SCIENTIA PLENA

VOL. 8, NUM. 7

2012

www.scientiaplena.org.br

Avaliao da qualidade da gua utilizando a teoria fuzzy

Evaluation of water quality using the fuzzy theory

H. L. Garcia1; V. L. Silva1; L. P. Marques1; C. A. B. Garcia2; F. O. Carvalho3

1

Centro de Tecnologia e Geocincias, Departamento de Engenharia Qumica, Laboratrio de Engenharia Ambiental

e Qualidade (LEAQ), Universidade Federal de Pernambuco, 50670-901, Recife-Pe, Brasil
2

Laboratrio de Qumica Analtica Ambiental, Departamento de Qumica, Universidade Federal de Sergipe,

49100-000, So Cirstvo-Se, Brasil

Laboratrio de Sistemas Inteligentes Aplicados, Departamento de Engenharia Qumica, Universidade Federal de

Alagoas, 57.072-970, Macei-Al, Brasil
helenicelgarcia@gmail.com
(Recebido em 27 de junho de 2012; aceito em 11 de julho de 2012)

A qualidade da gua, atualmente, tratada em todos os mbitos da engenharia, com vista a um

desenvolvimento sustentvel do meio ambiente. Neste cenrio, a avaliao da qualidade da gua
essencial e, neste trabalho, esta foi realizada atravs do monitoramento dos parmetros indicadores do
nvel trfico do reservatrio de gua Jacarecica I no Estado de Sergipe. Neste, foram realizadas anlises
fsico-qumicas e constituda uma linguagem fuzzy para classificao dos dados ambientais. A lgica fuzzy
uma tcnica de inteligncia artificial que se baseia no conhecimento especialista do fenmeno a ser
tratado, para se ter uma linguagem heurstica traduzida numericamente. Para utilizao dessa teoria
nebulosa, foi calculado o ndice trfico do reservatrio atravs da correlao de Carlson modificada e
estabelecidos os limites para as variveis fuzzy. As variveis qumicas utilizadas foram a clorifila-a,
fosforo e nitrognio total e foram traduzidas em quatro nveis de eutrofizao do corpo hdrico
(Oligotrfico, Mesotrfico, Eutrfico e Hipereutrfico). Dessa forma, os resultados mostraram que o
nvel de qualidade da gua do reservatrio est entre oligotrfico e eutrfico e a utilizao da lgica fuzzy
foi aplicada de forma satisfatria para mostrar esses nveis de eutrofizao.
Palavras-chave: qualidade da gua; lgica fuzzy; eutrofizao

Water quality is currently treated in all fields of engineering, with a view to developing a sustainable
environment. In this scenario, the assessment of water quality is essential and in this work, which was
evaluated by monitoring of indicators of the trophic level of water reservoirs Jacarecica I in the state of
Sergipe. In this, we carried out physicochemical analyzes and constituted a fuzzy language for
classification of environmental data. Fuzzy logic is an artificial intelligence technique that is based on
expert knowledge of the phenomenon to be treated, to have a heuristic language translated numerically.
For use of fuzzy theory, we calculated the trophic index of the reservoir through the correlation of
modified Carlson and established the boundaries for the fuzzy variables. The chemical variables were
used to clorifila-a, total nitrogen and phosphorus and have been translated into four levels of
eutrophication of water body (oligotrophic, mesotrophic, eutrophic and hypereutrophic). Thus, the results
showed that the level of water quality in reservoir Jacarecica I are between oligotrophic and eutrophic and
the use of fuzzy logic was applied satisfactorily to show these levels of eutrophication.
Keywords: water quality; fuzzy logic; eutrophication

