Desenvolvimento de uma Ferramenta Computacional baseada em Lógica Fuzzy para Armazenamento e Análise de Dados FísicoQuímicos e Biológicos do Rio Cachoeira-BA

Autores

  • João Gabriel Ganem Barbosa
  • Francisco Bruno Oliveira Souza
  • Elaine Teixeira Oliveira
  • Fábio Flores Lopes

DOI:

https://doi.org/10.5540/03.2015.003.01.0395

Palavras-chave:

Lógica Fuzzy, Qualidade da Água, Rio Cachoeira

Resumo

A lógica fuzzy é uma técnica de inteligência artificial baseada no conhecimento heurístico, geralmente representado por um conjunto de expressões condicionantes para representar os fenômenos e os processos, com base no conhecimento de especialista dos mesmos. [2] De forma mais objetiva, define-se ainda lógica fuzzy como sendo uma ferramenta capaz de capturar informações vagas, em geral descritas em uma linguagem natural e convertê-las para um formato numérico, de fácil manipulação pelos computadores de hoje em dia. [3] O Rio Cachoeira, com cerca de 300km de extensão, exerce uma grande influência na região Sul da Bahia nas áreas de agricultura e pecuária, além de servir como fonte de alimento através da pesca para diversas famílias e comunidades que moram próximas às margens do rio.[1] Duas principais cidades da região que são banhadas pelo Rio Cachoeira, Itabuna e Ilhéus, despejam todo esgoto nas águas do rio que, em conjunto com lixo industrial e urbano, contribuem para a poluição das águas de um dos maiores rios da Bahia.  Tendo em vista essa problemática, foi desenvolvida uma ferramenta computacional para armazenamento e análise de dados físico-químicos e biológicos para poder medir e caracterizar a qualidade da água no Rio Cachoeira. Pesquisadores e biólogos têm coletado periodicamente desde 2010 amostras em seis pontos do Rio Cachoeira, desde o Estivo, dez quilômetros acima de Itapé, passando pelo Jardim das Acácias, em Itabuna e finalizando no Caminho das Sesmarias, no distrito de Banco da Vitória, município de Ilhéus, como é possível observar na figura 1. Após armazenamento destes dados, aplicam-se funções de pertinência que possibilitam expressar a qualidade da água em cada um desses pontos através de parâmetros fuzzy. Além disso, é possível fazer simulações futuras utilizando dados experimentais e também consultar amostras e análises anteriores. A ferramenta é baseada em sistema web, permitindo maior flexibilidade quanto à plataforma utilizada, utilizando PHP, MySQL, HTML e CSS como linguagens e tecnologias para confecção do sistema, banco de dados e interface respectivamente. Para construir as funções de pertinência fuzzy, foram escolhidas por especialistas três substâncias principais como variáveis linguísticas, pois essas tem maior peso na qualidade do rio. São elas: Nitrato Total (NO3), Nitrogênio Amonical (NH4) e Sulfato (SO4)[4]. Os termos para cada variável linguística são Bom, Regular e Ruim, aplicados a depender do nível de entrada de cada substância. A partir do paralelo entre as três, é possível definir se a água está com qualidade boa, regular ou ruim de acordo com uma base de regras derivada das funções de inferência. A figura 2 mostra a funções utilizadas, trapezoidal e triangular, respectivamente, para cálculo do grau de pertinência da qualidade da água. Após definidas as variáveis e funções de cada uma delas, criam-se tabelas com bases de regra do sistema e, por fim, é definido o índice final da qualidade da água através do método de Mandami seguindo a equação da figura 3, onde A, B e C são as variáveis linguísticas. Em uma determinada coleta realizada no ponto 2, localidade do Estivo, foram encontrados para as substâncias NO3, NH4 e SO4, respectivamente, concentrações de 22mg/L, 0,8mg/L e 155mg/L. Após fuzzyficação, foi possível notar que NO3 estava em nível BOM, NH4 REGULAR e SO4 estava parcialmente em dois conjuntos, sendo 0,5 BOM e 0,25 REGULAR de um total de 1.  Após aplicar regras de inferência, foi possível estabelecer um índice de 78.90 a esta amostra, em uma escala de 0 a 100, onde 0 é uma péssima condição do rio e 100 a melhor condição possível. O projeto encontra-se em andamento e atualmente está sendo estudada a implementação de mais variáveis e graus de pertinência, deixando o sistema mais complexo e preciso, uma vez que o aumento no número de parâmetros faz o sistema ter mais nuances, com mais fidelidade às condições reais.

Downloads

Não há dados estatísticos.

Downloads

Publicado

2015-08-25

Edição

Seção

Modelagem Matemática e Aplicações