You are on page 1of 15

26 Congresso Brasileiro de Engenharia Sanitria e Ambiental

ABES Associao Brasileira de Engenharia Sanitria e Ambiental 1


I-310 - PROPOSIO DE UM NDICE DE QUALIDADE DA GUA: UMA
ABORDAGEM FUZZY

rico Gaspar Lisba
(1)

Engenheiro Civil pela Universidade Federal do Par (UFPA). Ps-graduado em Gesto Ambiental pelo Ncleo
de Meio Ambiente (NUMA/UFPA). Mestre em Engenharia Civil pelo Programa de Ps-graduao em
Engenharia Civil (PPGEC/UFPA).

Eldio Paulo Martins Lopes Junior
Graduando em Engenheira Sanitria e Ambiental pela Universidade Federal do Par (UFPA).

Ana Rosa Baganha Barp
Engenheiro Civil pela Universidade Federal do Par (UFPA). Mestra e Doutora em Engenharia Civil pela
Universidade Estadual de Campinas (UNICAMP). Professora Adjunta III da UFPA

Endereo
(1)
: Rua Augusto Corra, n 1. Guam. CEP: 66075-900 - Belm, PA Brasil. Email: erico@ufpa.br

RESUMO
A avaliao da qualidade da gua pode ser obtido por um ndice de Qualidade da gua (IQA). No entanto, os
IQA, so limitados quanto a sua capacidade de interpretao, gerando incertezas. O objetivo deste trabalho
propor a construo de um Sistema de Inferncia Fuzzy (SIF), baseado na teoria dos conjuntos fuzzy,
concebendo um IQA fuzzy (IQA
f
). Para tanto, o SIF foi processado pela fuzzyficao dos parmetros fsico,
qumicos e bacteriolgicos proposto por Brown et al.,(1970), sendo traduzidos por variveis lingusticas
"baixa" (B), "mdia" (M) e "alta" (A), lidas por funes de pertinncia trapezoidal (FPTr), aferidas por um
conjunto de regras (R
n
) e operadas atravs do modelo clssico de inferncia fuzzy Mamdani. O IQA
f
foi obtido
por desfuzzificao pelo Mtodo do Centro de Gravidade (MCG). O ndice do SIF validado por uma
regresso linear, via R, correlacionando-o com o IQA para pocas de cheia e estiagem. A proposta foi
aplicada no igarap Tucunduba, localizado no municpio de Belm/PA, para o perodo de 1999 a 2000. Para
16 amostras sendo divididos os perodos de cheia e estiagem. Como resultado de validao, R igual a 0,61 e
0,54 entre IQA
f
x IQA, para pocas de cheia e estiagem, respectivamente, ambos por modelos lineares. Os
valores mdios de qualidade da gua em pocas de cheia foi timo (OT) para IQA e Boa (BO) para IQA
f
; e na
estiagem BO para IQA e Aceitvel (AC) em IQA
f
. Por fim, a disperso dos resultados, apresentou um
coeficiente de variao (cv) igual a 21,07% para IQA 29,23% do IQA
f
em poca de cheia; e na estiagem
20,54% e 10,22% para IQA e IQA
f
, respectivamente. Por fim, o IQA gerou qualificaes da gua superior ao
IQA
f
para a maioria das amostras, tanto no perodo de cheia quanto de estiagem. Assim com a adoo da teoria
dos conjuntos fuzzy, o desempenho do SIF construdo na avaliao da qualidade da gua foi significativo

PALAVRAS-CHAVE: ndice de Qualidade da gua, teoria dos conjuntos fuzzy, igarap Tucunduba.


INTRODUO

A avaliao da qualidade da gua superficial pode ser expressa por um indicador ou ndice que tem como
objetivo qualific-la de acordo com os valores padres de uso para os diversos fins. Os mais comuns so
aqueles de uso geral que agregam parmetros de caractersticas fsicas, qumicas e bacteriolgicas da gua. No
entanto, os denominados ndices de Qualidade da gua (IQA) denotam uma importncia vaga pela
manipulao de parmetros ponderados, alguns dos quais apresentam forte correlao e sobreposio,
denotando incertezas. Neste sentido, se faz necessrio a adoo de um Sistema de Especialista (SE) para tratar
as incertezas a partir de um conjunto de regras que se adquem as condies de qualidade da gua. Deste
modo, a teoria dos conjuntos fuzzy tem como premissa acurar o IQA, a partir de seus parmetros, com a
proposio de um IQA fuzzy (IQA
f
) atravs de um modelo de inferncia fuzzy, apresentando-se como
excelentes ferramentas a Gesto dos Recursos Hdricos Superficiais (GRHS).

A gama de trabalhos vistos na literatura, com aplicao da teoria dos conjuntos fuzzy, podem ser classificadas
em analises cluster e sintticas fuzzy. Nas anlises cluster os nveis padres dos parmetros de qualidade


26 Congresso Brasileiro de Engenharia Sanitria e Ambiental

ABES Associao Brasileira de Engenharia Sanitria e Ambiental 2
da gua so comparados com uma relao de valores padres obtidos pela lgica fuzzy. Estes valores so
baseados em uma matriz de relao e, posteriormente um cluster de parmetros d origem a IQA (Zheng and
Ying 1984; Kung et al., 1993; Kung et al., 1992). Por outro lado, os trabalhos de Lu et al., (1999); Chang et
al., (2001) aplicaram anlises sintticas fuzzy, a qual considerou nveis de tolerncia para valores padres dos
parmetros de qualidade da gua para descrever uma relao para diferentes usos da gua.

Recentemente, Nasiri et al., (2007), baseado na proposta de Yoon and Hwang (1995), atribuiu a proposio de
um IQA por meio da aplicao da teoria dos conjuntos fuzzy em associao a teoria dos mltiplos atributos de
tomada de deciso. O processo constitui-se da aferio de ambas as teorias, que se destinaram a avaliao da
qualidade da gua considerando os parmetros de Oxignio Dissolvido (OD), Demanda Bioqumica de
Oxignio analisado no quinto dia (DBO
5
), Coliforme total, Nitrato (NO
3
), Amnio (NH
4
), Fsforo total, os
quais compem o ndice proposto por Horton (1965). A atribuio da faixa de valores destes parmetros, na
composio da qualidade da gua, foi realizada pela consulta a especialistas pelo processo DELPHI (Linstone
and Turoff 1975; Porter et al., 1991) atravs de cinco variveis lingusticas limpssima, muito limpa,
medianamente limpa, impura, contaminada. Tais interpretaes foram direcionadas na anlise da
qualidade da gua para uso no abastecimento, vida aqutica, recreao e industrial.

Portanto, o objetivo deste projeto propor a construo de um IQA
f
, baseado na teoria dos conjuntos difusos,
a partir dos parmetros proposto por Brown et al., (1970), implementando um SIF atravs do modelo clssico
de Mamdani (1974) e, por conseguinte obtem-se o ndice fuzzy via MCG. Tal proposta aplicada para anlise
da qualidade da gua do igarap Tucunduba com base em um conjunto de 16 amostras pontuais entre os anos
de 1999 a 2000 no perodo de cheia e estiagem. Tal processo foi testado por Lermontov et al., (2008) no Rio
Pardo da regio de Ribeiro Preto, no estado de So Paulo. O IQA
f
foi resultante da inferncia fuzzy cujos
parmetros so componentes da proposta de Brown et al., (1970). Tais parmetros foram divididos de acordo
com suas caractersticas, obtendo-se subndices os quais foram agrupados. Estes subndices agrupados,
consubstanciados, deram origem ao IQA
f
. Os resultados foram comparados com outros IQA obtidos por
metodologias convencionais. Os autores concluram que, a partir dos resultados, o IQA
f
eficiente para o
planejamento de estratgias e tomadas de decises no mbito da GRHS, comparado aos ndices tradicionais
que se mostram imprecisas.


