Documente Academic
Documente Profesional
Documente Cultură
Abstract: Methodologies that use fuzzy logic, one of the artificial intelligence tools, is
being increasingly used in the treatment of uncertainties and inherent subjectivities of
environmental problems. This study proposes the creation of a new water quality index, the
Fuzzy Water Quality Index (INQA) thru a facilitative interface, the fuzzy inference system.
This new index is then compared to the ones already calculated by several existent
methodologies. This new methodology is validated using the monitoring analysis of the
Pardo river, Ribeiro Preto region, So Paulo, Brazil, disclosed by Companhia de
Tecnologia de Saneamento Ambiental de So Paulo (CETESB) and carried out from 2004
to 2006.
Keywords: Fuzzy Logic, Water Quality Index
_________________________
1
106
1.
INTRODUO
2.
DESENVOLVIMENTO
2.1
NDICES
DAS GUAS
DE
QUALIDADE
107
Ci x Pi
IQAsub = k
Pi
i
(eq. 1)
Onde:
k a constante subjetiva;
Ci o valor de cada parmetro aps a
normalizao (Conesa, 1995);
Pi o valor do peso relativo de cada
parmetro (Conesa, 1995).
O IQA utilizado no Brasil foi
adaptado e desenvolvido pela CETESB, a
partir do ndice da NSF. O IQA incorpora
9 variveis consideradas relevantes para a
IQA = q iw
(eq. 2)
i =1
108
(eq. 3)
OD+Turb+FT
(eq. 4)
INFERNCIA NEBULOSA
Os
sistemas
baseados
em
conhecimento ou sistemas especialistas
so alguns dos campos da Inteligncia
Artificial (IA). A essncia destes sistemas
a aquisio de uma base de
conhecimento heurstico, geralmente
representada atravs de um conjunto de
ENGEVISTA, v. 10, n. 2, p. 106-125 dezembro 2008
109
110
2.3
O RIO PARDO
111
2.4
DESENVOLVIMENTO
DO
NDICE NEBULOSO DE QUALIDADE
DAS GUAS
O desenvolvimento do ndice
Nebuloso de Qualidade das guas
(INQA) no uma tarefa fcil. Integrar a
lgica nebulosa e o sistema de inferncia
nebuloso s variveis de monitoramento
ambiental sem prejudicar o resultado
final requer uma mudana de conceito.
Nas metodologias tradicionais de
clculo do IQA, os parmetros so
normalizados atravs de tabelas ou curvas
prprias (Conesa, 1995; Pesce e
Wunderlin, 1999; CETESB, 2004, 2005 e
2006; NSF, 2007) e em seguida
calculados por mtodos matemticos
convencionais. Nesta metodologia os
parmetros foram normalizados e
agrupados atravs de um sistema de
inferncia nebulosa.
Para este estudo foram utilizados os
nove parmetros que compem o IQA
utilizados pela CETESB: temperatura
(Temp), pH (pH), oxignio dissolvido
(OD), demanda bioqumica de oxignio
(DBO),
coliformes
termotolerantes
(Coli), nitrognio total (NT), fsforo total
(FT), resduo total (ST) e turbidez (Turb).
A equipe envolvida neste trabalho ainda
estuda o desenvolvendo de um ndice
com a incluso de outros parmetros,
como metais pesados e compostos
txicos, para uma indexao mais realista
dos corpos hdricos.
Os conjuntos nebulosos foram
definidos nos termos de uma funo de
pertinncia que mapeiam um domnio de
interesse num intervalo [0,1].
Os formatos das curvas mapeiam a
funo de pertinncia em cada conjunto e
estas mostram o grau em que um valor
especfico pertence ao respectivo
conjunto (eq. 5):
a xb
bxc
cxd
0
(a-x)
(a-b)
f ( x; a, b, c, d ) =
1
(d-x)
(d-c)
A
funo
de
pertinncia
trapezoidal tem a forma da Figura 2.
