Spatial and topological features of urban road networks have been observed variously in the past. No previous study, however, has investigated and compared an extensive data set from cities all over the world regarding their network properties. In this work, re-spectively 20 large cities from 5 continents and Germany are analyzed. In the process, node degree, link length, shortest paths, detour index as well as measures for rectangu-larity are used to characterize and to differentiate the networks. While most networks properties are quite diverse from continent to continent, the detour index as a measure of efficiency shows remarkable similarities and homogeneity over all regions, independ-ent of their spatial network structure. It is shown that in some cities this efficiency is mainly sustained by a subnetwork of major roads, while in others it relies on a balance between minor and major roads. Rectangularity in all regions is shown to be predomi-nant in the structure of minor road subnetworks, while it is shown that this feature is not trivially connected to the node degree. / Räumliche und topografische Eigenschaften urbaner Straßennetzwerke sind in der Ver-gangenheit vielfältig untersucht wurden. Keine der bisherigen Studien hat jedoch eine umfassende Anzahl weltweiter Städte auf ihre Netzwerkeigenschaften untersucht. In dieser Arbeit werden jeweils 20 Großstädte aus 5 Kontinenten analysiert. Knotengrad, Kantenlängen, kürzeste Pfade, Detour Index sowie die Rechtwinkligkeit werden schritt-weise untersucht, um die Netzwerke zu charakterisieren und voneinander zu differen-zieren. Während die meisten Netzwerkmaße große Unterscheide von Kontinent zu Kon-tinent aufweisen, lassen sich beim Detour Index, welcher ein Maß für die Effizienz im Netzwerk dient, bemerkenswerte Gemeinsamkeiten in allen Regionen unabhängig von der räumlichen Netzwerkstruktur feststellen. Es wird gezeigt, dass die Effizienz in eini-gen Städten hauptsächlich durch ein Teilnetz von Hauptstraßen getragen wird, während sie anderswo auf einer Balance zwischen Haupt- und Nebenstraßen beruht. Vor allem in der Struktur von Nebenstraßennetzwerken kann Rechtwinkligkeit festgestellt werden, während gleichzeitig wird, dass letztere in keinem trivialen Zusammenhang mit dem Knotengrad steht.

Many processes and systems in nature and society can be characterized as large numbers of discrete elements that are (usually non-uniformly) interrelated. These networks were long thought to be random, but in the late 1990s, Barabási and Albert found that an underlying structure did in fact exist in many natural and technological networks that are now referred to as scale free. Since then, researchers have gained a much deeper understanding of this particular form of complexity, largely by combining graph theory, statistical physics, and advances in computing technology. This dissertation focuses on out-of-equilibrium dynamic processes as they unfold on these complex networks. Diffusion in networks of non-interacting nodes is shown to be temporally complex, while equilibrium is represented by a stable state with Poissonian fluctuations. Scale free networks achieve equilibrium very quickly compared to regular networks, and the most efficient are those with the lowest inverse power law exponent. Temporally complex diffusion also occurs in networks with interacting nodes under a cooperative decision-making model. At a critical value of the cooperation parameter, the most efficient scale free network achieves consensus almost as quickly as the equivalent all-to-all network. This finding suggests that the ubiquity of scale free networks in nature is due to Zipf's principle of least effort. It also suggests that an efficient scale free network structure may be optimal for real networks that require high connectivity but are hampered by high link costs.

Understanding the underlying architecture of gene regulatory networks (GRNs) has been one of the major goals in systems biology and bioinformatics as it can provide insights in disease dynamics and drug development. Such GRNs are characterized by their scale-free degree distributions and existence of network motifs, which are small subgraphs of specific types and appear more abundantly in GRNs than in other randomized networks. In fact, such motifs are considered to be the building blocks of GRNs (and other complex networks) and they help achieve the underlying robustness demonstrated by most biological networks. The goal of this thesis is to design biological network (specifically, GRN) growing models. As the motif distribution in networks grown using preferential attachment based algorithms do not match that of the GRNs seen in model organisms like E. coli and yeast, we hypothesize that such models at a single node level may not properly reproduce the observed degree and motif distributions of biological networks. Hence, we propose a new network growing algorithm wherein the central idea is to grow the network one motif (specifically, we consider one downlink motif) at a time. The accuracy of our proposed algorithm was evaluated extensively and show much better performance than existing network growing models both in terms of degree and motif distributions. We also propose a complex network growing game that can identify important strategies behind motif interactions by exploiting human (i.e., gamer) intelligence. Our proposed gaming software can also help in educational purposes specifically designed for complex network studies.

