Modelos computacionais fuzzy e neuro-fuzzy para avaliarem os efeitos da poluição do ar

• Autor(a) principal: Chaves, Luciano Eustáquio [UNESP]
• Data de Publicação: 2013
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Repositório Institucional da UNESP
• Texto Completo: http://hdl.handle.net/11449/105352
• topic: Ar - Poluição; Lógica difusa; Inteligencia artificial - Aplicações medicas; Teoria dos conjuntos; Redes neurais (Computação); Aparelho respiratorio - Doenças; Fuzzy logic

O presente estudo teve por objetivo verificar a associação entre a exposição aos poluentes do ar e o número de internações hospitalares por asma e pneumonia. Para a verificação foi proposto desenvolver e validar modelos fuzzy (Mamdani) e neuro-fuzzy (Sugeno) e comparar qual dos modelos apresenta uma melhor eficácia para a predição de internações. A metodologia utilizada foi dividida em três módulos: limpeza e elaboração de dados, elaboração do modelo fuzzy (Mamdani) e elaboração do modelo neuro-fuzzy (Sugeno). Foram coletados dados reais de internações do DATASUS, os quais foram utilizados como saída do modelo. Os dados de entradas foram os poluentes do ar material particulado (MP10), dióxido de enxofre (SO2), ozônio (O3) e a temperatura aparente (Tap). As saídas geradas pelos modelos foram comparadas e correlacionadas com os dados reais de internações através do Coeficiente de Correlação de Pearson. Para o estudo o nível de significância estatístico adotado foi α = 5%. A acurácia dos modelos foi realizada utilizando a Curva ROC. Neste estudo foi possível desenvolver e validar os modelos. O modelo neuro-fuzzy apresentou melhor correlação do que o modelo fuzzy; porém a acurácia foi melhor para o modelo fuzzy