f(x)
1,0
0,5
(a-x)
f ( x; a, b, c) =
(a-b)
(c-x)
(c-b)
se x < a e c < x
a xb
bxc
A : X [0,1]
(eq. 5)
x no membro de A
0,5
112
a
15
14
21
13
22
10
24
5
26
0
28
-2
30
-4
32
-6
36
-6
40
-6
45
Temperatura
Temp
C
-6 - 45
b
c
16
21
15
16
22
24
14
15
24
26
13
14
26
28
10
13
28
30
5
10
30
32
0
5
32
36
-2
0
36
40
-4
-2
40
45
-6
-4
45
45
-6
-6
45
45
pH
pH
1 - 14
a
b
c
6.80 6.90 7.10
7.10 7.75 8.25
6.60 6.80 6.90
7.75 8.25 8.50
6.30 6.60 6.80
8.25 8.50 8.75
6.10 6.30 6.60
8.50 8.75 9.00
5.85 6.10 6.30
8.75 9.00 9.20
5.60 5.85 6.10
9.00 9.20 9.60
5.20 5.60 5.85
9.20 9.60 10.00
4.75 5.20 5.60
9.60 10.00 10.50
4.00 4.75 5.20
10.00 10.50 12.00
2.00 4.00 4.75
10.50 14.00 14.00
1.00 1.00 4.00
d
22
d
7.75
Oxignio Dissolvido
OD
mg/l
0-9
a
7.0
6.5
6
5
4
3.5
3
2
1
0
0
b
7.5
7
6.5
6
5
4
3.5
3
2
1
0
c
9.0
7.5
7
6.5
6
5
4
3.5
3
2
1
d
9.0
Demanda Bioqmica
de Oxognio
DBO
mg/l
0 - 30
a
b
c
d
0
0
0.5
2
0.5
2
3
2
3
4
3
4
5
4
5
6
5
6
8
6
8
12
8
12
15
12
15
22
15
22
30
22
30
30
113
Gr03
Coliformes Termotolerantes
Coli
mg/l
0 - 18.000
a
b
c
d
0
0
1
1
1
2
3
2
3
8
3
8
16
8
16
40
16
40
100
40
100
300
100
300 1000
300 1000 6000
1000 6000 18000
6000 18000 18000
a
0
0
2
4
6
8
10
15
25
35
50
Nitrognio Total
NT
mg/l
0 - 100
b
c
0
0.5
2
4
4
6
6
8
8
10
10
15
15
25
25
35
35
50
50
100
100
100
d
2
a
0
0.1
0.2
0.3
0.4
0.6
0.8
1
1.5
3
6
Fsforo Total
FT
mg/l
0 - 10
b
c
0
0.1
0.2
0.3
0.3
0.4
0.4
0.6
0.6
0.8
0.8
1
1
1.5
1.5
3
3
6
6
10
10
10
a
0
0
50
150
250
320
400
450
550
600
650
Slidos Totais
ST
mg/l
0 - 750
b
c
0
5
50
150
150
250
250
320
320
400
400
450
450
550
550
600
600
650
650
750
750
750
d
50
a
0
0.5
2.5
7.5
12.5
22.5
35
50
70
95
120
Turbidez
Turb
mg/l
0 - 150
b
c
0.0
0.5
2.5
7.5
7.5
12.5
12.5 22.5
22.5
35
35
50
50
70
70
95
95
120
120
150
150
150
a
0
0
10
20
30
40
50
60
70
80
90
Grupo de Sada
0 - 100
b
c
d
0
1
10
10
20
20
30
30
40
40
50
50
60
60
70
70
80
80
90
90
100
100
100
Figura 04 Fluxograma de
processamento
d
0.2
d
2.5
114
Se PP MO e SP MP ento sada do
Grupo MP
Se PP MP e SP MO ento sada do
Grupo MP
PP Primeiro Parmetro;
SP Segundo Parmetro ;
GR Grupo.
O INQA foi desenvolvido a partir de
uma inferncia nebulosa que tem como
conjuntos de entrada os Grupos 01 a 05 e
um sistema de regras. Tanto os conjuntos
dos antecedentes quanto o conjunto do
conseqente (INQA) foram criados por
funes de pertinncia trapezoidais e
triangulares (Tabela 08) (Figura 05),
tendo sido suas fronteiras delimitadas
pelos padres de qualidade do IQA da
CETESB (Tabela 07). Por exemplo, foi
pressuposto que a fronteira que separa um
ndice entre Bom e timo assumisse 50%
de pertinncia, tanto no conjunto
- Pssimo
- Ruim
- Mdio
- Bom
- timo
timo
Bom
Mdio
Ruim
Pssimo
65
44
28
0
0
90
65
44
28
0
100
90
65
44
9
100
28
Regra 01:
Se Gr01 timo e Gr02 timo e Gr03
timo e Gr04 timo e Gr05 timo
ento INQA timo.
Toda metodologia computacional foi
...
desenvolvida com auxlio do fuzzy logic
Regra 830:
toolbox do pacote MATLAB (2006).
Se Gr01 Bom e Gr02 Bom e Gr03
Ruim e Gr04 timo e Gr05 Pssimo
ento INQA Bom.
...
3.
RESULTADOS E DISCUSSO
Regra 1214:
Se Gr01 Bom e Gr02 Pssimo e Gr03
Para o desenvolvimento deste estudo
Ruim e Gr04 Mdio e Gr05 Ruim
foram considerados os resultados das
ento INQA Ruim.
anlises dos parmetros j citados dos 4
...