NDICE DE QUALIDADE DA GUA (IQA)
Os ndices de Qualidades da gua (IQA) foram concebidos com a perspectiva de agregar as variveis
inerentes s caractersticas qumicas, fsicas e biolgicas da gua em um nmero. Este nmero visa
possibilidade de analisar a evoluo da qualidade da gua no tempo e no espao com a finalidade de facilitar a
interpretao destas variveis. A literatura abrange variados modelos de IQA, bem como os seus mais diversos
usos e finalidades.

Neste sentido, Ott (1978) cita pelo menos trs tipos bsicos de ndices. O primeiro que elaborado pela
opinio de especialistas (experts). O outro tipo se concentra em ndices baseados em modelos estocsticos. J o
terceiro, ndices biolgicos, demandam de dados para sua formulao que ainda no so rotineiramente obtidos
em programas de monitoramento. Os fins a que se destina o uso de IQA podem abranger desde a ordenao de
reas geogrficas (comparao de condies ambientais em diferentes reas geogrficas), at a servir de
instrumentos para a gesto dos recursos hdricos. Neste contexto, para que o IQA possa ser direcionado aos
usos mltiplos da gua, Dersio (1992) classificou os ndices para uso em geral, especficos e planejamento
ambiental.

Os ndices direcionados ao planejamento ambiental foram propostos para serem utilizados pelos tomadores de
deciso, isto , como subsdio ao usurio a tomar decises ou a resolver problemas especficos. Destacam-se o
ndice de Inhaber e Zoeteman. O primeiro incluiu ndices de qualidade do ar, gua e solo os quais se coadunam
para um Environment Quality Index (EQI). J o segundo denominado de Pollution Potencial Index (PPI),
posto que o mesmo se fundamenta por fatores indiretos relacionados a poluio da gua. Por fim, Ott (1978)
cita os ndices desenvolvidos pela MITRE Corporation e Evironmental Protection Agency, United State of
American (EPA - US) como Prevalence Duration Intensity Index (PDI), National Planning Priority Index
(NPPI) e Priority Action Index (PAI).



26 Congresso Brasileiro de Engenharia Sanitria e Ambiental

ABES Associao Brasileira de Engenharia Sanitria e Ambiental 3
Por outro lado, os ndices para uso especfico e geral podem ser caracterizados pelas peculiaridades do estado,
com diversidade de regime hidrolgico, bem como da presena em ambientes lticos (gua doce corrente) e
lnticos (gua doce parada), incluindo esturios. No que concerne ao IQA para uso especfico destacam-se
aqueles inseridos em ambientes lticos, os quais podem ser citados por Otto (1978) como o ndice de Walski e
Parker e OConnor, entre outros. Portanto, os ndices ditos de especficos consideram que o nvel de qualidade
da gua requerido varia de um determinado parmetro para outro podendo ser indispensveis para um
determinado uso ou ter somente uma importncia razovel. No que concernem os ndices para uso geral, tem-
se aqueles destinados aos ambientes lticos e lnticos.

No que tange os ndices destinados a ambientes lnticos, Carlson (1977) definiu um ndice de Estado Trfico
(IET) da gua a partir da transformao linear da transparncia pelo disco de Secchi. O IET ainda considera
concentraes de fsforo e clorofila. Ao considerar o ambiente lntico destacam-se os ndices de Horton
(1965), Smith. Este artigo considerou para o clculo do IQA determinstico o ndice concebido pela National
Sanitation Foundation (NSF) proposto por Bown et al., (1970). A proposio original de Brown et al., (1970)
contempla duas formas: aditiva e multiplicativa. A forma multiplicativa, visto na equao abaixo, foi sugerida
por Landwehr e Deininger para evitar eventuais problemas de resultados mascarados, que ocorriam quando um
subndice (l
i
) apresentava valores extremamente baixos de qualidade de gua.

=
=
n
1 i
i
w
i
l IQA

No obstante, o artigo d nfase a forma aditiva a qual resulta de uma combinao linear com pesos (w
i
) dos
subndices (l
i
) conforme a formulao a seguir.

i
n
1 i
i
l . w IQA
=
=

Onde IQA um nmero que varia de 0 a 100; w
i
o peso relativo e l
i
o valor do subndice relativo ao i-simo
parmetro. Os valores de IQA so classificados de acordo com qualificao da gua e as suas respectivas
faixas de valores (Tabela 1).

Tabela 1: Parmetros (l
i
) e pesos (w
i
) para o clculo de IQA proposto por Brown et al., (1970).
Parmetros (l
i
) Pesos (w
i
)
Oxignio Dissolvido [OD] 0,17
Coliformes Fecais [CF] 0,15
Potencial de Hidrognio [pH] 0,12
Demanda Bioqumica de Oxignio em 5 dias [DBO
5
] 0,10
Nitrato [NO
3
] 0,10
Fosfato Total [PO
4
] 0,10
Temperatura [TC] 0,10
Turbidez [Tu] 0,08
Slidos Totais [S
t
] 0,08

Os parmetros utilizados na composio deste IQA so relacionados as caractersticas fsicas, qumicas e
bacteriolgicas, cujos valores de w
i
so visualizados pela Tabela 2.

Tabela 2: Classificao da qualidade da gua pelo IQA proposto por Brown et al., (1970).
Faixa de Valores do IQA Qualificao da gua Cor
80 100 tima
52 79 Boa
37 51 Aceitvel
20 36 Ruim
0 19 Pssima

Por fim, os ndices vistos anteriormente so importantes no acompanhamento da qualidade da gua. No
obstante, a interao entre parmetros ponderados denotam incertezas, alguns dos quais apresentam correlao


26 Congresso Brasileiro de Engenharia Sanitria e Ambiental

ABES Associao Brasileira de Engenharia Sanitria e Ambiental 4
e sobreposio, posto que os mesmos so determinsticos e conceituais. Determinsticos, porque ignoram as
propriedades estocsticas inerentes a varincia, com que as faixas de valores destes parmetros podem
influenciar na interpretao da qualidade da gua. E so conceituais, porque buscam uma interpretao fsica,
qumica e bacteriolgica para os diversos subprocessos envolvidos na avaliao da qualidade da gua. Neste
sentido, faz-se necessrio a adoo de um Sistema de Especialista (SE), fundamentado na teoria dos conjuntos
fuzzy, para tratar as incertezas de um IQA a partir de um conjunto de regras que se adquem aos parmetros
que compe a interpretao da qualificao da gua.


TEORIA DOS CONJUNTOS FUZZY

A teoria dos conjuntos clssicos (lgica boleana) considera que um elemento (x) pertence () ou no () a um
dado conjunto (A), ou seja, de maneira formal tem-se que x A, podendo ser falso [0] ou verdadeiro [1]. Por
outro lado, nos conjuntos fuzzy h uma generalizao da teoria dos conjuntos por meio de uma funo
caracterstica denominada de funo ou grau de pertinncia - (x) - que pode variar de 0 a 1, onde os valores
extremos representam a lgica boleana.

