tutorial 3
DESCRIPTION
aqswdefrtghyujkioTRANSCRIPT
Análisis probabilístico
Este tutorial familiarizar al usuario con las funciones de análisis probabilísticos de
RocPlane.
Si no lo ha hecho, ejecute RocPlane haciendo doble clic en el icono RocPlane en su
carpeta de instalación. O desde el menú Inicio, seleccione
Programas →Rocscience →RocPlane →RocPlane.
Si la ventana de la aplicación RocPlane no está maximizada, maximizarla ahora, para que
la pantalla completa está disponible para ver el modelo.
Para empezar a crear un nuevo modelo:
Seleccionar: →nuevoArchivo
Un modelo de cuña por defecto aparecerá inmediatamente en la pantalla. Cada vez que
se abre un nuevo archivo, los datos de entrada por defecto formarán una cuña válida.
Configuración del proyecto le permite configurar los ajustes principales de análisis para
su modelo.
Seleccionar: Ajustes Análisis →Proyecto
Para este tutorial, vamos a utilizar los siguientes valores:
• En la ficha General, establezca la opción Unidades de Metric, el estrés en toneladas /
m2
• Establezca el Tipo de Análisis Probabilístico de
• Seleccione la ficha resumen del proyecto y escriba "RocPlane Probabilístico Análisis
Tutorial" como el Título del Proyecto.
Probabilístico de datos de entrada
Ahora echemos un vistazo a los datos de entrada.
Seleccionar: Análisis de Datos →entrada
Debería ver el cuadro de diálogo de datos de entrada probabilístico se muestra a
continuación. Entrada
Definición de variables aleatorias
Para definir una variable aleatoria en RocPlane:
1. Primero seleccione una distribución estadística para la variable. (En la mayoría de los
casos una distribución normal será suficiente.)
2. Introduzca la desviación estándar, valores mínimos y máximos. Tenga en cuenta que
los valores máximos / mínimos se especifican como distancias relativas de la media, en
lugar de los valores absolutos.
3. Cualquier variable para la que se asumirá la Estadística Distribución = "Ninguno" para
ser "exactamente" conocido, y no estar involucrado en el muestreo estadístico.
Consulte el sistema de RocPlane Ayuda para obtener información sobre las propiedades
de las distribuciones estadísticas disponibles en RocPlane.
Para este ejemplo, vamos a definir normales Distribuciones estadísticas para las
siguientes variables:
• El no Plano Ángulo
• La falta de cohesión Plano
• La falta de ángulo de fricción Plano
Fracaso Avión ángulo
Selecciona la pestaña Plano fracaso en el cuadro de diálogo de datos de entrada, e
introduzca los siguientes datos para el Ángulo: media = 28, = Distribución Normal, Std.
Dev.
= 2, Rel. Min. = 5, Rel. Max. = 5
Si no plano de resistencia
Selecciona la pestaña de fuerza e introduzca los siguientes datos para el Fracaso Avión
de cohesión y ángulo de fricción:
• Cohesión (media) = 10
• Ángulo de Fricción (media) = 35 Por tanto cohesión y ángulo de fricción:
• Distribución = Normal
• Desviación estándar = 2
• Min relativa = Relativa Max = 5
Presión del agua
Selecciona la pestaña de agua. Seleccione la presión de agua existe casilla. Vamos a
utilizar todos los ajustes predeterminados:
• Presión Pico - Mid Altura
• Porcentaje Lleno = 100%
• Distribución = Ninguno.
Análisis probabilístico
Para llevar a cabo el Análisis Probabilístico RocPlane, seleccione Aplicar o Aceptar en el
cuadro de diálogo de datos de entrada.
Nota:
• Aplicar ejecutará el análisis sin cerrar el diálogo.
• Aceptar ejecutará el análisis y cerrar el diálogo.
El análisis se llevará a cabo utilizando los parámetros que acaba de introducir. Cálculo sólo
debe tardar unos segundos o menos.
Probabilidad de fallo
El resultado primario de interés de un análisis probabilístico es la probabilidad de fallo. Esto
se muestra en la parte superior de la pantalla en la Vista en perspectiva, y en el panel de
información de la barra lateral a la derecha de la pantalla.
Para este ejemplo, si ha introducido correctamente los datos de entrada, usted debe
obtener una probabilidad de fallo del 13,3%. (es decir, PF = 0,133 significa 13.3%
probabilidad de fallo).
Más adelante en este tutorial, vamos a discutir aleatoria frente muestreo Pseudo-Random.