1. INTRODUO
A lgica fuzzy pode ser compreendida como sendo a ampliao da logica tradicional com a
introduo de conceitos de parcialidade de uma varivel para representar o sistema. Ou seja,
neste tipo de anlise existe um grau de incerteza que faz meno a um determinado elemento
que pertena parcialmente e no pertena parcialmente a determinado conjunto de informaes
representativas de um processo.
A lgica fuzzy uma tcnica de inteligncia artificial baseada no conhecimento heurstico,
geralmente representado por um conjunto de expresses condicionantes para representar os
fenmenos, os processos, com base no conhecimento de especialista dos mesmos [1].
079901-1

H. L. Garcia et al., Scientia Plena 8, 079901 (2012)

Os sistemas difusos (lgica fuzzy) foram responsveis, nas ultimas trs dcadas, por
mudanas significativas nas aplicaes industriais da Inteligncia Artificial, especialmente em
sistemas de controle, tendo sua aplicao na avaliao de riscos e impactos econmicos e
ambientais, automao e controle de processos, e a sistemas de apoio de deciso, etc [2].
No que concerne avaliao e monitoramento de sistemas hdricos, vrios autores utilizaram
a lgica fuzzy para classificar ou avaliar os sistemas quanto a sua qualidade para determinado
uso do recurso hdrico[3-8]. Dentre estes, merece destaque a aplicao de tcnicas matemticas
avanadas para auxiliar no gerenciamento e monitoramento da qualidade da gua com o
objetivo de detectar episdios (fenmenos) de qualidade a partir do comportamento das
variveis ambientalmente representativas desses fenmenos [8].
Neste contexto, a lgica fuzzy possibilita classificar em nmeros reais uma determinada
realidade ou situao que est atrelada a variveis lingusticas, incerta ou vagas (parcialidade
das variveis). Sendo assim, possvel a modelagem realista de sistemas tendo como objetos de
anlise conceitos paradoxais, variveis qualitativas, quantidades imprecisas, conceitos vagos ou
mal definidos.[9][10]
De forma mais objetiva e preliminar, define-se ainda lgica fuzzy como sendo uma
ferramenta capaz de capturar informaes vagas, em geral descritas em uma linguagem natural e
convert-las para um formato numrico, de fcil manipulao pelos computadores de hoje em
dia.[11]
A lgica fuzzy pode ser utilizada nos mais variados tipos de processos [12]. A utilizao de
regras nebulosas e variveis lingusticas conferem ao sistema, por exemplo, ao sistema de
monitoramento hdrico, diversas vantagens. Entre estas vantagens, destacam-se a simplificao
do modelo do processo; a facilidade na especificao das regras de controle, em linguagem
prxima natural; a satisfao de mltiplos objetivos de controle; e facilidade de incorporao
do conhecimento de especialistas humanos.
Com certo grau de incerteza, a maioria dos dados ambientais utilizada para classificar os
sistemas hdricos em prprio ou improprio para determinado uso. Inserido neste contexto, o
fenmeno de eutrofizao revela as caractersticas de um reservatrio classificando em quatro
nveis [13].
A eutrofizao considerada como o aumento da concentrao de nutrientes, especialmente
fsforo e nitrognio nos ecossistemas aquticos, que tm como consequncia o aumento de suas
produtividades [14]. Alguns problemas decorrentes deste processo so estmulo ao crescimento
excessivo de algas, acarretando a reduo do oxignio dissolvido, aumento da taxa de
decomposio da matria orgnica e deteriorao da qualidade da gua.
Assim, determinar o estado trfico uma ao fundamental para obteno de informaes
sobre um reservatrio, pois o seu conhecimento permite descrever as relaes abiticas e
biticas deste ecossistema. Para tal, defini-se o ndice de Estado Trfico (IET) com base na
biomassa fitoplanctnica presente em determinado corpo dgua, em local e tempo especficos
[13]. Neste ndice esto inseridas as variveis clorofila a, fsforo total e nitrognio total para
estimar a concentrao de biomassa de algas. Como resultado, as equaes apresentadas na
Tabela 1 so utilizadas para determinar o IET.
Equao
IET (Chl) = 9,81 ln(Chl) + 30,6
IET (PT) = 14,42 ln(PT) + 4,15
IET (NT) = 54,45 + 14,43 ln(NT)

Tabela 1: Equaes para o IET

Varivel
Clorofila (Chl), medida em g.L-
Fsforo total (PT), medido em g.L-
Nitrognio total (NT), medido em mg.L-

Com base no clculo do IET, o Quadro 1 mostra tambm uma classificao amplamente
utilizada pela CETESB em relao somente das medidas desse ndice.

