| Resumo: |
A análise de risco e vulnerabilidade sísmica são fundamentais para compreender, e eventualmente mitigar, o impacto de sismos. Antes da ocorrência de um evento, a análise de risco pode apoiar o desenvolvimento de intervenções de reforço estrutural, ou a seleção de planos de seguros. Uma análise de risco incorreta pode levar a uma sobrestimação do nível de segurança, desencorajando investidores a tomar medidas para reduzir o risco. Após a ocorrência de um sismo, é fundamental avaliar rapidamente o seu impacto de modo a
distribuir adequadamente os recursos disponíveis. A análise de relatórios sobre salvamentos indica que 95% dos resgates bem-sucedidos ocorrem nas primeiras 48 horas, o que enfatiza a necessidade de identificar rapidamente as áreas onde estes esforços devem ser concentrados. No entanto, analisar risco sísmico e estimar danos após um evento são tarefas desafiantes que se encontram ainda associadas a grandes incertezas. É por isso fundamental explorar novas tecnologias que podem contribuir para o processo de avaliação
da segurança estrutural de edifícios não só antes, mas também após eventos sísmicos.
O uso de equipamentos de baixo custo desenvolvidos recentemente para medir vibrações e o recurso a plataformas de inteligência artificial podem revolucionar a forma como danos e risco sísmico são calculados. Estes equipamentos têm a capacidade de medir vibrações tanto no topo de edifícios como nas fundações e transferir os dados registados em tempo real. Estes dados podem posteriormente ser usados para calibrar modelos de vulnerabilidade ou para estimar o nível de dano. Apesar da reconhecida utilidade destes equipamentos,
existem diversos desafios à sua utilização. Enquanto que a medição das propriedades dinâmicas de um edifício para calibração de modelos numéricos é já prática comum, a integração destes dados em modelos de vulnerabilidade para portfolios de edifícios é limitada. Consequentemente, dados de monitorização são raramente usados na calibraç  |
Resumo
A análise de risco e vulnerabilidade sísmica são fundamentais para compreender, e eventualmente mitigar, o impacto de sismos. Antes da ocorrência de um evento, a análise de risco pode apoiar o desenvolvimento de intervenções de reforço estrutural, ou a seleção de planos de seguros. Uma análise de risco incorreta pode levar a uma sobrestimação do nível de segurança, desencorajando investidores a tomar medidas para reduzir o risco. Após a ocorrência de um sismo, é fundamental avaliar rapidamente o seu impacto de modo a
distribuir adequadamente os recursos disponíveis. A análise de relatórios sobre salvamentos indica que 95% dos resgates bem-sucedidos ocorrem nas primeiras 48 horas, o que enfatiza a necessidade de identificar rapidamente as áreas onde estes esforços devem ser concentrados. No entanto, analisar risco sísmico e estimar danos após um evento são tarefas desafiantes que se encontram ainda associadas a grandes incertezas. É por isso fundamental explorar novas tecnologias que podem contribuir para o processo de avaliação
da segurança estrutural de edifícios não só antes, mas também após eventos sísmicos.
O uso de equipamentos de baixo custo desenvolvidos recentemente para medir vibrações e o recurso a plataformas de inteligência artificial podem revolucionar a forma como danos e risco sísmico são calculados. Estes equipamentos têm a capacidade de medir vibrações tanto no topo de edifícios como nas fundações e transferir os dados registados em tempo real. Estes dados podem posteriormente ser usados para calibrar modelos de vulnerabilidade ou para estimar o nível de dano. Apesar da reconhecida utilidade destes equipamentos,
existem diversos desafios à sua utilização. Enquanto que a medição das propriedades dinâmicas de um edifício para calibração de modelos numéricos é já prática comum, a integração destes dados em modelos de vulnerabilidade para portfolios de edifícios é limitada. Consequentemente, dados de monitorização são raramente usados na calibração da vulnerabilidade para portfolios, o que impede a sua utilização em modelos regionais de risco. Num cenário de pós-evento, dados relativos à resposta estrutural de edifícios não são
usados operacionalmente. Para além disso, as redes sísmicas existentes são dispersas e limitadas a poucas estações por centro urbano. Por exemplo, em Portugal continental existem menos de 50 estações, o que impede estimativas precisas dos movimentos do solo na maioria do território.
A falta de integração de dados de monitorização deve-se principalmente aos elevados custos envolvidos na instalação e manutenção de equipamentos de monitorização, e à falta de
conhecimento relativamente à integração de bases de dados complexas (big data) em análises de vulnerabilidade e perdas. Enquanto que a primeira questão pode ser resolvida pela
crescente disponibilidade de equipamentos de baixo custo, o desafio de processar grandes quantidades de dados para simular eventos complexos pode ser superado através do recurso a tecnologia de inteligência artificial (em particular, machine learning). Algumas ferramentas open-source permitem integrar modelos de machine learning em plataformas de cálculo de risco. Na modelação de vulnerabilidade e análise de danos, o uso de machine learning permite a incorporação de uma panóplia de dados relativos às propriedades
dinâmicas das estruturas para uma melhor calibração dos modelos numéricos, ou a inclusão de parâmetros de resposta estrutural e de movimentos do solo para uma melhor estimativa das acelerações do solo e do dano em tempo quase real.
Este projeto combina o uso de equipamentos de baixo custo com técnicas de machine learning para desenvolver uma plataforma de análise de vulnerabilidade e dano. Os dados recolhidos na monitorização de um elevado número de edifícios irão ser integrados na calibração de modelos numéricos, com base em machine learning. Dados recolhidos em eventos anteriores irão também ser explorados para expandir a metodologia à estimativa de danos e perdas, usando dados de monitorização capturados em tempo real. O consórcio
deste projeto integra parceiros com décadas de experiência em monitorização sísmica, modelação de vulnerabilidade e processamento de dados usando machine learning. A abordagem desenvolvida irá contribuir para a redução das limitações que existem atualmente na modelação de vulnerabilidade e análise de perdas em tempo real. O projeto tem o apoio de uma empresa sediada na Califórnia que irá fornecer os equipamentos de baixo custo, e de diversas entidades como a Autoridade Nacional para a Proteção Civil, o Instituto Português do Mar e da Atmosfera (que monitoriza a atividade sísmica em Portugal), o Laboratório Nacional de Engenharia Civil e a Fundação Global Earthquake Model. Os resultados deste projeto também contribuem para as metas definidas pelo acordo de Sendai para a redução do impacto de desastres, assim como os 17 objetivos para o desenvolvimento sustentável das Nações Unidas. |