Análises de sensibilidade aplicadas à modelagem de problemas de fluxo em meios porosos e estabilidade de taludes para quantificação de incertezas

Abstract

Este trabalho apresenta um conjunto de técnicas estatísticas básicas aplicadas à modelagem de problemas de fluxo em meios porosos fraturados e de estabilidade de taludes, com o objetivo de identificar as variáveis explicativas mais influentes sobre a variabilidade das variáveis resposta. Diferentes planejamentos de experimentos foram utilizados para possibilitar a construção de metamodelos polinomiais representativos dos fenômenos estudados. Uma modificação do planejamento do tipo Box-Behnken é apresentada e foi proposta pelo autor para analisar problemas que envolvem elevado número de variáveis explicativas (e.g. 30). Os metamodelos, obtidos via método dos mínimos quadrados, são também chamados de superfícies de resposta ou modelos de regressão e são indispensáveis à verificação da sensibilidade das variáveis explicativas. O conjunto de técnicas mostrou- se muito eficaz na identificação das variáveis explicativas que provocaram efeitos mais significativos sobre a variável resposta. Evidenciou-se também, por meio dos exemplos de estabilidade de taludes tratados, a possibilidade de se quantificar incertezas com o uso de metamodelos suficientemente adequados, uma opção que pode ser bastante útil no processo de quantificação de incertezas de problemas que não possuem soluções analíticas simples.

This paper presents a set of basic statistical techniques applied to the modeling of flow problems in fractured porous and slope stability media, aiming to identify the most influential explanatory variables on the response variables variability. Different designs of experiments were used to enable the construction of polynomial metamodels representative of the studied phenomena. A Box-Behnken type design modification is presented and was proposed by the author to analyze problems involving high number of explanatory variables (e.g. 30). The metamodels, obtained by the least squares method, are also called response surfaces or regression models and are indispensable for verifying the sensitivity of the explanatory variables. The set of techniques was very effective in identifying the explanatory variables that had the most significant effects on the response variable. It was also evidenced, through the examples of stability of treated slopes, the possibility of quantifying uncertainties using sufficiently adequate metamodels, an option that can be very useful in the process of quantifying uncertainty of problems that do not have simple analytical solutions.