H. L. Garcia et al., Scientia Plena 8, 079901 (2012)

Quadro 1: Classificao do estado trfico e suas caractersticas principais

Valor do IET
Classificao
de
Estado Caractersticas
Trfico do Corpo Hdrico
47<IET= 52

Oligotrfico

52 <IET= 59

Mesotrfico

59<IET=63

Eutrfico

> 63

Hipereutrfico

Sem ocorrncia de interferncias indesejveis sobre

os usos da gua, decorrentes da presena de
nutrientes.
Nveis aceitveis de comprometimento para usos
diversos, na maioria dos casos.
Reduo da transparncia, em geral afetados por
atividades antrpicas
Elevadas concentraes de matria orgnica e
nutrientes, com comprometimento acentuado nos
seus usos

Fontes: Adaptada de CETESB (2007); Lamparelli (2004)

2. LGICA FUZZY
Em 1960, Zabeh publicou Fuzzy Sets, Information and Control, que mostrava que os recursos
tecnolgicos eram incapazes automatizar processos complexos utilizando a bivalncia
booleana. Isto provocou o surgimento da lgica fuzzy ou lgica difusa [15].
A lgica fuzzy, ento, introduziu os conceitos de parcialmente falsos ou parcialmente
verdadeiros, considerando um grau de incerteza que varia entre 1 (verdadeiro) e 0 (falso) para
definir um conjunto fuzzy.
Dessa forma, a aplicao de um modelo fuzzy consiste no desenvolvimento das seguintes
etapas: definir a funo de pertinncia, as regras de inferncia e processo de defuzzificao.
2.1 Funo de pertinncia
Os conjuntos fuzzy so definidos em sua forma atravs de sua funo de pertinncia que
mostra intensidade com que o objeto pertence ao conjunto fuzzy. Existem vrias formas de
representar uma funo fuzzy de pertinncia, sendo que, as mais usuais so a triangular,
gaussiana, trapezoidal, sigmide bipolar, S e quadrtica, sendo todas definidas no intervalo de
pertinncia de 0 a 1[16].
A funo triangular caracterizada por uma terna (a, b, c) sendo que a e c determinam o
intervalo para o qual a funo arruma valores diferentes de zero, e b representa o ponto no qual
a funo de pertinncia mxima. Ou seja, os nmeros fuzzy comeam a subir a partir de zero x
= a; atingem um mximo de 1 em x = b; e retornam a zero em x = c. A funo (x) de um
nmero fuzzy triangular representada nas Equaes 1 e 2.

(1)
Ou

(2)

2.2 Regras de inferncia fuzzy

Define-se inferncia como a passagem, atravs de regras vlidas, do antecedente (SE) ao
consequente (ENTO) de um objeto de estudo em um universo de anlise. Na lgica fuzzy, essa
passagem realizada mediante a interao, determinada pelas regras de inferncia, entre as
variveis lingusticas de entrada (SE), gerando um conjunto de dados de sada (ENTO). Essas
regras so aplicadas aos conjuntos fuzzy atravs das variveis lingusticas e so construdas
mediante a operao entre os conjuntos [16].