Assim, um conjunto fuzzy ou nebuloso ou difuso, conceituado por Zadeh (1965); Zimmermann (1991) como
sendo X um conjunto universo e A um subconjunto fuzzy de X, se A um conjunto de pares ordenados, tal
que:

| | { } X x , ) x (
A
, x A =

Deste modo, cada elemento x pode ter um grau de pertinncia que varia no intervalo de [0, 1], logo uma
expresso e seu inverso pode, ambos, ser verdadeiro para certo grau que varie entre 0 e 1. Portanto, quanto
mais prximo de 1 estiver
A
(x), mais x pertencer a A. De modo mais especfico, o conceito de conjuntos
fuzzy, introduzido por Zadeh (1965), descreve uma impreciso ou um estado vago. Portanto, a teoria dos
conjuntos fuzzy pode ser considerada como uma extenso da teoria dos conjuntos clssica.

Assim, esta ferramenta tem sido comumente usada para a informao imprecisa com sentido no-
probabilstico, permitindo a integrao de vrios parmetros para a modelagem e processo de avaliao, tendo
como expoente desta prerrogativa o grau ou funo de pertinncia. A funo de pertinncia (x) proposta por
Zadeh (1965) como uma caracterizao mais ampla, na medida em que se sugere que alguns elementos so
mais membros de um conjunto do que outros. Portanto, esta funo determina com que grau x est em A onde:

A
(x) = 1, x pertence totalmente ao subconjunto A; e quando 0 <
A
(x) < 1 significando que x pertence
parcialmente ao subconjunto A; e,
A
(x) = 0, onde x no pertence ao subconjunto A.

Gomide e Rocha (1992a) conceituam (x) como sendo X uma coleo de objetos denominados genericamente
por x. Onde X chamado de universo de discurso, podendo ser contnuo ou discreto, melhor evidenciado a
frente. Assim, um conjunto fuzzy A em X definido por (x) que assume valores em um intervalo [0,1], deste
modo o conjunto fuzzy A em X , ento, um conjunto de pares ordenados, onde x X, e i = 1, 2, ...n;
conforme a equao abaixo:

=
n
1 i
i
A
x
) x (
A


Por outro lado, (x) traduzido por um nmero real que pode ser chamado de nmeros fuzzy. Os nmeros
fuzzy, segundo Moura (1998), representam um caso especial de conjuntos fuzzy, os quais so generalizados
por conceito numrico usual. Assim, novamente Moura (1998) define nmeros fuzzy como um subconjunto A
de um conjunto de nmeros reais se existir pelo menos um x onde
A
(x) = 1, caracterizando uma suposio de
normalizao; e para todo o nmero real a, b, c com a < c < b onde
A
(c) Min [
A
(a),
A
(b)], tendo esta
formao a caracterizao da suposio para convexidade. Onde o Mn caracteriza-se como uma operao de
Interseo ( u ).

No obstante, para as operaes entre nmeros fuzzy, as propriedades lgebras entre os conjuntos fuzzy no
segue a teoria clssica, pelo fato de que as operaes de Unio ( u ) e de Interseco de um conjunto e


26 Congresso Brasileiro de Engenharia Sanitria e Ambiental

ABES Associao Brasileira de Engenharia Sanitria e Ambiental 5
seu Complementar so diferentes de 1 e vazio (), respectivamente. A partir de ento, as operaes entre os
conjuntos fuzzy devem ser estabelecidas. Para as operaes de Unio e Interseo, considera-se A e B
conjuntos fuzzy definidos em X. Desta forma, conforme Pedrycz (1989), a Unio dos conjuntos A e B resultam
no conjunto D, isto , D = A B; a Interseo entre os mesmos conjuntos resulta em um conjunto C que
igual AB.

Zadeh (1965); Pedrycz (1989), Driankov et al., (1993) expem que na teoria dos conjuntos fuzzy, em ambas as
operaes de lgica so implementadas por uma famlia de operadores, vistas anteriormente, como sendo a
Interseo (Mn) e Unio (Mx). Desta forma, considerando A e B como conjuntos fuzzy definidos em X, tem-
se a Interseo e Unio entre A e B, respectivamente visto nas equaes:

| | X x ; ) x ( ), x ( ) x (
B A D
=

| | X x ; ) x ( ), x ( ) x (
B A C
=

Gomide et al., (1995), adicionalmente as operaes de lgica, acrescentaram as operaes ditas de Implicao
as quais so utilizadas para modelar regras de inferncia do tipo SE <premissa> e ENTO <concluso>.
Assim, considerando A e B dados por
A
: X [0,1],
B
: Y [0,1], a relao A B, expressa por:

| | ) y ( ), x ( I ) y , x (
B A B A
=



Tais operaes podem se classificadas como funo de Implicao de Mnimo, Produto, Lukasiewicz e as
Variant of the System of Standard Sequences (VSS). No entanto, o trabalho em pauta aplicar as operaes de
Implicao de Mnimo as quais so evidenciadas por Mamdani (1974). Esta operao definida como uma
simplificao dos operadores de Mx Mn, baseada no princpio de lgica proposta por Zadeh (1965), sendo
expressa da seguinte forma:

) y ( ) x ( ) y , x (
B A B A
=



Embora as operaes de Mn sejam empregadas como de Implicao em aplicaes de controle fuzzy, estas
no so de Implicao propriamente ditas, posto que, conforme Yager (1980); Mizumoto (1982), a funo de
pertinncia que as define,
AB
(x, y), podem ser obtidas por funes individuais,
A
(x) e
B
(y), de vrias
maneiras. Este motivo sugere que a determinao de um nmero fuzzy possa ser obtida a partir da combinao
de diferentes operadores.

De tal forma, Gomide et al., (1995) exemplificaram que sejam conjuntos de valores x e y com universos de
discurso X e Y, respectivamente, bem como A e B conjuntos fuzzy definidos, respectivamente, em X e Y; tem-
se que as proposies fuzzy sejam x A e y B. Portanto, possvel operar com os conectivos lgicos E e
OU e com os operadores de Implicao SE e ENTO. Assim sendo, tais operaes podem ser
estabelecidas por meio de proposies fuzzy, as quais so traduzidas por varivel cujos valores so nomes de
conjuntos nebulosos, podendo assumir termos lingusticos ou variveis lingusticas (), e sistematizadas por
uma forma de raciocnio ou inferncias fuzzy.

O processo de raciocnio ou inferncia fuzzy, foi conceituado por Lee (1990) como um procedimento de
inferncia usado para obter concluso de um conjunto de regras SE e ENTO. Nestes termos, Lee (1990a)
classifica dois tipos de regras generalizada de inferncia sendo uma denominada de modus ponens (GMP) e a
outra de modus tollens (GMT). Para as regras GMP, sejam os conjuntos A, A, B e B, ento se tem que A =
A e B = B, de modo que tal concepo est intimamente relacionada inferncia dirigida a dados, til em
lgica fuzzy. J as regras GMT, considerando os mesmos conjuntos supracitados, tem-se que B no B e A
no A, este tipo de inferncia est relacionado a objetivos, o que comumente usado em um SE (experts).

Para Lee et al., (1996) as regras para a inferncia fuzzy podem ser de trs tipos, as quais iro depender da sua
forma consequente. A regra fuzzy do tipo 1 tem parte consequente constante, obtendo-se: SE (x A
1
),E ...,
E (x A
i
), ENTO (y C). As regras do tipo 2 caracterizam-se como sendo parte consequente obtida por
meio de uma combinao linear, igual a:
SE (x A
1
), E...E (x A
i
), ENTO [y g(x
1
, x
2
,...x
j
) = b
0
+ b
1
.x
1
+ ...b
j
.x
j
].