Doctor of Philosophy / Department of Electrical and Computer Engineering / Caterina Scoglio / The science of complex networks has significantly advanced in the last decade and has provided valuable insights into the properties of real world systems by evaluating their structure and construction. Several phenomena occurring in real technological and social systems can be studied, evaluated, quantified, and remedied with the help of network science. The electric power grid is one such real technological system that can be studied through the science of complex networks. The electric grid consists of three basic sub-systems: Generation, Transmission, and Distribution. The transmission sub-system is of particular interest in this work because its mesh-like structure offers challenging problems to complex networks researchers. Cascading dynamics of power grids is one of the problems that can be studied through complex networks. The North American Electric Reliability Corporation (NERC) defines a cascading failure as the uncontrolled successive loss of system elements triggered by an incident at any location. In this dissertation, we primarily discuss the dynamics of cascading failures in the power transmission grid, from a complex networks perspective, and propose possible solutions for mitigating their effects. We evaluate the grid dynamics for two specific scenarios, load growth and random fluctuations in the grid, to study the behavior of the grid under critical conditions. Further, we propose three mitigation strategies for reducing the damage caused by cascading failures. The first strategy is intentional islanding in the power transmission grid. The aim of this method is to intentionally split the grid into two or more separate self- sustaining components such that the initial failure is isolated and the separated components can function independently, with minimum load shedding. The second mitigation strategy involves controlled placement of distributed generation (DG) in the transmission system in order to enhance robustness of the grid. The third strategy requires the addition of a link in the transmission grid by reduction of the average spectral distance, utilizing the Ybus matrix of the grid and a novel algorithm. Through this dissertation, we aim to successfully cover the gap present in the complex networks domain, with respect to the vulnerability analysis of power grid networks.

Este estudo visa, por meio de simulações computacionais, compreender de que modo a centralidade dos agentes, os diferentes tipos de rede e o não- compartilhamento da informação afetam os processos de adoção e de difusão de diferentes tipos de inovações. Para esta tarefa, foram feitas simulações com os modelos de rede descritos por Watts e Strogatz (WATTS & STROGATZ, 1998), com um número fixo de 100 nós ou agentes (n=100), em que foram variados os parâmetros de mi (centralidade de grau inicial) e p (probabilidade de reconexão desses nós). Foram utilizadas redes regulares (p=0), de pequeno-mundo (p=0.5) e aleatórias (p=1.0). Escolhemos os adotantes iniciais por 5 diferentes métodos: por maiores centralidades de grau, de proximidade, de intermediação e de Bonacich, além da escolha aleatória. Também consideramos dois tipos de agentes com diferentes características: o primeiro, chamado de social, compartilhava e recebia informação, o segundo, chamado de egoísta, recebia e não compartilhava informação. Para parte das simulações, utilizamos uma inovação contínua e, para outra parte, utilizamos uma inovação disruptiva. Como resultado, constatamos, para as simulações realizadas neste modelo, o maior crescimento do número de adotantes não dependeu somente das características da rede, mas também dos agentes que a compõem, além da própria inovação. Por esse motivo, temos que o modelo disruptivo favorece a inovação e a presença de agentes egoístas funciona como um obstáculo ou barreira / This study aims, through computational simulations, to understand how the influence of the different types of network, the centrality of agents and the non-sharing of information affect the processes of adoption and diffusion in different types of innovations. For this task, simulations were made with the network models described by Watts and Strogatz (WATTS & STROGATZ, 1998), with a fixed number of 100 nodes or agents (n = 100), in which the parameters mi (initial degree centrality) and p (probability of reconnection of these nodes) were varied. We used regular (p=0), small- world (p=0.5) and random networks (p=1.0). We choose the initial adopters by 5 different methods: by greater degree, closeness, of betweeness and eingevector centralities, besides the random choice. We also considered two types of agents with different characteristics: the first, called social, shared and received information, the second, called selfish, received and did not share information. For part of the simulations, we use a continuous innovation and, for another part, we use a disruptive innovation. As a result, for the simulations carried out in this model, the greatest growth in the number of adopters was not only dependent on the characteristics of the network, but also on the agents that compose it, besides the innovation itself. For this reason, we think that the disruptive model favors innovation and the presence of selfish agents as an obstacle or barrier