H. L. Garcia et al., Scientia Plena 8, 079901 (2012)

No procedimento de inferncia analisado o grau de pertinncia associado aquele mesmo

valor numrico no universo de discurso relacionando-os a uma base de regras conforme a
condicional se ento. O tipo de inferncia ocorre:
If(Se) < antecedente > then(Ento) < conseqente > Ou SE <situao> ENTO <ao>
Na lgica clssica a inferncia dada pela comparao, sendo que somente permitida uma
compatibilidade exata da varivel. Entretanto, no raciocnio difuso possvel adotar um valor
aproximado dependendo da pertinncia ou fuzzificao dessa varivel ao conjunto fuzzy.
[17][18]
2.3 Defuzzificao
O processo de defuzzificao utilizado quando a inferncia realizada em um sistema do
tipo clssico com o objetivo de obter um valor de sada numrico[19][18]. Em um sistema de
inferncia fuzzy, como no caso Mamdani, a caracterstica de sada obtida a partir de valores
defuzzificados de produo de conjuntos fuzzy resultantes da agregao de diferentes
resultantes de cada regra (fornecidas aps a fuzzificao) da base de regras de inferncia
distribudas no universo de discurso.
No processo de defuzzificao [20] necessrio identificar o domnio das variveis de sada
e dentre os mtodos existentes, os mais utilizados so:
1. Primeiro mximo (SOM): neste, determina-se o valor de sada atravs do ponto em que o
grau de pertinncia atinge o primeiro valor mximo;
2. Mtodo de mdia dos mximos (MOM): determina-se o ponto mdio entre os valores que
tm o maior grau de pertinncia inferido pelas regras;
3. Mtodo do centro de gravidade (COG): neste, fornece-se a abcissa do centro de massa
associado ao grfico da funo de pertinncia resultante da fase de inferncia.
Sendo assim, aps a entrada das variveis numricas precisas, so ativadas as regras
(fuzzificao), em seguida o sistema de inferncia determina como as regras (determinadas por
especialistas) so combinadas. Como resultado do processo, tem-se uma agregao entre as
respostas das regras e aps a escolha do tipo de resposta em relao a distribuio dos dados
agregados (defuzzificao) tem-se a resposta do modelo no domnio das variveis de sada
correspondente a um universo amostral. As entradas e sadas do sistema so denominadas
respectivamente, fuzzificao e defuzzificao, e correspondem s etapas principais de modelos
de lgica fuzzy [21]. Esses passos esto organizados na Figura 1.

Figura 1: Esquematizao do Modelo Fuzzy

Fonte: Adaptada de Malutta (2004)[21]

Neste sentido, em resumo, so estabelecidas as seguintes etapas para metodologia fuzzy:

a. Etapa de fuzzificao: etapa na qual se modela matematicamente a informao das
variveis de entrada do sistema por meio de conjuntos fuzzy. Nesta etapa, o papel do

H. L. Garcia et al., Scientia Plena 8, 079901 (2012)

especialista ou o conhecimento do sistema notado, pois para cada varivel de entrada termos
lingusticos devem ser atribudos para representa-la e cada termo lingusticos deve ser associado
ao conjunto fuzzy atravs da funo de pertinncia definida.
b. Etapa do conjunto de regras e inferncia: o cerne do conhecimento, ou seja nesta etapa
so inseridas as variveis e suas classificaes lingusticas; nesta, define-se os conectivos
lgicos para modelar as regras estabelecidas.
c. Etapa de defuzzificao: nesta etapa realizada transformao da varivel de sada
fuzzy em um valor numrico.
3. MATERIAIS E MTODOS
2.1 Procedimentos Metodolgicos
A metodologia adotada para caracterizao fsico-qumica do reservatrios foi a anlise dos
parmetros de acordo com a Standard Methods for the Examination of Water and Wastewater,
American Public Health Association [22].
Os critrios de qualidade da gua adotados neste trabalho levaram em conta os aspectos
fsicos, qumicos e biolgicos [23], conforme apresentado na Tabela 2.
2.2. Amostragens
As coletas foram realizadas diretamente nos frascos removendo-se as tampas dos mesmos,
em seguida lavava-os com a mesma gua a ser coletada e com uma das mos mergulhando-os
de modo que a boca do mesmo ficasse de 5 da 10 cm abaixo da superfcie da gua, evitando
uma eventual contaminao superficial.
Em seguida, as amostras foram acondicionadas, em frascos de polietileno de um litro e
mantidas em caixa de isopor com gelo, para conservao em baixa temperatura e proteo
contra a luz at chegarem ao laboratrio de Qumica Analtica Ambiental da Universidade
Federal de Sergipe. No momento da coleta, foram determinadas temperatura da gua e oxignio
dissolvido.
A Tabela 2 mostra as mdias dos dados ambientais utilizadas neste trabalho.
Tabela 2: Dados experimentais sobre o Reservatrio Jacarecica I
Indicador
Ambiental