Por defecto, el muestreo pseudo-aleatorio es, en efecto, lo que significa que siempre
obtendrá los mismos resultados cada vez que se ejecuta un análisis probabilístico con los
mismos datos de entrada. Si el muestreo Pseudo-Random se apaga, entonces diferentes
resultados se generan cada vez que el análisis se ejecuta.
Visualización de la media de la cuña
La cuña se muestra inicialmente después de un análisis probabilístico, se basa en los valores
medios de entrada, y se refiere a como la media de la cuña. Es aparecerá exactamente el
mismo como uno basado en deterministas datos de entrada con la misma orientación que
la media Probabilístico datos de entrada.
Observe que la lista barra lateral indica Media cuña datos con los detalles de la cuña se
enumeran a continuación.
Otras cuñas generadas por el análisis probabilístico se pueden visualizar, como se describe
en la sección Otras Plataformas de visualización.
Histogramas
Para trazar histogramas de resultados después de un análisis probabilístico:
Seleccionar: Estadísticas →Plot histograma
Seleccione Aceptar para trazar un histograma de factor de seguridad.
El histograma representa la distribución de Factor de seguridad, para todas las cuñas
válidas generadas por el muestreo estadístico de los datos de entrada. Las barras de color
rojo en la izquierda de la distribución representan cuñas con factor de seguridad de menos
de 1,0.
Figura 1: Factor de Seguridad histograma.
Note la media, desviación estándar, valores mínimos y máximos que se muestra debajo del
histograma.
Cabe señalar que el factor de seguridad media de un análisis probabilístico (es decir, la
media de todos los factores de seguridad generados por el análisis probabilístico) no
siempre es el mismo que el Factor de la media cuña de seguridad (es decir, el factor de
seguridad de la cuña correspondiente a los valores medios de entrada de datos).
Verifique esto por el cambio a la Cuña Ver. En la barra de título de la opinión de la cuña, se
muestra el factor de seguridad de la Media cuña. Compare este valor con el factor de
seguridad Mean aparece en la parte inferior del histograma.
En este caso, los dos valores son casi iguales (1.148 frente a 1.152), porque estamos
utilizando el muestreo Latin Hypercube y 10.000 muestras.
Sin embargo, en general estos valores no serán iguales. Puede haber varias razones para
esto:
1. El muestreo aleatorio no probar sus distribuciones de datos de entrada
"exactamente".
2. Número de muestras es pequeño.
3. Si las cuñas no válidos son generados por el análisis probabilístico (por ejemplo, las
geometrías no válidas), esto también puede dar lugar a diferencias entre el factor de
seguridad deterministas y la probabilística significar factor de seguridad.
NOTA: si utiliza Monte Carlo de muestreo en lugar del latín Hypercube, y un menor número
de muestras (por ejemplo, 1000), verá una mayor diferencia entre el factor de seguridad
media, y el factor de seguridad de la cuña media. Esto se demuestra más adelante en este
tutorial.
Cambie de nuevo a la vista de histograma.
Viendo Otras Plataformas
Ahora baldosas de las vistas de histograma y de cuña, de manera que ambos son visibles.
Seleccionar: Ventana →mosaico verticalmente
Figura 2: Factor de Seguridad histograma y vista cuña.
Una propiedad útil de histogramas (y también Gráfico De Dispersión) es el siguiente:
• Si hace doble clic en el botón izquierdo del ratón en cualquier parte de la trama, la
cuña correspondiente más cercano se mostrará en la vista de cuña.
Por ejemplo:
1. Haga doble clic en cualquier punto a lo largo del histograma.
2. Tenga en cuenta que una cuña diferente se muestra ahora.
3. El factor de seguridad de esta cuña se muestra en la barra de título de la opinión
de la cuña, y la barra de título indicará que está viendo una "cuña Elegido" en lugar
de la "Media cuña".
4. Haga doble clic en varios puntos a lo largo del histograma, y observe las diferentes
cuñas y factores de seguridad que se muestran en la vista de cuña. Por ejemplo, haga
doble clic en la región "rojo" factor de seguridad, para ver las cuñas con un factor de
seguridad <1.
Esta característica le permite ver cualquier cuña generada por el Análisis Probabilístico,
correspondiente a cualquier punto a lo largo de una distribución de histograma.
Además de la cuña de vista, todos los demás puntos de vista pertinentes (por ejemplo, la
información del Visor) también se actualizan para mostrar los datos de la "cuña Elegido"
actualmente.