26 Congresso Brasileiro de Engenharia Sanitria e Ambiental

ABES Associao Brasileira de Engenharia Sanitria e Ambiental 6
Por fim, a regra fuzzy do tipo 3, parte do consequente sendo um conjunto fuzzy de modo que:

SE (x A
1
), E...E (x A
i
), ENTO (y B).

Onde i = 1, 2, ..., n; e j = 1, 2, ..., m. Em outras palavras, a inferncia fuzzy a etapa na qual as proposies
fuzzy so definidas e depois examinadas paralelamente. Tais proposies so examinadas por regras, as quais
so utilizadas para a inferncia sendo expressas no formato SE e ENTO. Portanto, conforme as
consideraes de Zadeh (1965), tem-se duas relaes fuzzy R
1
e R
2
onde:

R
1
: SE (x A), ENTO (y B)
R
2
: SE (y B), ENTO (z C)

Assim, tm-se como resultante a composio R
12
: SE (x A), ENTO (z C) podendo serem definidas
por regras entre os operadores de implicao do tipo Mx Mn.

| | ) z , x ( ) y , x ( ) z , x (
2 R
1
R
12
R
=

Deste modo, aplicando os operadores do tipo Mx Mn, a fim de obter uma relao R entre A e B, tem-se o
seguinte:

Y y , X x ;
) y , x (
) y , x (
R
R

=


Neste mbito, ratificando a proposio de Zadeh (1973), propem-se a aplicao de uma espcie de raciocnio
inferindo os operadores Mx Mn. Assim, se um conjunto antecedente A for igual ao A, obtm-se um
conjunto consequente B igual a:

Y y , X x ;
y
) y , x (
) x ( ' B
R
A

(
(


=


Portanto, o modelo acima foi definido a partir de uma simples relao ou regra e um conjunto antecedente A
obtendo-se um raciocnio fuzzy B. No entanto, podem-se modelar regras simples ou mltiplas, para mais de
um ou mltiplos conjunto antecedente. A literatura apresenta dois tipos de modelos: os clssicos, tendo como
expoente os modelos de Mamdani e Larsen; e os de interpolao, compreendendo os modelos de Takagi-
Sugeno e Tsukamoto. Como dito anteriormente, este artigo d nfase ao modelo clssico de inferncia fuzzy
Mamdani. Porm, as aplicaes dos demais modelos pode ser vistos nos trabalhos de Lee (1990) e Driankov et
al., (1993).

O modelo de inferncia Mamdani, concebido por Mamdani (1974), foi uma tentativa para controlar um
conjunto de turbina a vapor (boiler) usando regras derivadas de um especialista humano. Deste modo,
consideram-se duas regras iguais a R
1
e R
2
, sendo:

R
1
: SE x
1
* A
1,1
E x
2
* A
1,2
; ENTO y B
1

R
2
: SE x
1
* A
2,1
E x
2
* A
2,2
; ENTO y B
2


Assim, com as premissas de R
1
e R
2
, tem-se
1
= (A
1,1
A
1,2
), dando origem a B
1
; e
2
= (A
2,1
A
2,2
),
produzido B
2
. Por conseguinte, ilustra-se a sistemtica do modelo clssico de Mamdani, onde se percebe os
operadores matemticos que envolvem a lgica fuzzy, que so as Intersees, procedidas pelas variveis de
entrada (x
i
*); e Unio, que se d pela interao entre a sada B
1
e B
2
que resulta em B, tais prerrogativas
caracteriza tal modelo como de Mx Mn, exemplificado pela Figura 1.



26 Congresso Brasileiro de Engenharia Sanitria e Ambiental

ABES Associao Brasileira de Engenharia Sanitria e Ambiental 7

Figura 1: Inferncia obtida pelo modelo clssico de Mamdani e clculo pelo MCG para sada B.

Com as premissas de uma dada regra avaliada, o termo se caracteriza como a compatibilidade global de uma
regra R
j
, onde x
i
*, igual a:

( ) m j 1 ; ... ;
j , n j , 2 j , 1 j
=

Sendo j = 1, 2,...,m. Nota-se que para originar B
1
e B
2
, o modelo de Mamdani utiliza as operaes de Mn, isto
, de Interseo , logo:

| | ) x ( ), x ( ) y (
2 , 1
A
1 , 1
A
1
B
=

| | ) x ( ), x ( ) y (
2 , 2
A
1 , 2
A
2
B
=

No obstante, os valores de
1
e
2
so relacionados com os conjuntos B
1
e B
2
obtendo-se o valor de B atravs
da interao de R
1
e R
2
, via uma operao de Mx, ou seja, de Unio , obtendo-se um valor de sada para
cada regra igual a B
1
=
1
B
1
e B
2
: =
1
B
2
. Deste modo, para o valor de sada geral do modelo pelo
operador de Unio, tm-se:

| | | | { } ) y ( ) y ( ) y ( ) y ( ) y (
2
B 2
1
B 1 '
2
B '
1
B ' B
= =


A gerao da ao de controle, isto , a obteno de um nico valor de B que no seja um nmero fuzzy e sim
um valor definido, obtido por mtodos que mapeiam a varivel de sada fuzzy em um valor definido,
denominado de desfuzzificao. O processo de desfuzzyficao utilizado para obter uma nica ao de
controle precisa a partir do conjunto nebuloso B do modelo clssico de inferncia fuzzy. Em outras palavras,
tal processo transforma valores de sada de B em valores determinsticos. Para tanto, existem vrios mtodos e
a seleo de um deles dependente do domnio da aplicao em desenvolvimento. Moura (1998) define dois
principais casos deste processo, sendo este dependente do universo em que as respostas estaro definidas, a
saber: no primeiro caso a resposta est em universo numrico arbitrrio ou discreto; j no segundo caso a
resposta uma varivel numrica contnua.

Deste modo, de acordo com Ross (2004), os mtodos podem ser definidos como sendo a desfuzzyficao
por mximo ou pela mdia. O mtodo em que o domnio das respostas seja uma varivel numrica contnua
pode ser realizado usando um parmetro de localizao como a mdia, obtidos por mtodos de combinao de
resposta. O mtodo que merece destaque, e de vasta utilizao, o Mtodo do Centro de Gravidade (MCG),
visto nos trabalhos de Jager (1995); Babuska (1996). Tal mtodo semelhante a mdia aritmtica para uma
distribuio de dados, com a diferena que os pesos so valores
Bi
(y) que indicam o grau de compatibilidade
do valor y com o conceito modelado pelo conjunto fuzzy, sendo expresso para um domnio discreto e domnio
contnuo, vistos pelas equaes abaixo, respectivamente.