Campanha 1
Campanha 2
Campanha 3
Campanha 4
Campanha 5
Desvio
Desvio
Desvio
Desvio
Desvio
Mdia
Mdia
Mdia
Mdia
Mdia
padro
padro
padro
padro
padro

pH

7,78

0,05

7,71

0,16

7,92

0,25

7,78

0,12

7,92

0,27

0,11

0,65

0,33

0,73

0,34

0,38

0,11

0,48

0,03

2,63

26,92

1,03

26,78

0,62

28,13

1,35

28,19

553,8

86,4

510,2

30,44

310,2

16,51

381,8

4,05

5,13

2,07

4,82

2,48

5,97

1,65

4,11

0,88

4,93

2,06

22,49

16,51

15,24

13,57

9,81

12,28

26,65

8,48

16,09

8,62

6,18

3,48

5,42

4,19

11

17,87

18,97

11,7

11,36

2,24

NO3 (g.L )

17,19

17,15

1,96

1,09

96,29

121,5

415,1

478,1

301,3

760,4

NTotal
(mg.L-)

0,02

0,01

0,07

0,05

0,42

0,08

1,22

0,98

0,18

0,11

0,02

0,02

0,08

0,05

0,01

0,03

0,01

2,67

1,22

33,38

22,81

16,3

3,84

0,42

0,08

0,82

0,62

Transparncia
0,54
(m)
Temperatura
28,34
(C)
Cond. eltrica
423
(S.cm-)
-

OD (mg.L )
N-NH4
)

(g.L

NO2-(g.L-)
-

PTotal (mg.L )
-

Clorofila (g.L
)