Mercados financeiros são sistemas complexos com estrutura e comportamento extremamente dependentes das interrelações entre os seus componentes. Em particular, a teoria de redes tem contribuído para caracterizar e compreender o comportamento e as interdependências entre vários componentes do mercado financeiro, em especial, o mercado de ações. Pesquisas nessa área indicam que a estrutura de rede gerada do mercado pode conter informações úteis para um melhor entendimento do mercado como um todo e até mesmo prever a ocorrência de eventos extremos, como, por exemplo, uma crise financeira. Em geral, os estudos consideram apenas dependências lineares entre os objetos da rede baseados no coeficiente de correlação linear de Pearson, e nesse sentido, a proposta deste projeto é a aplicação de conceitos e métodos de teoria de redes e de teoria da informação para caracterizar e explorar o efeito de dependências não lineares na estrutura de rede do mercado brasileiro de ações. Para tal, a informação mútua foi usada como medida de dependência não linear para gerar a estrutura de redes que foi comparada com a obtida a partir da correlação linear de Pearson. Por fim, investigou-se como a estrutura da rede e suas métricas poderiam ajudar a caracterizar e a entender o comportamento dos mercados financeiros, analisando-se dois períodos, o primeiro sob gestão da Presidente Dilma Rousseff, com um retorno do índice de ações de -42%, e o segundo sob gestão do Presidente Michel Temer, com um retorno deste índice de 50%. Para tal fim, foram utilizados dados de alta frequência, sendo uma cotação a cada 15 minutos. Em suma, concluiu-se que os retornos dos ativos no segundo período parecem ter maior dependência não-linear quando comparados aos retornos do período anterior. A rede para este período é a que se mostra mais arriscada em termos de estrutura de \'transmissão de volatilidades\', tanto pela análise do coeficiente de robustez da rede, quanto pela estimativa do parâmetro da lei de potência. Encontrou-se evidência da relação entre estrutura das redes e desempenho das ações. Além disso, vimos a grande importância do setor financeiro nas redes. Finalmente, tecemos comentários quanto a aplicação destas redes para diversos fins. / This paper has the purpose to apply concepts and methods from network and information theory to characterize and to explore the role of nonlinear dependencies over the Brazilian network stock market structure. In particular, the minimum spanning tree network structure generated from the mutual information as a measure of nonlinear dependence was compared with the one obtained by Pearson\'s correlation coefficient. We analyzed two periods, the first under the management of President Dilma Rousseff, with an index return of -42%, and the second one, under the management of President Michel Temer, with an index return of 50%. For this purpose, high frequency data of fifteen minutes interval was used. Our analysis suggest that the assets returns of Temer\'s presidential term seem to have greater nonlinear dependence when compared to the returns of the previous period. Also, the network\'s robustness coefficient and power law parameter suggests that the network for the second period is the most risky in terms of volatility transmission structure. Also, we find evidence of network structure and stock performance relationship. Finally, we have also seen the great importance of financial sector within Brazilian\'s stock network

The complex network theory has been extensively used to understand various natural and artificial phenomena made of interconnected parts. This representation enables the study of dynamical processes running on complex systems, such as epidemics and rumor spreading. The evolution of these dynamical processes is influenced by the organization of the network. The size of some real world networks makes it prohibitive to analyse the whole network computationally. Thus it is necessary to represent it by a set of topological measures or to reduce its size by means of sampling. In addition, most networks are samples of a larger networks whose structure may not be captured and thus, need to be inferred from samples. In this work, we study both problems: the influence of the structure of the network in spreading processes and the effects of sampling in the structure of the network. Our results suggest that it is possible to predict the final fraction of infected individuals and the final fraction of individuals that came across a rumor by modeling them with a beta regression model and using topological measures as regressors. The most influential measure in both cases is the average search information, that quantifies the ease or difficulty to navigate through a network. We have also shown that the structure of a sampled network differs from the original network and that the type of change depends on the sampling method. Finally, we apply four sampling methods to study the behaviour of the epidemic threshold of a network when sampled with different sampling rates and found out that the breadth-first search sampling is most appropriate method to estimate the epidemic threshold among the studied ones. / Vários fenômenos naturais e artificiais compostos de partes interconectadas vem sendo estudados pela teoria de redes complexas. Tal representação permite o estudo de processos dinâmicos que ocorrem em redes complexas, tais como propagação de epidemias e rumores. A evolução destes processos é influenciada pela organização das conexões da rede. O tamanho das redes do mundo real torna a análise da rede inteira computacionalmente proibitiva. Portanto, torna-se necessário representá-la com medidas topológicas ou amostrá-la para reduzir seu tamanho. Além disso, muitas redes são amostras de redes maiores cuja estrutura é difícil de ser capturada e deve ser inferida de amostras. Neste trabalho, ambos os problemas são estudados: a influência da estrutura da rede em processos de propagação e os efeitos da amostragem na estrutura da rede. Os resultados obtidos sugerem que é possível predizer o tamanho da epidemia ou do rumor com base em um modelo de regressão beta com dispersão variável, usando medidas topológicas como regressores. A medida mais influente em ambas as dinâmicas é a informação de busca média, que quantifica a facilidade com que se navega em uma rede. Também é mostrado que a estrutura de uma rede amostrada difere da original e que o tipo de mudança depende do método de amostragem utilizado. Por fim, quatro métodos de amostragem foram aplicados para estudar o comportamento do limiar epidêmico de uma rede quando amostrada com diferentes taxas de amostragem. Os resultados sugerem que a amostragem por busca em largura é a mais adequada para estimar o limiar epidêmico entre os métodos comparados.

