Академический Документы
Профессиональный Документы
Культура Документы
=
=
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
, 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