H. L. Garcia et al., Scientia Plena 8, 079901 (2012)

Em funo dos resultados obtidos dos parmetros da gua analisados mostrados na Tabela 1
possvel ressaltar que ocorreu uma reduo na concentrao do oxignio dissolvido no perodo
chuvoso, e anoxia no hipolmnio, durante o perodo de estiagem. Sendo assim, o reservatrio de
Jacarecica I, apresenta caractersticas de sistemas oligotrficos a eutrficos, tornando-se mais
eutrofizado no final do perodo de estiagem e incio do perodo chuvoso.
importante ressaltar tambm que pela anlise dos ndices de estado trfico e de seus
desvios, o nutriente limitante do reservatrio no perodo de estiagem o nitrognio e, durante o
perodo chuvoso, a limitao passa a ser do fsforo. Neste sentido, esses parmetros no
poderiam estar fora de uma anlise fuzzy.
No que se refere s concentraes de nitrato e nitrito, os valores esto dentro dos limites
estabelecidos pela Resoluo n 375/05 do CONAMA para as classes 1 e 2 e a mdia da
concentrao de fsforo total para o ms de maio, foi muito acima do limite estabelecido por
esta mesma resoluo e classes.
Ressalta-se que as concentraes dos nutrientes do sistema aumentaram no perodo chuvoso,
em decorrncia de uma maior alimentao de matria orgnica e de fertilizantes, associado
falta de vegetao ciliar nas margens do reservatrio. Estas constataes indicam a necessidade
de um planejamento de recuperao ambiental das reas prximas ao reservatrio.
4. RESULTADOS E DISCUSSO
A anlise da aplicao da sistemtica fuzzy foi desenvolvida utilizando o conjunto de
indicadores ambientais (Tabela 2) para definir um indicador de sada (IET). Esses indicadores
foram identificados pelos especialistas da rea [24] que ressaltaram a importncia da clorofila,
nitrognio e fsforo no gerenciamento de fontes de abastecimento de gua para consumo
humano, incluindo o tratamento de gua.
4.1 Aplicao da Lgica Fuzzy
Com base no conhecimento dos sistemas, as funes das variveis de entrada e varivel de
sada foram definidas utilizando o Fuzzy Logical Toolbox do MATLAB. Nesta etapa, o mtodo
de inferncia fuzzy foi o mtodo de Mamdani e para etapa de defuzzificao foi utilizado o
mtodo do centro de gravidade (Centroid), conforme se identifica na Figura 2. A funo de
pertinncia trapezoidal foi utilizada para todas as variveis.
Para implementao da estratgia fuzzy foi considerado que:
a. As trs variveis de entrada foram definidas a partir dos resultados da aplicao do
modelo de redes neurais [25-26] e da avaliao do ndice de qualidade da gua, como aquelas
que mais influenciam na qualidade da gua, segundo especialistas: clorofila-a, fsforo e
nitrognio.
b. A varivel de sada foi o ndice de qualidade da gua, classificando quanto o sistema em
quatro nveis trficos do sistema.
c. A funo de pertinncia triangular foi a mesma para cada varivel de entrada e para
varivel de sada.
d. Foram implementadas 23 regras fuzzy de acordo com o grau de importncia ou de
pertinncia para a resposta do sistema, de acordo com as definies dos especialistas.

H. L. Garcia et al., Scientia Plena 8, 079901 (2012)

A Figura 2 mostra a tela obtida no MATLAB para identificao das variveis de entrada e da
varivel de sada.

Figura 2: Variveis de entrada e de sada definidas no sistema fuzzy

As Figuras 3, 4 e 5 mostram as condies fuzzy implementadas para as variveis de entrada

do modelo.

Figura 3: Varivel lingustica clorofila

Figura 4: Varivel lingustica nitrognio

H. L. Garcia et al., Scientia Plena 8, 079901 (2012)

Figura 5: Varivel lingustica fsforo

A Figura 6 mostra o conjunto de sada para IET. Para os subconjuntos deste ndice, tem-se
que o subconjunto OLIGOTRFICO representado pela terna (0,00414; 0,1141; 0,234); o
subconjunto MESOTRFICO representado pela terna (0,0959; 0,26; 0,4013); o subconjunto
EUTRFICO representado pela terna (0,3395; 0,4205; 0,5095); e o subconjunto
HIPEREUTRFICO representado pela terna (0,444; 0,626; 0,85). importante ressaltar,
ento, que acima de 0,85 o sistema poderia ser classificado como hiperhipereutrfico, podendo
ser um novo termo lingustico a ser implementado.

Figura 6: Condies fuzzy varivel de sada IET

A Figura 7 mostra o conjunto de 23 regras fuzzy aplicado ao sistema hdrico. Nesta,

possvel observar que para cada valor atribudo s variveis de entrada, por exemplo, clorofila
80,5 g.L-, nitrognio 2 mg.L- e fsforo 200 mg.L-, como resposta o sistema gera IET de
0,747 que representa 74,7 % de segurana na resposta referente s condies do reservatrio. Na
literatura, uma resposta acima de 70% bom grau de acerto na anlise da varivel de sada [27].
importante ressaltar que quanto maior o nmero de variveis de entrada maior o nmero de
regras, o que torna o sistema mais dependente do conhecimento dos especialistas na integrao
entre as regras. Observa-se, ento, que nesta simulao hipottica, o IET igual a 0,747 indica
que o sistema pode ser enquadrado no termo lingustico hipereutrfico, conforme mostra a
Figura 6.

