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

• Main Author: Chaves, Luciano Eustáquio [UNESP]
• Other Authors: Universidade Estadual Paulista (UNESP)
• Format: Others
• Language: Portuguese
• Published: Universidade Estadual Paulista (UNESP) 2014
• Subjects: Ar - Poluição; Lógica difusa; Inteligencia artificial - Aplicações medicas; Teoria dos conjuntos; Redes neurais (Computação); Aparelho respiratorio - Doenças; Fuzzy logic
• Online Access: http://hdl.handle.net/11449/105352

Made available in DSpace on 2014-06-11T19:34:58Z (GMT). No. of bitstreams: 0 Previous issue date: 2013-07-26Bitstream added on 2014-06-13T19:44:42Z : No. of bitstreams: 1 chaves_le_dr_guara.pdf: 1947123 bytes, checksum: ee8c45d5619f8378be62c209cfe77f98 (MD5) === 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 === This study aimed at investigating the association between exposure to air pollutants and the number of hospital admissions for asthma and pneumonia. For such verification it was proposed to develop and validate the Mamdani fuzzy and neuro-fuzzy (Sugeno) models and compare which of the two provides better efficacy in predicting hospitalization. The methodology was divided into three modules: data cleaning and preparation, elaboration of the fuzzy model (Mamdani) and elaboration of the neuro-fuzzy model (Sugeno). Data were collected from DATASUS actual admissions, which were used as the models output. The input data were air pollutants particulate matter (PM10), sulfur dioxide (SO2), ozone (O3) and the apparent temperature (Tap). The outputs generated by the models were compared and correlated with the actual data of admissions through the Pearson Correlation Coefficient. In this study the level of statistical significance adopted was α = 5%. The accuracy of the models was performed using the ROC curve. In this study it was possible to develop and validate the models. The neuro-fuzzy model showed better correlation than the fuzzy model, but the accuracy was better for the fuzzy model