Uma nova perspectiva da ciência tem sido adotada com sucesso por diversos pesquisadores ao redor do mundo, resultando em avanços tecnológicos nas mais variadas áreas do conhecimento. A nova abordagem científica é amplamente interdisciplinar e envolve métodos para a análise, armazenamento e visualização eficiente de grandes quantidades de informação, assim como formas de entender e quantificar a própria estrutura das ciências. Entretanto, os novos problemas tratados por esta abordagem também são mais complexos e tendem a apresentar uma intrincada união entre conceitos e suas relações. Redes complexas representam naturalmente sistemas desta natureza, sendo amplamente adotadas por pesquisadores de diversas áreas científicas. Este trabalho tem como objetivo estudar e desenvolver técnicas multiescala para caracterizar a estrutura de redes complexas através de vários aspectos ligados à complexidade, como a dimensão, a regularidade e a organização de sistemas em subestruturas. Para isso, são sugeridas novas métricas baseadas no conceito de níveis e padrões concêntricos, que permitem estender, de forma natural, medidas tradicionais de redes complexas ao contexto multiescala. Desta forma, é introduzida uma nova medida de dimensão multiescala, que permite a quantificação da dimensão, tanto ao redor de vértices quanto em escalas globais de uma rede. A regularidade de redes é abordada através da ideia de simetria, redefinida em termos da simetria concêntrica, que permitiu, na prática, a quantificação e comparação da simetria entre diferentes redes. Outro conceito explorado é a caracterização do papel desempenhado por vértices dentro de comunidades, que estão diretamente relacionados às subsestruturas de sistemas. Para isso, definimos uma nova medida multiescala de pertinência baseada na diversidade das comunidades presentes na vizinhança de um vértice. Também foram utilizadas e desenvolvidas técnicas e ferramentas para visualização de redes complexas, que se mostraram fundamentais durante todos os estágios deste trabalho, em especial na criação de mapeamentos científicos. A união das metodologias enriqueceu a caracterização de redes complexas, permitindo a criação de um mapa da complexidade desses sistemas. Verificou-se que a complexidade de sistemas, em geral, está associada à dimensão e simetria. Sistemas com baixa simetria e alta dimensionalidade tendem a ser aqueles de maior complexidade compartilhando a mesma região que redes de conhecimento de da infraestrutura da Internet. Sob esses aspectos, também é estudado como redes são influenciadas pelas restrições geográficas ou de planejamento. As metodologias introduzidas neste trabalho culminaram em diversas aplicações em vários segmentos como: classificação de genes em redes de transcriptoma humano, detecção de crises no mercado financeiro, visualização e sumarização automática de dados científicos, assim como a quantificação da interdisciplinaridade de revistas científicas. No geral, os desenvolvimentos presentes aqui mostram o potencial da abordagem multiescala na análise de sistemas complexos através da representação por redes. / A new perspective of making science is being adopted by many researchers around the world, resulting in several technological achievements in many research fields. The new approach to science is largely interdisciplinary and wraps together many new methods used to analyze, store and visualize large amounts of data, as well as techniques to understand the structure of science itself. However, the problems usually handled by this new approach also are very complex and present an intricate collection of concepts and relationships. Complex networks can be used to naturally represent such systems, having being adopted by many researchers of different backgrounds. The objective of this work is to study and develop new multiscale techniques to characterize the structure of complex networks under three different aspects: dimension, regularity and the organization of systems in substructures; which are tightly related to the concept of complexity. To conduct such analysis, new measurements based on the idea of concentric levels and patterns are proposed, which permits traditional network properties to be extended to a multiscale approach. Therefore, we introduce a new measurement of dimension, the multiscale dimension, which can be used to quantify the dimension around the neighborhoods of a vertex, as well as over the entire network structure in a global scale. The regularity is considered in terms of symmetry, which is redefined to create the concentric symmetry, allowing the quantification and comparison of symmetry among networks of distinct sizes and connectivity. Another concept explored in this work is the characterization of the role of vertices inside a community, which represents the substructure organization of the underlying system. This is done by defining another multiscale measurement, in this case, based on the diversity of the communities of vertices in the neighborhoods of a central reference. Also, we developed new tools and techniques to visualize complex networks, which have