H. L. Garcia et al., Scientia Plena 8, 079901 (2012)

Figura 7: Regras fuzzy aplicadas

5. CONCLUSO
A aplicao de um modelo bsico de anlise fuzzy implica em escolher uma ferramenta
amplamente flexvel, que pode ser aplicada a um universo amostral reduzido e pode ser
facilmente ajustvel s condies experimentais. Neste trabalho, foi realizada a aplicao de um
modelo fuzzy para classificar as condies ambientais de um corpo hdrico com base nas
anlises fsico-qumicas. Os resultados fuzzy mostraram uma combinao satisfatria entre os
indicadores ambientais que classificam o reservatrio entre nveis oligotrfico e hipereutrfico.
importante ressaltar que vrios os parmetros fsico-qumicos normalmente podem ser
utilizados para classificar o estado trfico de um corpo hdrico e isso, por vezes, pode confundir
a interpretao dos resultados caso no exista a presena dos especialistas, neste caso, os
especialistas em qualidade da gua, na equipe de anlise do fenmeno.
6. AGRADECIMENTOS
Os autores deste trabalho so gratos ao CNPq pela bolsa de pesquisa concedida nos primeiros
18 meses do desenvolvimento do referido trabalho, bem como ao suporte tcnico do pessoal do
LQA-UFS.
1.
2.

3.
4.
5.

BARBALHO. V. M. S.. Sistemas Baseados Em Conhecimento E Lgica Difusa Para Simulao

Do Processo Chuva-Vazo. Tese de Doutorado. COPPE/UFRJ, 2001
VIEIRA,V. P.; DINIZ, L.S.; LACERDA, E.G.M. ; CARVALHO. A.C.P.; LUDEMIR, T.B.
Sistemas Inteligentes , aplicaes a Recursos Hdricos e Cincias Ambientais. Porto Alegre.
Editora da Universidade / UFRGS, 1999
ALTUNKAYNAK, A.; OZGER, M.; AKMAKCI, M.. Fuzzy logic modeling of the dissolved
oxygen fluctuations in Golden Horn. Ecological Modelling, 189, 436-446, 2005
ICAGA, Y.. Fuzzy evaluation of water quality classification. Ecological Indicators. 7, 710-718,
2007
PEREIRA, G. C.; EVSULKOFF, A.. EBECKEN, N. F. F.. Fuzzy Modelling of Chlorophyll
production in a Brazilian upwelling system. Ecological Modelling, 220, 1506-1512, 2009

H. L. Garcia et al., Scientia Plena 8, 079901 (2012)

6.

7.
8.

9.

10.
11.
12.
13.
14.
15.
16.

17.

18.

19.
20.
21.
22.

23.
24.
25.

26.

27.

