An?lise de confiabilidade estrutural utilizando o m?todo de Monte Carlo e redes neurais.

Programa de P?s Gradua??o em Engenharia Civil. Departamento de Engenharia Civil, Escola de Minas, Universidade Federal de Ouro Preto.A an?lise de confiabilidade estrutural em geral apresenta algumas restri??es para alcan?ar uma solu??o. Os m?todos anal?ticos FORM e SORM apresentam alguns problemas em fun??o da complexidade da an?lise, que gera dificuldades na determina??o dos pontos de m?nimo. O m?todo de simula??o de Monte Carlo, embora seja de f?cil implementa??o e absolutamente geral, o grande n?mero de simula??es pode exigir um tempo de processamento elevado, o que pode tornar sua aplica??o invi?vel. Este problema tem sido resolvido atrav?s de t?cnicas de redu??o de vari?ncia tais como Amostragem por Import?ncia e Esperan?a Condicionada. Neste trabalho prop?e-se a aplica??o de uma rede neural treinada para a substitui??o de etapas necess?rias ao m?todo de Monte Carlo, assim como da substitui??o do processo de an?lise estrutural e de confiabilidade, com o objetivo de reduzir o custo computacional requerido na an?lise. As redes utilizadas neste trabalho s?o do tipo backpropagation, fazendo-se uso do algoritmo de Levenberg ? Marquartdt e do algoritmo do gradiente descendente com momentum. A aplica??o das redes neurais, tanto atuando em conjunto com o m?todo de Monte Carlo quanto substituindo toda a an?lise, proporcionou bons resultados com baixo custo computacional, o que atesta a viabilidade de sua aplica??o.In general, the structural reliability analysis presents some restrictions to reach a solution. The analytical methods FORM and SORM present some problems in function of the complexity of the analysis, that generates difficulties in the determination of the minimum points. The Monte Carlo method, even so it is of easy implementation and absolutely general, the great number of simulation can demand a time of raised processing, what it can become its impracticable application. This problem has been decided through techniques of variance reduction such as Importance Sampling and Conditional Expectation. In this work it is considered application of a trained neural network for the substitution of necessary stages to Monte Carlo method, as well as of the substitution of the process of structural analysis and reliability, with the objective to reduce the required computational cost in the analysis. The neural networks used in this work are of the type backpropagation, becoming use of the algorithm of Levenberg ? Marquardt and of the algorithm of the descendent gradient with momentum. The application of the neural nets, as much acting in set with method Carlo the mount how much substituting all the analysis, provided good results with low computational cost, what it certifies the viability of its application