proven essential to all the steps of the analysis conducted in this work, including the task of mapping the science structure. The combination of the proposed methodologies enriched the analysis and the characterization of complex networks, resulting in the development of a new way of mapping complexity based on dimension and symmetry. Systems presenting low symmetry and high dimensionality are more likely to also display a more complex behavior, this is the case of knowledge networks the infrastructure of the Internet. In this context, we also study the effects of spatial restrictions and system planning on networks. The methodologies introduced in this paper culminated in several other applications in many scientific topics, such as: the classification of genes in human transcriptome networks, crisis detection on the financial market network, visualization and automatic summarization of scientific data, as well as the quantification of interdisciplinarity of scientific journals. In general, the contributions of this work demonstrate the potential of the multiscale analysis applied to understanding complex systems through the networks representation.

Cities are complex systems of transportation and social activity; their structure can be used to model urban street networks i.e. complex network that represents the geometry of a city allowing analytical activities for data-driven decision-making. The geometry of a city holds intrinsic information that can support activities related to the analysis of the urban scenario; of higher importance is the use of such information to enhance the quality of life of its inhabitants and/or to understand the dynamics of an urban center. Several of these analytical processes lacks in-depth methodologies to analyze crime patterns and ill-designed urban structures, which can provide for public safety and urban design. Consequently, it is our goal to provide means for the structural and topological analysis of highly criminal regions of cities represented as complex networks, and for the identification of urban planning inconsistencies that point to regions that lack access from/to points of interest in a city. In this regard, we devised a set of algebraic and algorithmic procedures that are capable of revealing patterns and provide for data comprehension. More specifically, we introduced pre-processing techniques to transform georeferenced electronic maps into graph representations of cities; we used metric-based and epidemic processes to understand the dynamics of cities in what refers to criminality; finally, we introduced a novel set of formalisms and operations based on set theory to identify design flaws concerning access in urban centers. Our results refer to approaches to preprocess and prepare maps in the form of urban street networks; to the analyses of crimes based on their spatial disposition; to the development of a model to describe criminal activities; and, to the advance of a concept based on critical problems in the urban design. / As cidades são sistemas complexos de interação social e de transporte. Suas estruturas podem ser usadas para modelar redes de mobilidade urbana i.e. redes complexas que representam a geometria de uma cidade permitindo a consecução de atividades analíticas para descoberta de padrões e para a tomada de decisão baseada em dados. A geometria da cidade carrega informações intrínsecas que auxiliam atividades relacionadas à análise de dados provenientes do cenário urbano. As informações inerentes a tais análises podem ser usadas para melhorar a qualidade de vida dos habitantes de uma região, ou para entender a dinâmica de centros urbanos. Diversos processos analíticos aplicados a tais cenários carecem de metodologias para analisar o padrão criminal e para identificar estruturas urbanas mal planejadas. Deste modo, este trabalho tem por objetivo prover meios para análise topológica de regiões criminais e para a identificação de inconsistências urbanas, as quais apontam para regiões que carecem de mobilidade e acesso para outras regiões de uma cidade. Neste sentido, foi desenvolvido um conjunto de procedimentos algébricos e algorítmicos capazes de revelar padrões e meios para compreensão e análise dos dados. Mais especificamente, foram desenvolvidos métodos de pré-processamento para transformar mapas eletrônicos georreferenciados em grafos que representam cidades, foi utilizado um conjunto métrico analítico e outro com base em processos epidêmicos para entender a dinâmica intrínseca à criminalidade de uma cidade, e por fim, foi desenvolvido um conjunto de formalismos e operações baseados em teoria dos conjuntos para identificar falhas no desenho das estruturas urbanas que impactam no acesso viário em centros urbanos. Os resultados deste trabalho versam sobre o desenvolvimento de novos métodos para preparar mapas na forma de redes de mobilidade urbana; na análise de crimes baseada em sua disposição espacial; no desenvolvimento de um modelo capaz de descrever a atividade criminal de uma cidade; e, em um conceito baseado na análise de regiões críticas identificadas a partir do desenho urbano.