10

LERMONTOV, A.; YOKOYAMA, L.; LERMONTOV, M.; MACHADO, M. A. S.. River

quality analysis using fuzzy water quality index: Ribeira do Iguape river watershed, Brazil.
Ecological Indicators, 9, 1188-1197, 2009
PECHE, R.; RODRIGUEZ, E.. Development of environmental quality indexes based on fuzzy
logic. A case study.Ecological Indicadtors, 23, 555-565
ANGULO, C.; CABESTANY, J.; RODRIGUEZ, P.; BATLLE, M.. Fuzzy expert system for the
detection of episodes of poor water quality through continuous measurement. Expert Systems
with Applications, 39, 1011-1020, 2012
FONSECA. O. L. H. Aplicao de mtodos de anlise espacial e da teoria dos conjuntos
nebulosos em estudos sobre pobreza. 2003 149f. Dissertao (Mestrado em Engenharia de
Computao). Faculdade de Engenharia da Universidade do Estado do Rio de Janeiro UERJ,
Rio de Janeiro, 2003.
BITTENCOURT, Guilherme (2006) Inteligncia Artificial Ferramentas e Teorias. Editora
UFSC, Florianpolis, 3 ed., 371p.
OLIVEIRA JNIOR, Hime Aguiar e. Lgica Difusa: aspectos prticos e aplicaes. Rio de
Janeiro: Intercincia, 1999.
NOVK, V.. Which logic is the real fuzzy logic. Fuzzy Sets and Systems, 157, 635-641, 2006
TSOUKALAS, L. H. e UHRIG, R. E.. Fuzzy and Neural Approaches in Engineering. New York:
Wiley-Interscience Publication, 1997
CARLSON, R. E. e SIMPSON, J. A coordinators guide to volunteer lake monitoring methods.
North American Lake Management Society, 1996, 96p.
ESTEVES, F. A.. Fundamentos de Limnologia. rio de Janeiro: Intercincia/FINEP, 1988, 575 p.
ZADEH, L. A., 1965. Fuzzy sets. Information and Control 8, 338-353, apud BARBALHO. V.
M. S.. Sistemas Baseados em Conhecimento e Lgica Difusa para Simulao do Processo
Chuva-Vazo. Tese de Doutorado. COPPE/UFRJ, 2001
OLIVEIRA JUNIOR, H. A., CALDEIRA, A. M., MACHADO, M. A., SOUZA, R. C. e
TANSCHEIT, R., Inteligncia Computacional aplicada Administrao, Economia e Engenharia
em Matlab. So Paulo: Thomson Learning, 2007
WESTPHAL, J. T. Modelagem Difusa de um Sistema Especialista Mdico: Avaliao dos
Fatores de Internao em Crianas Queimadas. 2003, 115f. Dissertao (Mestrado em Cincia da
Computao). Programa de ps-graduao em cincia da Computao, Universidade Federal de
Santa Catarina, Florianpolis, 2003.
SIVANANDAM, S.N.; SUMATHI, S.; DEEPA, S.N. Introduction to fuzzy logic using
MATLAB. Heidelberg: Springer, 2007, 430 p.
SAADE, J.J. A Defuzzification Based New Algorithm for the design of Mamdani-Type Fuzzy
Controllers, Mathware & Soft Computing. Granada, vol 7, n.2-3, 2000.
SANDRI, S.; CORREA,C. Lgica Nebulosa. Anais da V Escola de Redes Neurais. So Jos dos
Campos, 1999, pp 73-90. Disponvel em: http://www.ele.ita.br/cnrn
MALUTTA C. Mtodo De Apoio Tomada de Deciso Sobre a Adequao de Aterros
Sanitrios Utilizando a Lgica Fuzzy. 2004, 221f. Tese de Doutorado em Engenharia de
Produo. Programa de Ps-Graduao em Engenharia de Produo da Universidade Federal de
Santa Catarina, Florianpolis 2004
American Public Health Association (APHA). Standard Methods for the examination of water
and wasterwater. 20 ed. Washington: APHA, 1998.
PIVELI, R.P.; kato, m. t.. Qualidade das gua e Poluio: Aspectos Fsico-Qumicos. So Paulo:
ABES Associao Brasileira de Engenharia Sanitria e Ambiental, 2006
ALVES, J. P. H. ; GARCIA, C. A. B. . O rio Sergipe no entorno de Aracaju: qualidade da gua e
poluio orgnica. In: Jos do Patrocnio Hora Alves. (Org.). Rio Sergipe: Importncia,
vulnerabilidade e preservao. 1 ed. Aracaju: , 2006, v. 1, p. 87-109.
GARCIA, H. L., ALVES, J. P. H., CARVALHO, F. O., GARCIA, C. A. B.. Modelagem de
processos de eutrofizao em reservatrios usando a tcnica de redes neurais In: XV Congresso
Brasileiro de Engenharia Qumica XV COBEQ Curitiba, 2004
MELO, M. N.. Mapeamento difuso no auxlio da reduo dos impactos ambientais em uma usina
hidreltrica. Dissertao de Mestrado. Universidade Federal de Itajub, Departamento de
Engenharia de Energia. 2009.