Pesquisadores desenvolvem sistema de otimização da recuperação de estruturas após desastres

flag_of_brazil-svg

 

8

Uma visão geral de alguns viadutos de auto-estrada de San Diego ilustra os desafios de preparação para recuperação de desastres em uma cidade com 238 viadutos. (Photo by iStock/Art Wager)

Um grupo de pesquisadores da Universidade de Lehigh, nos Estados Unidos, está desenvolvendo um novo sistema de otimização da reabilitação de estruturas civis de grande porte após desastres. Os algoritmos criados pelos engenheiros norte-americanos destinam-se a prever quais as obras necessárias para que, após um desastre natural como um terremoto ou inundação, seja possível a retomada do normal funcionamento das cidades.

“Alguns problemas não podem ser resolvidos por meio da intuição”, ressaltou Paolo Bocchini, Professor Auxiliar do Departamento de Engenharia Civil e Ambiental da Universidade de Lehigh.

“Se você está tentando resolver um problema que tem, digamos, dez resultados possíveis – você pode encontrar uma maneira de descobrir qual é o ideal”, diz Bocchini. “Mas e se o número possível de soluções for tão alto quanto 10 elevado à potência 120?”

Para ilustrar o tamanho disto, 10 a 120ª potência, escrito em sua forma completa, é escrito como um “1”, seguido por 120 zeros. Esse é o grande número de possíveis opções de recuperação que enfrentam líderes civis e engenheiros após as consequências de um grande evento catastrófico, como um furacão ou um terremoto.

“Em um período de recuperação pós-desastre, pode haver uma grande ponte, muito importante, cuja reparação demoraria cerca de um ano até sua funcionalidade completa”, diz Bocchini. “Durante esse ano, você poderia restaurar quatro pontes pequenas que podem ter um impacto ainda maior na obtenção do funcionamento normal da cidade. Então, como você descobrir qual opção é ideal?”

“Os modelos computacionais que predizem o que pode funcionar para uma ponte ou cinco pontes, simplesmente, não funcionam quando você tenta ampliar para até 100 pontes”.

Para resolver isso, Bocchini e Aman Karamlou, candidato ao Doutorado em Engenharia Estrutural, criaram um novo método que representa uma grande melhoria em modelos computacionais existentes e metodologias de otimização. Sua técnica, Algoritmo com Multiple-Input Operadores-Genético ou AMIGO (sigla em inglês), foi descrita em um artigo publicado recentemente em Engineering Structures. (Link para o artigo: ARTIGO)

Projetado para considerar objetivos muito complexos, mantendo os custos computacionais baixos, o AMIGO faz com que o processo de busca seja mais eficiente e acelera a taxa de convergência (a velocidade com que a sequência se aproxima de seu limite). O sistema o faz tirando vantagem dos dados adicionais nos operadores genéticos, os quais são utilizados para guiar o algoritmo para uma solução.

Além de ser o primeiro modelo para levar em consideração tantos elementos, AMIGO é único pela sua versatilidade.

“AMIGO leva a topologia ou as características de uma rede, bem como o dano, e, em seguida, desenvolve estratégias de recuperação ideal. Ele pode ser usado para resolver uma variedade de problemas de otimização de programação comuns em diferentes áreas, incluindo gestão de construção, indústria transformadora e planejamento de emergência”, diz Bocchini.

Uma simulação em San Diego

Para demonstrar a eficácia do seu algoritmo, Bocchini e Karamlou conduziram uma análise numérica em larga escala utilizando um cenário imaginado de um terremoto em San Diego, Califórnia.

Eles escolheram San Diego pelo tamanho de sua rede de transportes, que contém 238 viadutos, bem como a sua importância e valor como um porto estratégico dos EUA. O valor total das importações e exportações do porto em 2013 foi estimado em mais de US$ 7 bilhões.

Os investigadores identificaram as 80 (oitenta) pontes que poderiam sustentar o dano mais grave com base na sismicidade da região, e usaram AMIGO para calcular a melhor estratégia de restauração.

Em uma situação pós-desastre, após a resposta inicial de emergência, os responsáveis pela recuperação de uma cidade ou região devem planejar um cronograma de reparo que equilibra metas de recuperação de médio e longo prazo. Porque cada ação irá afetar a recuperação, as decisões para cada ação possível devem ser consideradas.

AMIGO pertence à classe dos solucionadores de otimização que usam técnicas heurísticas e algoritmos evolutivos que são inspirados pelo processo de seleção natural. Estas técnicas são particularmente úteis para resolver problemas de otimização multi-objetivos usando uma abordagem baseada em Pareto. A abordagem, que descreve um método de avaliação de um conjunto de opções, é nomeado após Vilfredo Pareto (1848-1923), um engenheiro e economista italiano que usou o conceito em seus estudos de eficiência económica e distribuição de renda.

Embora o número total de soluções viáveis para o cenário de restauração de ponte San Diego seja grande, Bocchini e Karamlou dizem que seus resultados mostram que AMIGO conseguiu encontrar um conjunto de soluções ótimas de Pareto em um pequeno número de ensaios (cerca de 25 gerações).

“Além disso, é proposto um novo modelo de recuperação de pontes”, escreveram os pesquisadores em seu estudo. “Em comparação com os estudos anteriores, este modelo de recuperação é mais realista, uma vez que tira proveito das funções de restauração disponíveis obtidos por levantamentos e fatores de escala de especialistas que representam o custo da ponte.”

Os pesquisadores compararam o desempenho de sua formulação de otimização com suas técnicas de otimização anteriores. Os resultados mostram uma melhoria significativa na otimização da solução e taxa de convergência.

“Isso é de grande importância, uma vez que para grandes redes realistas, o procedimento de análise de tráfego pode ser computacionalmente muito caro”, escreveram eles. “Portanto, a redução do número de gerações necessárias para a convergência pode afetar consideravelmente o custo computacional do problema e fazer essa abordagem, finalmente, aplicável às redes de tamanho real. Em comparação com formulações anteriores, a utilização de restrições de recursos operacionais e o novo modelo de recuperação rende a geração de calendários mais realistas. ”

 

Fonte:

Universidade de Lehigh

Anúncios

Deixe um comentário

Preencha os seus dados abaixo ou clique em um ícone para log in:

Logotipo do WordPress.com

Você está comentando utilizando sua conta WordPress.com. Sair / Alterar )

Imagem do Twitter

Você está comentando utilizando sua conta Twitter. Sair / Alterar )

Foto do Facebook

Você está comentando utilizando sua conta Facebook. Sair / Alterar )

Foto do Google+

Você está comentando utilizando sua conta Google+. Sair / Alterar )

Conectando a %s