26 Congresso Brasileiro de Engenharia Sanitria e Ambiental

ABES Associao Brasileira de Engenharia Sanitria e Ambiental 8
( )
( )

=
=

=
n
0 i
i Bi
n
0 i
i Bi i
' B
y '
y ' . y
) y (


( )
( )

=
R
yi i Bi
R
yi i Bi i
' B
d y '
d y ' . y
) y (

O valor de sada (output) obtido pela distribuio de possibilidade de sada da inferncia fuzzy, que por
conseguinte, obtem-se o valor de B pelo MCG. No obstante, o MCG pode ser realizado seguindo trs etapas
bsicas:
a) Determina-se o ponto centride y
1
e y
2
para sada de B
2
e B
1
, respectivamente.
b) Calcula-se a rea corresponde de ambos os conjuntos para cada sada ativada, onde para FPTr y
1
e y
2
so
as bases menores de B
2
e B
1
, respectivamente; a base maior B
2
y
1
e de B
1
y
2
, assim, tem-se:

2
) ' ' y ' y ).( y ( '
' B
1 1 2 B
2
+
=

2
) ' ' y ' y ).( y ( '
' B
2 2 1 B
1
+
=

c) Por fim, calcula-se a mdia ponderada dos pontos centrides pelas respectivas reas de B
2
e B
1
, realizado,
da seguinte forma:

' B ' B
' B . y ' B . y
' B
1 2
1 2 2 1
+
+
=

A inferncia fuzzy, vista no item anterior, pode ser tratada de forma sistemtica. Para tal sistematizao, Knapp
(1996) utiliza a teoria dos conjuntos fuzzy para mapear entradas em sada. Esta forma simplificada parte de
um conceito que pode adquirir outras caractersticas, tornando possvel a construo de um SIF. A concepo
de Knapp (1996), igual a utilizada por outro autores como Lee (1990b); Driankov et al., (1993) considerando
um Sistema de Inferncia Fuzzy (SIF) composto dos seguintes processos: fuzzyficao, base do
conhecimento, inferncia e desfuzzyficao.

A fuzzyficao identifica os valores de x
i
, caracterizando o estado do sistema, e as normaliza, quando
necessrio, em um universo de discurso padronizado. Estes valores so ento fuzzyficados, com a
transformao da entrada em conjuntos nebulosos para que possam se tornar instncias de . Por outro lado, a
base de conhecimento consiste de uma base de dados e uma base de regras, de maneira a caracterizar a
estratgia de controle e as suas metas.

A inferncia se caracteriza pela verificao do grau de compatibilidade entre os fatos e as clusulas nas
premissas das regras; determinao do
j
da premissa de cada R
n
e valor da concluso, em funo do grau de
compatibilidade da regra com os dados e a ao de controle constante na concluso; e, por fim, agregao dos
valores obtidos como concluso nas vrias regras, obtendo-se uma ao de controle global. O procedimento de
desfuzzyficao compreende a identificao do domnio das variveis de sada em um correspondente
universo de discurso e com a ao de controle nebulosa.

O SIF construdo nesta proposta adota a concepo de Grima e Verhoef (1999), a partir do estabelecimento de
trs etapas:
a) A primeira etapa se caracteriza pela seleo de x
i
e y, as quais so baseadas, no somente, dos
conhecimentos cientficos (Estado da Arte), mas, tambm, na capacidade de julgamento;
b) A segunda etapa caracterizada na relao entre entrada e sada pelo estabelecimento de R
n
. Deste modo,
para cada R
n
estabelecida no SIF adota-se o operador matemtico Mn para o conectivo lgico E e o


26 Congresso Brasileiro de Engenharia Sanitria e Ambiental

ABES Associao Brasileira de Engenharia Sanitria e Ambiental 9
operador Mx para o conectivo lgico OU. As sentenas SE e ENTO so modeladas pela aplicao do
Mn, caracterizando o modelo clssico de inferncia Mamdani;
c) A terceira etapa se caracteriza pelo processo de desfuzzificao que transforma de sada em valores
numricos, adotando o MCG.


METODOLOGIA

A formulao geral e usual para se proceder ao clculo de um IQA dar-se pelo processamento matemtico por
meio de uma mdia ponderada de alguns parmetros pr-estabelecidos. Tais parmetros multiplicados aos seus
pesos relativos correspondentes e disponveis em curvas de normalizao do origem a valores de IQA, os
quais so normalizados em uma escala entre 0 e 100, e posteriormente, qualificados. No entanto, presente a
carncia de tcnicas mais adequadas para proceder ao gerenciamento da importncia de variveis de qualidade
da gua pertinentes ao clculo de indicadores mais confiveis. A interpretao dos limites aceitveis para cada
parmetro e a metodologia utilizada para integrar os mesmos so distintos na avaliao dos processos
metodolgicos usuais. Por outro lado, tais processos que utilizam a integrao das variveis de qualidade de
gua em ndices especficos esto sendo cada vez mais requisitadas no cenrio nacional e internacional.

Neste sentido, algumas metodologias de integrao utilizam a inteligncia artificial na modelagem de
qualidade da gua, como a teoria dos conjuntos fuzzy introduzido por Zadeh (1965), e que descreve uma
impreciso ou um estado vago. Tal teoria consiste no uso simultneo de variveis quantitativas e qualitativas.
s variveis quantitativas ou numricas atribuem-se os parmetros da qualidade da gua que mensure valores
numricos, por exemplo, NO
3
, pH, e outros; j s qualitativas consiste na atribuio de valores a partir de
interpretaes no-numricas, como por exemplo, cor, sabor, entre outros; sendo que este processo caracteriza-
se pela fuzzyficao de x
i
. Ambas so interpretadas por meio de traduzidas por

(x
i
) que podem adquirir
formas do tipo trapezoidal, triangular ou gaussiniana aferidas por um valor binrio de 0 a 1, a partir de critrios
estabelecidos pela base de conhecimento de especialistas. Tais valores inscritos em uma das formas da

(x
i
)
prognosticam o grau de interferncia destas variveis em um sistema que processa x
i
por meio de R
n
. Posterior
a este processamento obtem-se y, calculando um ndice fuzzy atravs de um processo denominado de
desfuzzyficao. Assim, a fuzzyficao, a base do conhecimento e desfuzzyficao caracterizam um SIF.

Contudo, a construo do SIF consiste em R
n
estabelecido atravs de operaes e . As operaes de
caracterizam-se como Min para um conectivo lgico E (operao de Interseo ), sendo que a construo
de sentenas SE e ENTO modelam a aplicao do Mn obtendo-se y. J as operaes , isto , de Mx
(operao de Unio U) so efetuadas para o clculo do IQA
(f)
. Para a obteno deste ndice fuzzy sugerido a
desfuzzificao transformando de sada em valores numricos, adotando-se, invariavelmente, o MCG.

O local de aplicao do SIF construdo o igarap Tucunduba que faz parte da subbacia do Tucunduba. A
subbacia tem uma rea de 1.055,00 ha, localizada a sudeste de Belm/PA e tem o corpo hdrico de anlise com
3.600,0 m de extenso sendo um afluente do Rio Guam. Nesta regio encontram-se reas de ocupao
desordenada sendo uma dos bairros mais populosos do municpio. Os dados utilizados contemplam um
conjunto de dezesseis amostras coletadas no corpo hdrico durante a poca de cheia e estiagem no perodo de
1999 e 2000, cujos mesmos foram analisados, o que implicou na organizao das variveis de qualidade da
gua que foram utilizados; e tabulados, promovendo o clculo do IQA. Para efetuar tal proposta, foi utilizado
um IQA e suas variveis as quais so:
a) Oxignio Dissolvido (OD);
b) Coliformes Fecais (Cf);
c) Potencial de Hidrognio (pH);
d) Demanda Bioqumica de Oxignio em 5 dias (DBO
5
);
e) Nitrato (NO
3
);
f) Fosfato Total (PO
4
);
g) Temperatura (TC);
h) Turbidez (Tu);
i) Slidos Totais (St).
Tais parmetros so prescritos por Brown et al., (1970) para composio do IQA. Tais variveis so
consideradas como x
i
, cuja faixa de valores foi dado pelo limite aceitvel da norma vigente para o
abastecimento pblico atravs de consulta a especialistas. Feito isso se qualificou os domnios destas variveis
em trs subdomnios x