The X-Ray imaging technology opened a new branch of science in which the internal porous structure can be captured and the reconstructed volume can be used for fluid flow simulations and structural measurements. However, there is still the question of how the internal structure of the pore space impacts in the observed simulations. A way to characterize this internal structure is by simplifying it into well-defined elements and the interaction between them, describing it as a network. The interaction between elements are the edges of the network and elements are the nodes. This opens the possibility of applying complex network theory on the characterization of porous media which has proven to give powerful insights into how the structure of porous materials influences on the dynamics of the permeating fluid. The problem with this description is in definition of the basic elements that will compose the network, since there isnt a consensus on this definition. The purpose of this work is to provide a method to analyze μCT data through networks in which the separation of the space is done in a semi-continuous method. The recovering of the pores local geometry is captured through a network analysis method of centrality, instead of a geometrical definition. This way the intrinsic morphology of the samples is what governs the pore-space separation into different entities. The method developed is based on the network extraction method Max Spheres Algorithm (MSA). The volumetric data is recovered through a network composed by sphere cells. The output of this process are two distinct networks: the complete volume network and a network which represents the variation of the channels diameter. These networks give unbiased real information on pore connectivity and can provide important data to better understand the morphology and topology of the samples. This method was successfully applied to samples of Berea sandstone, Estaillades carbonate, and to characterize the morphology of wormholes. Wormhole is the denomination of the channel formed after the application of an acid treatment as a stimulation procedure of an oil reservoir, a method of EOR (Enhanced oil recovery). This treatment consists of a reactive fluid flow injected in the inner rock of the reservoir, which creates a preferential path (wormhole) that optimizes the extraction of the hydrocarbon fluids. / A microtomografia de raios-X permitiu a evolução de uma nova área da ciência aplicada a meios porosos: a Rocha Digital. Através desta técnica, todo o espaço poroso é recuperado, e é possível entender a dinâmica do fluido que o permeia através de simulações computacionais. No entanto, ainda há a questão de como a estrutura do meio influencia nos resultados observados. Entender questões como connectividade e clusterização de regiões podem dar informações valiosas sobre como a origem do meio poroso influencia na dinâmica do fluido que o permeia. Esta avaliação do meio é possível através da simplificação do mesmo em uma rede de conexão de elementos básicos e as interações entre estes. O problema com a descrição do meio poroso em uma rede de conexão é que não existe um consenso na definição destes elementos básicos. O propósito deste trabalho foi encontrar uma maneira de descrever o meio que fosse aplicável a qualquer litologia, e que se aproximasse ao máximo dos dados extraídos pela micro tomografia para a análise das topologias de diferentes rochas através de teoria de redes complexas.Para isso, utilizamos o algoritmo robusto de extração de redes de poros, esferas máximas, como base para dividir o espaço-poroso em células esféricas. Desta forma, todo o volume do espaço poroso observado através da micro tomografia é recuperado e descrito em uma rede de conexão. O resultado final do método aplicado é uma rede que descreve o meio completo e uma rede que descreve o eixo medial das interconexões entre poros. A geometria local dos poros é recuperada através de um critério de centralidade de rede, assim a separação é governada pela morfologia intrínseca das amostras, ao invés de fatores geométricos.Desta forma podemos analisar o efeito da tortuosidade real do meio, assim como a interconexão entre poros, com relação a permeabilidade do meio.O método se mostrou eficaz na análise de rochas com diferentes litologias: arenito (Berea) e carbonato (Estaillades). O método também foi aplicado na avaliação da estrutura de canais formados pelo processo de acidificação de rochas (wormholes).