Nota:
• Esta función se puede utilizar en los histogramas de los datos estadísticos generados por
RocPlane, y no sólo el histograma Factor de Seguridad
• Esta función también funciona en Gráficos de dispersión.
Restablecimiento de la Media cuña
Para restablecer todos los puntos de vista de manera que se muestra los datos Mean cuña:
Los histogramas de Otros Datos
Además de factor de seguridad, también puede trazar histogramas de:
• Cuña Peso, cuña volumen
• Normal, Fuerzas Conducción y Resistiendo
• El no Plano longitud, longitud de la cara superior
• Cualquier variable de entrada al azar (es decir, cualquier variable de datos de entrada que
se asignó una distribución estadística)
Por ejemplo:
Seleccionar: Estadísticas→tramo histograma
En el cuadro de diálogo, defina el Tipo de datos = Cuña Peso, seleccione la casilla de
verificación Mejor Distribución encaja y seleccione Aceptar.
Un histograma de la distribución de peso de la cuña se generará tal como se muestra en la
Figura 3.
Tenga en cuenta que todas las características descritas anteriormente para el histograma
factor de seguridad, se aplican a cualquier otro tipo de datos. Por ejemplo, si hace doble clic
en el histograma de la cuña de peso, la cuña correspondiente más cercano se mostrará en
la cuña Ver
Figura 3: distribución del peso de la cuña, mejor ajuste = log normal
Vamos a generar un histograma más.
Seleccionar: Estadísticas →plano histograma
Esta vez vamos a trazar una de nuestras variables aleatorias de datos de entrada.
Establezca el Tipo de datos = Fracaso Avión ángulo. Seleccione la casilla de verificación
Parcela Distribución de entrada. Seleccione Aceptar.
El histograma muestra cómo el Fracaso Avión de ángulo variable de datos de entrada se
tomaron muestras por el método Latin Hypercube. La curva superpuesta sobre el
histograma es la distribución normal que ha definido al entrar en la media, la desviación
estándar, valores mínimos y máximos para la insuficiencia Plano Ángulo en el diálogo de
datos de entrada.
Mostrar Error Cuñas
Tenga en cuenta que en todos los histogramas, la distribución de las cuñas fallidos (es decir,
las cuñas con Factor de seguridad <1) se resalta automáticamente en el histograma (barras
rojas). Esto le permite ver la relación entre el fracaso de cuña, y la distribución de cualquier
variable de entrada o salida
Figura 4: Fracaso Avión Ángulo - Latin Hypercube muestreo de la distribución normal. Se
muestra la distribución de la cuña Error.
Como es de esperar, las cuñas fallidos corresponden a mayores de fallo ángulos planos,
como puede verse en la figura 4.
Distribuciones acumulativas (S-curvas)
Además de los histogramas, distribuciones acumulativas (curvas S) de los resultados
estadísticos también se pueden trazar.
Seleccionar: Estadísticas →plano acumulativa
Seleccione Aceptar.
La distribución Factor de seguridad acumulativa será generado, como se muestra en la
Figura 6. (Maximizar la vista si es necesario).
Un punto en una curva de probabilidad acumulada, da la probabilidad de que la variable
trazada será menor que o igual que el valor de la variable en ese punto.
Para una distribución factor de seguridad acumulativa, la probabilidad acumulada en el
factor de seguridad = 1, es igual a la probabilidad de fallo. Podemos demostrar esto con la
opción Sampler, que permite obtener las coordenadas de cualquier punto de la curva de
distribución acumulativa.
Desde el menú Gráfico o en el menú del botón derecho, vaya al submenú Sampler y
seleccione Mostrar Sampler.
• Usted verá una línea horizontal / vertical en forma de cruz sigue el cursor. Coloque el
cursor en cualquier parte de la curva de probabilidad acumulada, y una punta de datos
emergente mostrará la probabilidad acumulada y el Factor de Seguridad en ese punto
de la curva.
• Mueva el muestreado hasta llegar Factor de seguridad = 1. Aviso de la probabilidad
acumulada = 0,1332, que es igual a la probabilidad de fallo para este ejemplo, como se
muestra en la siguiente figura.
Figura 5: Distribución de factor de seguridad acumulativa.
Apagar la pantalla del Sampler por volver a la selección de la opción Mostrar Sampler en el
menú del botón derecho
Gráfico De Dispersión
Diagramas de dispersión le permiten examinar las relaciones entre las variables de análisis.