pontos da rede de monitoramento da
Regra 2445:
CETESB no rio Pardo, UGRHI 04 do
ENGEVISTA, v. 10, n. 2, p. 106-125 dezembro 2008
115
PARD2010 - 2004
100
CETESB
80
ndice
Conesa - k = 0,75
60
Conesa - k = 1,00
40
Pesce
Silva
20
INQA
0
Fev
Abr
Jun
Ago
Out
Dez
Variao Temporal
80
ndice
Conesa - k = 0,75
60
Conesa - k = 1,00
40
Pesce
Silva
20
INQA
0
Fev
Abr
Jun
Ago
Out
Dez
Variao Temporal
80
ndice
Conesa - k = 0,75
60
Conesa - k = 1,00
40
Pesce
Silva
20
INQA
0
Fev
Abr
Jun
Ago
Out
Dez
Variao Temporal
116
PARD2600 - 2004
100
CETESB
80
ndice
Conesa - k = 0,75
60
Conesa - k = 1,00
40
Pesce
Silva
20
INQA
0
Fev
Abr
Jun
Ago
Out
Dez
Variao Temporal
80
ndice
Conesa - k = 0,75
60
Conesa - k = 1,00
40
Pesce
Silva
20
INQA
0
Fev
Abr
Jun
Ago
Out
Dez
Variao Temporal
80
ndice
Conesa - k = 0,75
60
Conesa - k = 1,00
40
Pesce
Silva
20
INQA
0
Fev
Abr
Jun
Ago
Out
Dez
Md
Variao Temporal
80
ndice
Conesa - k = 0,75
60
Conesa - k = 1,00
40
Pesce
Silva
20
INQA
0
Fev
Abr
Jun
Ago
Out
Dez
Variao Temporal
117
PARD2600 - 2005
100
CETESB
80
ndice
Conesa - k = 0,75
60
Conesa - k = 1,00
40
Pesce
Silva
20
INQA
0
Fev
Abr
Jun
Ago
Out
Dez
Variao Temporal
80
ndice
Conesa - k = 0,75
60
Conesa - k = 1,00
40
Pesce
Silva
20
INQA
0
Fev
Abr
Jun
Ago
Out
Dez
Variao Temporal
80
ndice
Conesa - k = 0,75
60
Conesa - k = 1,00
40
Pesce
Silva
20
INQA
0
Fev
Abr
Jun
Ago
Out
Dez
Variao Temporal
80
ndice
Conesa - k = 0,75
60
Conesa - k = 1,00
40
Pesce
Silva
20
INQA
0
Fev
Abr
Jun
Ago
Out
Dez
Variao Temporal
118
PARD2500 - 2006
100
CETESB
80
ndice
Conesa - k = 0,75
60
Conesa - k = 1,00
40
Pesce
Silva
20
INQA
0
Fev
Abr
Jun
Ago
Out
Dez
Variao Temporal
80
Conesa - k = 0,75
Conesa - k = 1,00
70
Pesce
Silva
60
INQA
50
PARD2010
PARD2100
PARD2500
PARD2600
Ponto
119
90
ndice
Conesa - k = 0,75
80
Conesa - k = 1,00
70
Pesce
Silva
60
INQA
50
PARD2010
PARD2100
PARD2500
PARD2600
Ponto
90
ndice
Conesa - k = 0,75
80
Conesa - k = 1,00
70
Pesce
Silva
60
INQA
50
PARD2010
PARD2100
PARD2500
PARD2600
Ponto
120
121
122
123
4.
CONCLUSES
Companhia
de
Tecnologia
de
Saneamento
Ambiental
(CETESB);
Relatrio de Qualidade das guas
Interiores do Estado de So Paulo, So
Paulo, 2004 a 2006.
CONESA FERNANDES-VITORA V.
(1997). In: Methodological Guide for
Environmental Impact Evaluation), 3nd
ed., p.412. Mundi-Prensa, Madrid, Spain.
CRUZ, A. J. de O. Lgica Nebulosa.
Notas de aula, Universidade Federal do
Rio de Janeiro, 17 de junho de 2004
CUDE, C.O. (2001). Water quality index:
a tool for evaluating water quality
management effectiveness, J. Am. Water
Resour. Assoc. 37 125137.
DAHIYA S., SINGH B., GAUR S.,
GARG V.K., KUSHWAHA H.S., (2007),
Analysis of groundwater quality using
fuzzy synthetic evaluation. Journal of
Hazardous Materials 147 938946
HORTON, R. K. (1965). Na index
number system for rating water quality.
Journal of Water Pollution Control
Federation 37 (3), p.300-305.
HOUSE, M. A.; ELLIS, J. B., (1987).
The development of water quality indexes
for operational management. Water Sci.
Technol. 19, 145.
ICAGA, Y.; (2007). Fuzzy evaluation of
water
classification.
Ecological
Indicators 7, p.710-718
LANDWEHR, J. M.; DEININGER, R.
A., (1976). Comparison of several water
quality indexes. Journal Water Ppollut.
Con. F. 48, p.954-958
LIOU, S.; LO S.; WANG, S. (2004). A
generalized water quality index for
Taiwan.
Environmental
Monitoring
Assessment 96, p. 3552.
MATLAB 7.0; Packaged software for
technical computing, Release 14, The
Math works, Inc. (2006)
MITCHELL, M.K., STAPP, W.B. Field
Manual for Water Quality Monitoring:
an Environmental Education Program or
Schools, Thomson-Shore Inc., Dexter,
Michigan, 1996, p. 277.
124
125