: baixo B, mdia M e alta A. A traduo de para x


i
so lidas por FPTr


26 Congresso Brasileiro de Engenharia Sanitria e Ambiental

ABES Associao Brasileira de Engenharia Sanitria e Ambiental 10



0 2 4 6 8 10 12 14
0
0.2
0.4
0.6
0.8
1
pH
D
e
g
r
e
e

o
f

m
e
m
b
e
r
s
h
i
p
B M A


0 5 10 15 20 25 30 35
0
0.2
0.4
0.6
0.8
1
T(C)
D
e
g
r
e
e

o
f

m
e
m
b
e
r
s
h
i
p
B M A
0 10 20 30 40 50 60
0
0.2
0.4
0.6
0.8
1
Turbidez - Tu (UNT)
D
e
g
r
e
e

o
f

m
e
m
b
e
r
s
h
i
p
B M A
0 1 2 3 4 5 6 7 8 9
0
0.2
0.4
0.6
0.8
1
DBO5 (mg/L de O2)
D
e
g
r
e
e

o
f

m
e
m
b
e
r
s
h
i
p
B M A
0 2 4 6 8 10 12 14 16
0
0.2
0.4
0.6
0.8
1
OD (mg/L de O2)
D
e
g
r
e
e

o
f

m
e
m
b
e
r
s
h
i
p
B M A
0 2 4 6 8 10 12
0
0.2
0.4
0.6
0.8
1
N03 totais
D
e
g
r
e
e

o
f

m
e
m
b
e
r
s
h
i
p
B M A


26 Congresso Brasileiro de Engenharia Sanitria e Ambiental

ABES Associao Brasileira de Engenharia Sanitria e Ambiental 11


0 50 100 150 200 250 300
0
0.2
0.4
0.6
0.8
1
Coliformes Fecais - Cf (nmp/ 100 mL)
D
e
g
r
e
e

o
f

m
e
m
b
e
r
s
h
i
p
B M A


Figura 2: Variveis de entrada referente aos parmetros de qualidade da gua interpretadas por FPTr.

Embora exista outras formas de funes de pertinncia, este adotou somente a FPTr, uma vez que Tamaki et
al., (1998) afirma que no to relevante discutir a forma detalhada de cada uma delas, posto que, a maioria
pode ser aproximada por uma forma trapezoidal. Por conseguinte, realiza-se o processamento da inferncia
fuzzy que estabelecido por R
n
dado por meio da relao que envolve o nmero de x
i
do IQA e x

, assim tem-
se que R
n
= x

xi
, logo, obtido (3
9
) um total de 19.683,0 regras. Este conjunto de regras para um SIF se d por
meio do estabelecimento de uma base de regras que consiste em um conjunto fuzzy SE e ENTO.
Portanto, a concepo de R
n
se d pelo envolvimento dos parmetros proposto por Brown et al.,(1970) igual a:

R
n
: SE OD B;
E Cf A, E pH A, E DBO
5
A, E NO
3
A, E PO
4
A, E T A, E Tu A, E St A;
ENTO IQA T.

Deste modo, o Rn se desenvolve a inferncia fuzzy para quantificar o IQA
(f)
. Aps a inferncia, escolheu-se o
MCG como desfuzzyficador, tendo FPTr, para de sada [x

(y)] igual a Ruim "RU, Pssimo "PE",


Aceitvel "AC", Boa "BO"e timo "OT", ". Portanto, o valor de y denota os termos lingusticos referente
cinco classes de qualidade da gua. Todo o processo metodolgico adotado para a construo do SIF foi
modelado pelo software MATLAB 7.0 utilizando a ferramenta Toolboxes Fuzzy Logic.
0 100 200 300 400 500 600 700
0
0.2
0.4
0.6
0.8
1
Slidos Totais - St (mg/ L)
D
e
g
r
e
e

o
f

m
e
m
b
e
r
s
h
i
p
B M A
0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.8 2
0
0.2
0.4
0.6
0.8
1
P04 totais
D
e
g
r
e
e

o
f

m
e
m
b
e
r
s
h
i
p
B M A


26 Congresso Brasileiro de Engenharia Sanitria e Ambiental

ABES Associao Brasileira de Engenharia Sanitria e Ambiental 12
0 10 20 30 40 50 60 70 80 90 100
0
0.2
0.4
0.6
0.8
1
ndice de Qualidade da gua Fuzzy - IQA(f)
D
e
g
r
e
e

o
f

m
e
m
b
e
r
s
h
i
p
PE BO OT AC RU

Figura 3: Funo de Pertinncia para a varivel de sada.

Assim, de posse destes ndices, faz-se a comparao com o IQA obtido pelo modelo determinstico do NSF
proposto por Brown et al., (1970), com o objetivo de avaliar as diferenas (d) e a correlaes do IQA(f) em
funo do IQA determinstico. Ainda assim, as anlises da estatstica descritiva atravs da relao do desvio-
padro () e a mdia (), ou seja, coeficiente de variao (cv), possibilitam quantificar as disperses das
amostras, bem como identificar quais os parmetros denotam incertezas na composio do IQA.


ANLISE DOS RESULTADOS

Os dados so referentes aos anos de 1999 e 2000 cuja coleta foi realizada nas pocas de cheia e estiagem do
igarap Tucunduba. Os procedimentos de coleta encontram-se descritos em Lopes e Bezerra (2001). Portanto,
os dados coletados no perodo de cheia revelaram que os parmetros Cf, OD e DBO
5
apresentam forte
disperso com cv igual 50,13%, 43,58% e 43,23%, respectivamente.

Para tais parmetros, o modelo determinstico que calcula o IQA, se faz atribuies dos maiores pesos. Por
outro lado, St que tem menor peso na composio do IQA, apresenta-se com baixa disperso referente ao
conjunto de amostras, conforme visto pela Tabela 3.

Tabela 3: Conjunto amostral dos parmetros analisados na poca de cheia entre 1999 a 2000.
AMOSTRAS
PARMETROS ANALISADOS
OD Cf pH DBO
5
NO
3
PO
4
TC Tu St
1 1,3 350 6,7 2,5 10 0,24 29 36 500
2 1,3 160 6,52 2 8,3 0,25 29 40 494
3 0,3 350 6,62 3,9 9 0,25 30 36 491
4 0,9 160 6,5 0,9 10 0,25 30 36 490
5 1,5 40 6,89 2,3 10 0,25 29 20 490,5
6 0,8 220 6,68 2,2 8,3 0,25 29 28 490,5
7 1 220 6,66 1,34 9 0,25 28 28 494
8 0,5 160 6,83 1,6 10 0,25 29 26 500
0,95 207,50 6,68 2,09 9,33 0,25 29,13 31,25 493,75
0,41 104,03 0,14 0,90 0,77 0,00 0,64 6,76 4,16
cv (%) 43,58 50,13 2,03 43,23 8,24 1,42 2,20 21,62 0,84

Para as anlises realizadas no perodo de estiagem, os resultados apresentaram, novamente, disperses quanto
aos parmetros que se apresentam como os de maiores pesos na composio do ndice relacionado qualidade
da gua. O cv de 70,08% atribuido a OD, e, por conseguinte Cf e DBO5 apresentam uma disperso de
66,40% e 50,06% das amostras realizadas no igarap Tucunduba no perodo de 1999 a 2000 (Tabela 4).


