Δz).
Isotropia:
A estrutura de autocovariância é chamada de isotrópica se a autocovariância normalizada depender
apenas das distâncias euclidianas entre os pontos do campo, em vez dos componentes de distância
direcional do eixo, ou seja, ρfp (Δx,Δy,Δz)=ρ fp;i ((Δx2 +Δy2 +Δz )21/2 ). Além disso, a estrutura de
autocovariância pode ser parcialmente isotrópica, por exemplo, com relação às direções horizontais do
campo: ρfp (Δx,Δy,Δz)=ρ fp;i ((Δx2 +Δy )21/2 ,Δz).
A isotropia implica que a função de autocovariância é invariante à transformação ortonormal das coordenadas
do campo.
Ergodicidade:
Um conceito de modelagem importante com relação à inferência estatística de estatísticas de campo é
a ergodicidade. A ergodicidade implica estacionariedade. Um campo aleatório é ergódico (em um
sentido amplo) se cada um dos parâmetros estatísticos puder ser inferido a partir de uma única
realização do campo. Normalmente, não se está interessado em todas, mas apenas em algumas das
estatísticas do campo. O conceito de ergodicidade pode então ser definido com relação a esses
parâmetros. Por exemplo, a ergodicidade em relação ao valor médio esperado e a ergodicidade em
relação à estrutura de autocovariância.
Para ergodicidade com relação à média (no caso de campos com média constante) ou ergodicidade
com relação aos coeficientes de tendência média (no caso de os coeficientes de tendência média serem
constantes em todo o campo), isso implica que a função de autocovariância deve tender a zero para
uma defasagem grande, mas essa condição não é suficiente.
Definição positiva:
A variação de qualquer combinação linear finita de valores em qualquer local do campo deve ser
sempre positiva. Essa condição leva ao requisito de que a função de covariância deve ser definida
JCSS-Cl 7
Propriedades do solo, versão revisada em
agosto de 2006
positivamente. A verificação da definição positiva de uma função de autocovariância parametrizada
pode ser feita usando as transformações de Fourier, mas o procedimento é difícil e, portanto, na
prática, esse requisito geralmente é atendido por
JCSS-Cl 8
Propriedades do solo, versão revisada em
agosto de 2006
selecionando a função dentre uma das listadas abaixo (todas demonstraram ser definidas
positivamente).
Campos unidimensionais
A Tabela 3.7.3.1 mostra alguns tipos admissíveis de funções de autocovariância (normalizadas), conforme
sugerido na literatura geotécnica e geohidrológica, em uma representação unidimensional.
Função de autocovariância
Tipo normalizada:
ρfp (τ) = Cfp (τ)/Cfp (0)
1. Exponencial τ
exp( - )
D
2. τ
Exponencial, exp( - )cos(bτ )
oscilatório D
3. τ
Exponencial
exp( -( )2 )
quadrática D
(Gaussiano)
4 τ
Exponencia
exp( -( )2 ) J (bτ )
0
l quadrática D
oscilatório
5. Nota τ
bilinear: (1 - ) para τ ≤
aplicabilidade DD
restrito a campos 1-
D 0para τ > D
Observações:
J0 (.) é a função de Bessel de primeiro tipo e ordem zero
D e b são parâmetros de correlação
0.8
5
0.6
2
ρ(τ)
0.4
1
0.2
0 3+4
0.2 0 1 2 3 4 5
τ
Figura 3.7.3.1: Funções de covariância normalizadas admissíveis da tabela 3.7.3.1.
Campos de 2 e 3 dimensões
Com base nos tipos da tabela 3.7.3.1, as funções de autocovariância normalizadas admissíveis para
campos de 2 ou 3 dimensões podem ser derivadas, por exemplo:
Exponencial:
Δx Δy Δz
ρf ( Δ�,Δ�,Δ�) = exp( - - - ) (3.7.3.3)
p
Dx Dy Dz
ρ Δx2 + Δy2 Δz
fp
( Δ�,Δ�,Δz) = exp( - - ) (3.7.3.4)
Dh Dz
Gaussiano
:
Δx Δz
ρ f (Δx, Δy, Δ�) = exp( -( )2 - ( Δy )2 - ( )2 ) (3.7.3.5)
p
Dx Dy Dz
Δx2 + Δy2 Δz
ρ f ( Δ�,Δ�,Δ�) = exp( -( )2 - ( )2 ) (3.7.3.6)
p
Dh Dz
Observe que a função de autocovariância bilinear (Tipo 5 na tabela 3.7.3.1) não é admissível para campos de
2 e 3 dimensões, pois não atende ao critério de definição positiva.