Para generar un gráfico de dispersión:
Seleccionar: Estadísticas →plano de dispersión
En el diálogo gráfico de dispersión, seleccione las variables que desea trazar en el ejes X e Y,
por ejemplo: Factor de Seguridad contra la cuña de peso. Seleccione la opción Mostrar Línea
de regresión para mostrar la mejor línea recta en forma a través de los datos. Seleccione
Aceptar para generar la trama.
Como puede verse en la Figura 6, parece que hay muy poca correlación entre factor de
seguridad y la cuña de peso. Sin embargo, el factor de seguridad no generalmente aumenta
con el aumento de peso de la cuña.
El coeficiente de correlación, que aparece en la parte inferior de la gráfica indica el grado de
correlación entre las dos variables representadas. El coeficiente de correlación puede variar
entre -1 y 1, donde los números
Figura 6: Diagrama de dispersión del Factor de Seguridad contra la cuña de peso.
Alfa y beta, también aparece en la parte inferior de la parcela, representan la intersección y- y
pendiente, respectivamente, de la mejor línea de regresión lineal ajuste a los datos de
dispersión de la trama.
Nota:
Como se ha demostrado antes con histogramas, puede hacer doble clic con el ratón en un
gráfico de dispersión, para mostrar los datos de la cuña más cercana en la parcela. Esto se
deja como un ejercicio opcional para el usuario para demostrar.
• La opción Mostrar Falló Cuñas, descrito anteriormente para histogramas, también
trabaja en gráficos de dispersión. Todas las cuñas con Factor de seguridad <1 se resaltan
en rojo en el gráfico de dispersión.
• Para el caso especial de Cohesión vs. ángulo de fricción, un coeficiente de correlación
definida por el usuario se puede especificar en el cuadro de diálogo de datos de entrada.
Ver los Ejercicios adicionales al final de este tutorial para obtener más
Aleatorios Muestreo pseudo-aleatorios
Por defecto en RocPlane, Pseudo-Random Sampling está en efecto para un análisis
probabilístico. Pseudo-Random Sampling le permite obtener resultados reproducibles de un
análisis probabilístico. Azulejos los puntos de vista y vamos a demostrarlo.
Seleccionar: Ventana mosaico verticalmente
Su pantalla debe ser similar a la siguiente figura, si ha seguido el tutorial hasta aquí.
Figura 7: vista en mosaico de los resultados del análisis probabilísticos.
El análisis probabilístico se puede volver a ejecutar en cualquier momento, seleccionando el
botón Calcular en la barra de herramientas.
Seleccionar: Análisis →Compute
Tenga en cuenta que a pesar de que el análisis se vuelve a ejecutar, todos los gráficos, y la
probabilidad de fracaso, se mantienen sin cambios. Seleccione Calcular de nuevo para
comprobar esto.
Pseudo-muestreo aleatorio significa que el número "semilla" MISMO siempre se utiliza para
generar números aleatorios para la toma de muestras de las distribuciones de datos de
entrada. Esto se traduce en el muestreo idéntica de las distribuciones de datos de entrada,
cada vez que el análisis se ejecuta (con los mismos parámetros de entrada). La probabilidad
de fallo, significa factor de seguridad, y el resto de los resultados del análisis, será
reproducible. Esto puede ser útil para fines de demostración, la discusión de los problemas
de ejemplo, etc.
En el cuadro de diálogo Configuración del proyecto, también se puede elegir la opción de
muestreo aleatorio. La opción Random utiliza un número de semillas diferente cada vez que
vuelva a calcular, lo que resulta en una muestra diferente de sus distribuciones de datos de
entrada, y por lo tanto diferentes resultados de los análisis.
Seleccionar: Ajustes Análisis → 𝑝royecto
En el cuadro de diálogo Configuración del proyecto, seleccione la ficha números aleatorios,
y seleccione la opción aleatoria. Seleccione Aceptar.
Ahora volver a seleccionar el botón Calcular, varias veces. Tenga en cuenta que después de
cada Compute:
• todos los gráficos se actualizan y muestran nuevos resultados
• la probabilidad de fallo será, en general, ser diferente cada vez que el análisis se
ejecuta (para este ejemplo, usted debe encontrar que la probabilidad de fallo variará
entre aproximadamente 13 y 14%)
Esto demuestra la diferencia entre aleatorio y muestreo pseudo-aleatorios, y también
demuestra gráficamente el análisis probabilístico RocPlane.
Tenga en cuenta que la vista de la cuña no cambia cuando se vuelva a calcular, ya que por
defecto se muestra la media de la cuña (es decir, la cuña en base a la entrada significar
Datos), que no está afectada por volver a ejecutar el análisis.