26 Congresso Brasileiro de Engenharia Sanitria e Ambiental

ABES Associao Brasileira de Engenharia Sanitria e Ambiental 13
Tabela 4: Conjunto amostral dos parmetros analisados na poca de estiagem entre 1999 a 2000.
AMOSTRAS
PARMETROS ANALISADOS
OD Cf pH DBO
5
NO
3
PO
4
TC Tu St
1 1,3 270 6,77 4,2 9,8 0,25 29 28 491
2 0,1 130 6,6 2,2 8 0,25 29 26 500
3 0,3 330 6,58 4,1 10 0,25 28 25 490,5
4 1,4 130 6,66 8 10 0,25 29 28 491
5 0,4 60 7 3,6 8 0,25 28 19 490
6 0,7 120 6,8 2,49 10 0,25 28 29 491
7 0,6 60 6,78 5,22 9 0,25 29 33 500
8 1,6 90 6,9 1,91 10 0,25 29 32 494
0,80 148,75 6,76 3,97 9,35 0,25 28,63 27,50 493,44
0,56 98,77 0,15 1,98 0,90 0,00 0,52 4,38 4,22
cv (%) 70,08 66,40 2,15 50,06 9,62 0,00 1,81 15,91 0,86

Para o clculo do IQA determinstico, os parmetros que apresentaram disperses significativas remetem em
incertezas nos valores referentes ao IQA. No perodo de cheia, a mdia do IQA foi igual a 81,46, o que
qualificou a gua como OT. No entanto, quando os parmetros so aferidos como variveis de entrada o IQA
f

se apresentou, em mdia, como BO (Tabela 5).

A diferena (d) visualizada entre os ndices significa na amostra 3, cujo IQA
f
em relao ao IQA 33,25%
menor. No entanto, a qualificao a mesma. Na maioria das amostras o ndice obtido pelo SIF menor que
ndice quantificado por Brown et al., (1970). Tal fato pode ser atribudo pela sistematizao da inferncia
fuzzy adotada, as quais tendem a diminuir as incertezas inerentes ao ndice determinstico, bem como os
critrios de amostragem e obteno dos parmetros de qualidade da gua. Deste modo, nas amostras 4, 6, 7 e 8
a qualificao da gua, considerando a proposta fuzzy, foi AC; enquanto que o IQA, considerando o modelo
determinstico, considerou tais amostras como BO, para 4 e 8; e OT para 6 e 7.

Tabela 5: Anlise dos resultados do IQA e IQA
f
na poca de cheia e estiagem entre 1999 a 2000.
AMOSTRAS
CHEIA ESTIAGEM
IQA IQA
f
d (%) IQA IQA
f
d (%)
1 100 86,10 -7,76 91,16 50 -27,21
2 73,48 86,1 8,91 68,31 50 -14,04
3 100 85,7 -33,25 99,51 50 -31,42
4 71,13 50 9,29 73,98 50 -14,37
5 54,15 85,7 -2,03 57,85 50 -4,41
6 81,37 50 -22,72 66,85 50 -12,75
7 92,85 50 -22,83 61,60 65 6,64
8 72,51 50 -17,40 62,52 50 -9,74
81,46 63,44 - 72,72 51,88 -
17,16 - 18,55 - 14,94 - 5,30 - -
cv (%) 21,07 - 29,23 - 20,54 - 10,22 - -
R 0,61 - 0,54 -

Os resultados da qualificao da gua pelos ndices, no perodo de estiagem, mostraram-se inferiores quando
comparados a poca de cheia. Tal fato pode ser atribudo a maior concentrao dos parmetros por volume de
gua. Deste modo, visualizado na Tabela 5, apenas a amostra 7 qualificado como BO para o IQA
f
. Por outro
lado, as amostras 1 e 3 apresentaram qualificadas como OT pelo IQA, j quando aferido pelo o IQA
f

qualificado como BO. Assim sendo, tais analises proporcionaram d iguais a 27,21% e 31,42%, denotando que
o ndice obtido pelo SIF mais conservador em face das incertezas inerentes a sobreposio ponderadas de
parmetros, pela frmula aditiva de Brown et al., (1970).

Outro aspecto a ressaltar que o cv igual a 21,07% inferior a variao das amostras quando considerado o
IQA
f
. Este resultado pode ser explicado pelo fato de que a sensibilidade da inferncia fuzzy, em funo da
sistematizao dos parmetros analisados, proporcionou maiores diferenas do que o modelo usual de IQA. No
entanto, tais diferenas no foram significativas quando as mesmas foram qualificadas, isto , a qualificao da
gua ou foi a mesma ou o IQA
f
foi superior ao IQA.


26 Congresso Brasileiro de Engenharia Sanitria e Ambiental

ABES Associao Brasileira de Engenharia Sanitria e Ambiental 14

No obstante, no perodo de estiagem as disperses dos resultados apontaram que a proposta fuzzy se mostrou
mais aplicvel do que o modelo determinstico, posto que o cv foi de 10,22% em relao a 20,54%. Deste
modo, o IQA
f
qualificou a gua de forma mais conservadora. Tal qualificao, na maioria das anlises, tornou
o uso da gua AC BO, uma vez que, como dissertado anteriormente, no perodo de estiagem as
concentraes dos parmetros por volume de gua superior a poca de cheia, tornando o corpo hdrico mais
suscetvel quanto a anlise da qualidade da gua.

Por fim, modelos lineares tentaram explicar o IQA em funo do IQA
f
nos dois perodos de anlises. Na poca
de cheia o IQA explica em 61% o comportamento qualificatrio do IQA
f
. Por outro lado, o R igual a 0,54
denotou uma correlao entre IQA x IQA
f
pouco significativa. Tais correlaes podem ser explicveis pela
prprias anlises dos ndices, em perodos distintos, isto , na poca de cheia as incertezas do IQA so inferior
quando comparado a poca de estiagem. Assim, esta ltima mostrou-se incompatvel ao se relacionar com o
IQA
f
.


CONCLUSES

A metodologia desenvolvida, que teve como aporte o uso da teoria dos conjuntos difusos, genrica ao ponto
de ser novamente aplicado em outras anlise da qualidade da gua, considerando a sistematizao das
variveis considerado por Brown et al., (1970) na composio da qualificao da gua. No entanto, para
determinadas configuraes fsicas, qumicas e bacteriolgicas, bem como para valores padres de usos
especficos, a base do conhecimento pode ser readequada a intervalo das faixas de valores das variveis
lingusticas, no que tange aos parmetros de entrada, bem como do conjunto de regras. Ainda assim, a
mudana no uso de modelos de inferncia fuzzy pode provocar significativas alteraes nos resultados finais
do IQA
f
.

A validao da proposta fuzzy, em relao ao modelo usual, deve ser testado, utilizando modelos de regresso
que melhor se ajustem a situaes diferenciadas. Para tanto, as anlises devem ser remediadas de acordo com
as caractersticas fsicas, qumicas e bacteriolgicas e tambm quanto aos tipos de uso. Por outro lado, as
recomendaes para aplicao de metodologia fuzzy, deve ser realizada com observncia aos critrios de
fuzzyficao das variveis de entrada, que, so sustentadas pelos parmetros do IQA proposto por Brown et
al.,(1970). Os resultados proporcionados pelo IQA
f
podem ser testados utilizando os mais diversos mtodos
que calculam o valor de sada, quando, faz-se uso do modelo clssico de inferncia fuzzy, cujos valores so
totalmente distintos dos modelos de interpolao.

Por fim, o IQA gerou qualificaes da gua superior ao IQA
f
para a maioria das amostras, tanto no perodo de
cheia quanto de estiagem. Assim com a adoo da teoria dos conjuntos fuzzy, o desempenho do SIF construdo
na avaliao da qualidade da gua foi significativo. Pois, com a aferio de 19.638,0 regras pelo mtodo
Mamdani, o ndice tornou-se mais acurado pela sistematizao dos parmetros na composio da qualidade da
gua, prognosticando a sua aplicao mais efetiva em detrimento de ndice determinstico.