JCSS-Cl 10
Propriedades do solo, versão revisada em
agosto de 2006
3.7.3.2 Escala de flutuação
A escala de flutuação (ou raio de correlação) para um campo unidimensional de valor real é definida como,
por exemplo, [Vanmarcke 1979]:
δ = 2∫ ρfp (τ ) (3.7.3.7)
dτ
0
A Tabela 3.7.3.2 mostra a relação entre a escala de flutuação e os parâmetros de correlação para os tipos de
função de covariância normalizada na Tabela 3.7.3.1.
Escala de flutuação δ
Tipo
1. δ =2D
2. 2D
δ =
1 + b2 D2
3. δ =D π
4 δ = D π exp( - 1 b 2 D2 ) I0 ( 1 b 2 D2 )
8 8
5. δ =D
Observações:
I0 ()é a função de Bessel de primeira espécie e ordem zero
Em termos mais gerais, a escala de flutuação δ é definida como o raio de uma função de covariância
normalizada equivalente a uma "etapa unitária", ou seja, ρ(τ)=1 para τ≤δ e =0 para τ>δ , sendo
τ o atraso euclidiano, que contém o mesmo volume α de correlação que a função de covariância
normalizada para o campo dimensional n (=1,2,3).
∞∞ ∞
∞∞
α 2 = 22 ∫ ∫ f p (τ 1 ,τ ) dτ dτ
ρ 2 1 2
(3.7.3.7b)
00
α
δ eq = 2
π
No caso de um campo isotrópico bidimensional ( τ12 =1 √ 2
(τ2 +τ )2
∞
α 2 = 2π ∫τ 12 ρ fp (τ 12 ) dτ 12 (3.7.3.7c)
0
α2
δ2 =
π
∫τ
2
α3 = 2π2 123 ρf ( τ p
) 123
0
123
dτ (3.7.3.7d)
δ3 = 3
JCSS-Cl 11
Propriedades do solo, versão revisada em
agosto de 2006
3
α3
4π
JCSS-Cl 12
Propriedades do solo, versão revisada em
agosto de 2006
O raio de correlação pode ser interpretado como uma medida escalar, refletindo a extensão espacial
média do campo em que a correlação forte está presente.
Considere uma propriedade do solo, cf. eq. (3.7.3.1), na qual mp (x) é uma constante mp . Sua média
em uma superfície plana vertical (plano x,z) com altura h e largura b é lida:
1 bh 1 bh
Ibh ( p) = ∫∫ p( x ) dxdz = ∫∫(m p + f p ( x )) dxdz (3.7.3.8)
bh 0
bh 00 0
σ f2 b b h hh
= p
∫∫∫∫ (x - ξ , z - η )
b 2 h2 dxdξdzdη (3.7.3.9)
ρ fp
0000
τ 1 τ 2
4σ2 bh (1
- - )(1 ρ ) (τ ,τ ) dτ dτ
fp
=
bh ∫∫
00
b h fp 1 2 1 2
= σ2 f 2 Γ(b,h)
p
Se a função de covariância normalizada for do tipo separável, então a eq. (3.7.3.9) pode ser escrita como:
2 2 b
τ
Γ(b) =
b ∫(1 - b ) ρf p (τ ) (3.7.3.11)
0 dτ
JCSS-Cl 13
Propriedades do solo, versão revisada em
agosto de 2006
Para b grande comparado ao raio de correlação α1 , a equação (3.7.3.11) tende a:
2 α1
Γ (b) ≈ (3.7.3.12)
b
Expressões semelhantes são válidas para Γ2 (h). A Figura (3.7.3.2) mostra os fatores de redução de
variância para as funções de covariância normalizadas da Tabela 3.7.3.1.