Método de muestreo
Hasta ahora hemos utilizado el muestreo Latin Hypercube lo largo de este tutorial. Como
ejercicio adicional, vamos a tratar de muestreo Monte Carlo, con un menor número de
muestras.
Seleccionar: Ajustes Análisis →Proyecto
En el cuadro de diálogo Configuración del proyecto, seleccione la ficha de muestreo,
establecer el método de muestreo de Monte Carlo y el número de muestras = 1000.
Seleccione Aceptar.
Examine la probabilidad de fallo, y el Factor de Seguridad histograma. Los resultados deben
ser similares al análisis América Hypercube.
La diferencia está en el muestreo de las variables aleatorias de datos de entrada. Tenga en
cuenta que el método de muestreo de Monte Carlo resultados en una muestra mucho más
variable de la distribución de datos de entrada, en comparación con el método Latin
Hypercube que da resultados más suaves.
Figura 8: Los resultados con el muestreo de Monte Carlo, 1000 muestras.
Vuelva a calcular varias veces, y observar la variabilidad de los resultados cada vez
que se vuelve a calcular.
Información del Visor
Vamos a examinar la lista Info Visor para un análisis probabilístico.
Seleccionar: Análisis →nfo Visor
Un resumen conveniente de los parámetros del modelo y análisis se muestra en su propio
punto de vista. Desplácese hacia abajo para ver toda la información. Observe la lista de los
datos de entrada y de salida probabilísticos.
Al igual que con los puntos de vista de la trama, si vuelve a calcular el análisis, la
información del listado Viewer se actualiza automáticamente para reflejar los últimos
resultados.
Ejercicios adicionales
Coeficiente de Correlación de cohesión y ángulo de fricción
En este tutorial, de Cohesión y Fricción Ángulo fueron tratados como variables
completamente independientes.
De hecho, se sabe que la cohesión y la fricción de ángulo están relacionados de una
manera general, tales que los materiales con ángulos de fricción bajas tienden a tener alta
cohesión, y materiales con baja cohesión tienden a tener elevados ángulos de fricción.
En el cuadro de diálogo de entrada de datos, el usuario puede definir el grado de
correlación entre la cohesión y la fricción en ángulo, para el plano de falla. Esto sólo se
aplica si:
1. AMBOS cohesión y ángulo de fricción se definen como variables aleatorias (es
decir asignada una distribución estadística)
2. Distribución de Estadística = normal, uniforme, log normal, exponencial o Gamma
(no funcionará para Beta o distribuciones triangulares).
Como ejercicio sugerido, pruebe lo siguiente:
1. Definir distribuciones normales para la cohesión y ángulo de fricción.
2. Seleccione el "Coeficiente de correlación entre la cohesión y la fricción ángulo"
casilla de verificación.
3. Introduzca un coeficiente de correlación. (Inicialmente, utilice el valor
predeterminado de
-0,5).
4. Vuelva a ejecutar el análisis
5. Crear un gráfico de dispersión de Cohesión vs. ángulo de fricción.
6. Tenga en cuenta el coeficiente de correlación que figuran en la parte inferior del
gráfico de dispersión. Debe ser aproximadamente igual al valor introducido en el
cuadro de diálogo de entrada de datos (es decir, -0,5 en este caso). Tenga en cuenta
el aspecto de la trama.
7. Ahora repita los pasos 3 a 6, utilizando los coeficientes de correlación de -0,6 a -
1,0, en incrementos de 0,1. Observar el efecto en el gráfico de dispersión. Tenga en
cuenta que cuando el coeficiente de correlación es igual a -1, los resultados gráfico
de dispersión en una línea recta.
TENGA EN CUENTA
Que el coeficiente de correlación por omisión de -0.5 es un buen valor típico de usar,
si los datos más precisos no están disponibles.
1. Seleccione el botón Gráfico en Excel de la barra de herramientas. (Si lo prefiere,
puede hacer clic derecho en un gráfico y seleccione Gráfico en Excel en el menú
emergente.)
2. Se iniciará automáticamente el programa Microsoft Excel, exportar los datos del
gráfico de Excel y generar un gráfico en Excel.
Por último, vamos a señalar la opción Exportar conjunto de datos en el menú
Estadística. Esta opción le permite exportar datos en bruto a partir de un análisis
probabilístico, el portapapeles, un archivo, o para Excel, para el post-
procesamiento. Cualquiera o todos los datos generados por el análisis
probabilístico, se pueden exportar de forma simultánea.