REFERNCIAS BIBLIOGRFICAS
1. BABUSKA, R., (1996). Fuzzy Modelling and Identification. Ph.D. Thesis. Delft University of Technology.
Delft, the Netherlands;
2. BROWN, R.M.; ,McCLELLAND,N.I.; DEININGER,R. A.; TOZER,R.G. A Water Quality Index Do We
Dare? 1970. Water Sewage Works: 339-343;
3. CARLSON, R.E.,1977. A Trophic State Index for Lakes. Limnology and Oceanography 22(2):361-369.
4. CHANG, N. B., CHEN, H. W., and NING, S. K. (2001). Identification of river water quality using the fuzzy
synthetic evaluation approach. J. Environ. Manage., 63(3), 293305;
5. DERSIO,J.C.,1992. Introduo ao controle da poluio ambiental. So Paulo : Editora da CETESB, mar.
6. DRIANKOV, D; HELLENDOORN. H; REINFRANK, M. An Introduction to Fuzzy Control. Springer-Verlag,
1993;
7. GOMIDE, F. A. C, GUDWIN R. R, and TANSCHEIT. R. Conceitos fundamentais da teoria de conjuntos fuzzy,
lgica fuzzy e aplicaes. Sixth International Fuzzy Systems Association World Congress/ Tutorials - IFSA9,
pages 01 38., July 1995;


26 Congresso Brasileiro de Engenharia Sanitria e Ambiental

ABES Associao Brasileira de Engenharia Sanitria e Ambiental 15
8. GOMIDE, F.; A. ROCHA; P. ALBERTOS (1992-a) Neurofuzzy Controllers - IFAC - LCA92, Viena, Austria;
9. GRIMA, M.A., VERHOEF, P.N.W., 1999. Forecasting rock trencher performance using fuzzy logic.
International Journal of Rock Mechanics and Mining Sciences 36, 413432;
10. HORTON, R. K. (1965). An index-number system for rating water quality. J. Water Pollut. Control Fed.,
37(3), 300306;
11. JAGER, R., 1995. Fuzzy Logic in Control. Ph.D. Thesis. Delft University of Technology. Delft, the Netherlands;
12. KNAPP, R. Benjamim (1996). Fuzzy Sets and Pattern Recognition;
13. KUNG, H., YING, L., and LIU, Y. (1992). A complementary tool to water quality index: Fuzzy clustering
analysis. Water Resour. Bull., 28(3), 525533;
14. KUNG, H., YING, L., and LIU, Y. (1993). Fuzzy clustering analysis in environmental impact assessmentA
complement tool to environmental quality index. Environ. Monit. Assess., 28(1), 114;
15. LEE, C. C. (1990a) Fuzzy Logic in Control Systems: Fuzzy Logic Controller, Part I. IEEE Transactions on
Systems, Man, and Cybernetics, Vol. 20, No. 2, March/April 1990, pp. 404 418;
16. LEE, K.M; KWAK, D.H and KWANG, H.L Fuzzy Inference Neural Network for Fuzzy Model Tuning
IEEE Trans. On Systems, Man and Cybernetics Part B: Cybernetics, vol. 26, n 4, August, pp. 637-645, 1996;
17. LERMONTOV, A; YOKOYAMA, L; LERMONTOV, M; MACHADO, M.A.S. Aplicao da Lgica
Nebulosa na Parametrizao de um novo ndice de Qualidade das guas. ENGEVISTA, v. 10, n. 2, p. 106-125
dezembro 2008;
18. LINSTONE, H. A., and TUROFF, M. (1975). The Delphi method: Techniques and applications, Addison-
Wesley, Reading, Mass;
19. LOPES, D.F; BEZERRA, M.S.M. Avaliao dos Nveis de Contaminao do igarap Tucunduba
Evoluo Histrica e Atuais Perspectivas. Belm, 2010. 66 f. Trabalho de Concluso de Curso (Curso de
Engenharia Sanitria e Ambiental)Universidade Federal do Par, 2001;
20. LU, R. S., LO, S. L., and HU, J. Y. (1999). Analysis of reservoir water quality using fuzzy synthetic evaluation.
Stochastic Environ. Res. Risk Assess., 13(5), 327336;
21. MAMDANI, E.H., (1974). Application of Fuzzy Algorithms for Control of Simple Dynamic Plant. Proceedings
of the IEE (Control and Science), V. 121: 298-316;
22. MIZUMOTO, M., (1982). "Fuzzy Inference using max-min composition in the Compositional Rule of
Inference". In: Approximate Reasoning in Decision Analysis, M.M. Gupta, E. Sanchez (Ed.), North-Holland: 67-
76;
23. MOURA, Luciene Azevedo. Modelagem do Fenmeno de Consolidao atravs de um Sistema de Regras
Fuzzy [Rio de Janeiro, 1998] IX, 121 p. (COPPE/UFRJ, M. Sc., Engenharia Civil, 1998);
24. NASIRI, F; MAQSOOD, I; HUANG, G; and FULLER, N (2007). Water Quality Index: A Fuzzy River-
Pollution Decision Support Expert System. Journal of Water Resources Planning and Management, Vol. 133,
No. 2, March 1, 2007. ASCE, ISSN 0733-9496/2007/2-95105;
25. OTT, W. R. 1978. Environmental Indices: theory and practice, Ann Arbor Science, Ann Arbor, Michigan, 371 p.
26. PEDRYCZ, W. (1989). Fuzzy Control and Fuzzy Systems. - John Wiley and Sons Inc, NY;
27. PORTER, A. L., ROPER, T. A., MASON, T. W., ROSSINI, F. A., and BANKS, J. (1991). Forecasting and
management of technology, Chapter 11: Expert opinion, Wiley, New York, 214219;
28. ROSS, T. J. Fuzzy Logic with Engineering applications. 2nd Edition. England: Wiley, 2004;
29. TAMAKI, F; KANAGAWA, A; OHTA, H (1998). Identification of membership functions based on fuzzy
observation data. J. Fuzzy Sets and Systems 93 (1998) 311-318;
30. TAMAKI, F; KANAGAWA, A; OHTA, H (1998). Identification of membership functions based on fuzzy
observation data. J. Fuzzy Sets and Systems 93 (1998) 311-318;
31. WHALEN, T. and SCHOTT, B., (1983). Issues in Fuzzy Production Systems. International Journal of Man-
Machine Studies, Vol. 19: 57-71;
32. YAGER, R; S. OVCHINNIKOV, R.M. TONG and H. T.NGUYEN (1987). Fuzzy Sets and Applications- Wiley
Interscience, NY;
33. YOON, K. P., and HWANG, C. L. (1995). Multiple attribute decision making: An introduction (quantitative
applications in the social sciences), SAGE, Thousand Oaks, Calif;
34. ZADEH, L. A. (1973) Outline of a new approach to the analysis of complex systems and decision processes.
IEEE Transactions on Systems, Man, and Cybernetics, Vol. SMC-3, No. 1, p. 28-44;
35. ZADEH, L.A., 1965. Fuzzy sets. Information and Control 8, 338353 (London);
36. ZHENG, J., and YING, L. (1984). Regional environmental assessment and fuzzy clustering analysis. Acta
Scientiae Circumstantiae, 4(3), 197203;
37. ZIMMERMANN, H.J. Fuzzy Set Theory and its applications. Kluwer Academic, Dordrecht, 1991.