1
3
aproximação (3.7.3.13)
2
0.5
(b)
Γ
2
0
0 2 4 6 8 10
b
Figura 3.7.3.2: Fatores de redução de variância para funções de covariância normalizadas da
tabela 3.7.3.1
Estimativas realistas de b/Dh para superfícies de deslizamento em diques ou aterros de estradas variam
na ordem de 0,5 a 2, de modo que a redução da variação devido à média em uma direção horizontal
pode variar entre 0,95 e 0,4.
Estimativas realistas de h/Dv para possíveis modos de deslizamento em diques ou aterros de estradas
em solo macio variam de 5 a mais. Na Figura 3.7.3.2, pode-se observar que a média na direção vertical
reduz significativamente as variações das flutuações espaciais.
De modo geral, o fator de redução da variância para o cálculo da média em uma, duas ou três dimensões
pode ser aproximado como:
1 2 3
2 Γ(L1 L 2L 3 ) = Γ2 ) Γ2 (L ) Γ2 (L ) (3.7.3.14)
(L
Abordagem numérica
Em geral, as superfícies ou volumes de cálculo da média podem não ser paralelos aos eixos de
coordenadas. Uma abordagem aproximada, conforme sugerido por [Vanmarcke, 1977], é avaliar as
dimensões médias pela projeção ortogonal da superfície ou do volume médio nos eixos de coordenadas
e prosseguir com a aproximação (3.7.3.13) ou (3.7.3.14) para as dimensões projetadas. Essa é uma
abordagem razoavelmente boa para médias sobre volumes. Entretanto, uma abordagem mais
sofisticada é desejável para médias sobre superfícies (por exemplo, superfícies de falha em análises de
equilíbrio de estado limite), conforme descrito por Rackwitz [Rackwitz, 2000]. Para
JCSS-Cl 14
Propriedades do solo, versão revisada em
agosto de 2006
para que as integrais de superfície de propósito precisem ser calculadas. Por exemplo, suponha que a
superfície S tenha a seguinte representação paramétrica:
1
I S (p) (m p+ f ( px) ) dS( x)
A(S) ∫S
(3.7.3.16)
=
onde A(S) é a área da superfície S. O valor médio esperado E[IS (p)] = mp e a variação é igual:
σ 2f
var(I (p))
p
∫∫ ( x - ζ ) dS( x ) dS( ζ )
S
= A(S)2 p
ρ f
S( x ) S( ζ )
σ 2f
= A(S)p 2 ∫∫ f
(x - η, y - ξ , h(x, y) - h(η,ξ (3.7.3.17)
ρ p
))...
B(x,y) B( η ,ξ )
⎞2
⎞2
∂h(x, y) + ⎛⎜ ∂h(x, y) ⎛ ∂h(η,ξ ) ⎛ ∂h(η,ξ )
... 1 + ⎛⎜ ⎟ ⎟ 1 + ⎞⎜2 ⎟ + ⎜ ⎞2 ⎟ dx dy dη dξ
⎝ ∂x ⎠ ⎝ ∂y ⎠ ⎝ ∂η ⎠ ⎝ ∂ ⎠
ξ
As covariâncias das médias das propriedades do solo ao longo de diferentes superfícies Sj e Sk podem ser
expressas como:
cov(I (p),
I (p)) = σ f2
p
ρ (x - η , y - ξ ,h (x, y) - h (η,ξ ))
Sj Sk
A(S )A(Sk )
∫ ∫ fp j k
B j (x,y) Bk ( η ,ξ
j )
(3.7.3.18)
⎞2 ⎞2 ⎞2 ⎞2
⎛ ∂h j ⎛ ∂h ⎛ ∂h ⎛ ∂h
... 1 + ⎜ ⎟ +⎜ j⎟ 1 + ⎜ k ⎟ + ⎜ k ⎟ dx dy dη dξ
⎝ ∂x ⎠⎝ ∂y ⎝ ∂η ⎠ ⎝ ∂ξ
⎠ ⎠
A área da superfície S resulta da integração:
⎞2 ⎞2
∂h ⎛ ∂h
A(S) = 1 + ⎛⎜ ⎟ + ⎜ ⎟ dx dy (3.7.3.19)
∫
B ⎝ ∂x⎠ ⎝ ∂y ⎠
Simplificações substanciais das expressões integrais são possíveis no caso de superfícies planas, no
caso de campos separáveis e se a superfície for paralela a um dos eixos de coordenadas. No entanto,
JCSS-Cl 15
Propriedades do solo, versão revisada em
agosto de 2006
será difícil encontrar soluções analíticas e as integrações terão de ser realizadas numericamente.
JCSS-Cl 16
Propriedades do solo, versão revisada em
agosto de 2006
Os fatores de redução de variância decorrem de:
var(I S (
Γ 2 (S) = (3.7.3.20)
p)) σ2
fp
As propriedades do solo dependem muito do tipo de solo, das condições de deposição e do histórico de
carga. Portanto, as diferentes propriedades do solo de uma unidade de solo podem estar fortemente
correlacionadas, por exemplo, parâmetros de compressão ou resistência ao cisalhamento e parâmetros
de deformação. Por outro lado, as estimativas de diferentes parâmetros do solo podem ser derivadas de
um conjunto comum de dados de teste in situ ou de laboratório. Isso pode implicar uma correlação
positiva ou negativa entre essas estimativas de parâmetros, o que se deve puramente ao processamento
numérico dos dados de teste. A correlação deve ser levada em conta no modelo de campo estocástico.
Para esse fim, a representação do modelo de campo das seções anteriores pode ser estendida, no
sentido de que a variável de campo é um vetor de propriedades do solo:
[
= covij ( Δ x
j =1...n
i=1...n
em que C(0) é a matriz de variâncias e covariâncias das propriedades do solo em algum local
específico e ρ(Δx) é uma função de covariância automática normalizada dependente da distância de
separação. A matriz C(0) é igual a:
Em que σp é o vetor de desvios padrão de p e ρij (i≠ j) são correlações cruzadas com defasagem
zero, que podem ser estabelecidas a partir de diagramas de dispersão. Essa forma implica que todas as
propriedades do solo, contidas no vetor p, têm a mesma estrutura de correlação espacial. Com base em
observações e considerações geológicas, essa parece ser uma aproximação razoável.
JCSS-Cl 17
Propriedades do solo, versão revisada em
agosto de 2006
As constantes que caracterizam a tendência do valor médio, bem como as estatísticas de campo do
campo aleatório, devem ser inferidas a partir da análise estatística das observações de campo (medições
in situ ou testes de laboratório). Suponha que um conjunto de observações do valor de campo em locais
de amostra {x1 , x2 , ...xn } esteja disponível. O conjunto de valores observados é denotado como vetor
P =(P1 , P2 , ...Pn )T onde Pi = p(xi ). Suponha que alguma escolha inicial da função de autocovariância
normalizada tenha sido avaliada: r(Δx ;D), em que D é uma notação simbólica para os parâmetros de
correlação escolhidos. Suponha que as observações estejam sujeitas a uma tendência na direção da
profundidade, ou seja, o valor médio muda gradualmente com a profundidade. Então, a estimativa do
coeficiente de tendência pode
1
σˆ 2f = ( P - Eaˆ R−1 ( P - Eaˆ (3.7.4.3)
p
n - m )T )
Essas estimativas são condicionais à escolha dos parâmetros de correlação D e, é claro, à escolha do
tipo de função de covariância normalizada. Supondo que o campo de flutuação seja normalmente
distribuído, as estimativas dos parâmetros de correlação com base nos resultados da amostra podem
ser obtidas a partir da expressão de probabilidade:
n
exp( - 12 (n - m)) (n - m)
L f ( P; D ) n 2 n
(3.7.4.4)
p
= (2π det(R) ( PT (R−1 - R−1 F(FT R−1 F)−1 FT R−1 )P )
2
)2
seja por estimativa de máxima verossimilhança ou na estrutura de uma análise bayesiana, assumindo
uma distribuição prévia vaga dos parâmetros de correlação.
A partir da matriz de covariância eq. (3.7.4.2), é possível obter estimativas de incerteza com relação aos
valores médios do campo. O valor médio esperado em qualquer ponto de campo arbitrário x =(x,y,z)T , que se
lê:
m p( x ) = F(z) (3.7.4.5)
aˆ T
e sua variação: