| Summary: | As informações ambientais são o resultado de uma complexa interação entre as condições dos ambientes natural e antropogênico. Sobre os processos envolvidos, na maioria das vezes há pouca ou nenhuma informação e, freqüentemente há carência de dados. Face a esta problemática o emprego de uma técnica que minimize a necessidade de tais dados, que não tenha restrições operacionais para a execução dos cálculos ou ainda que possa ser aplicada quando não há muito conhecimento sobre o equacionamento do problema, presponta como uma alternativa estratégica para a interpretação das informações ambientais. As técnicas de Inteligência Artificial lidam com estas restrições e, face aos recursos de software [aplicativos] e hardware [máquinas] hoje disponíveis, tiveram suas aplicações viabilizadas em diversas áreas. Neste trabalho conceituamos além das Redes Neurais, os Sistemas Fuzzy [Nebulosos] e sua lógica específica, os Algoritmos Genéticos - seu fundamento e aplicações - e finalizando, os Sistemas Neuro-Fuzzy. As principais Técnicas Estatísticas utilizadas em recentes trabalhos para a interpretação de dados são listadas e, sempre que necessário, são conceituadas. Apresentamos as Redes Neurais Artificiais não só como uma alternativa às Técnicas Estatísticas e outras abordagens, mas sim na complementação destas no trabalho de análise de dados. O emprego de ambas as técnicas no equacionamento dos problemas na área ambiental, como mostramos, garante os melhores resultados. vi Nas Ciências Atmosféricas apresentamos aplicações de Redes Neurais contemplando: o processo de reconhecimento de partículas, a identificação de partículas e de fontes de poluição atmosférica, no Balanço Químico de Massas, na interpretação de dados, na previsão de concentrações de poluentes e na análise de riscos à saúde. Os resultados das aplicações evidenciam o grande potencial que a técnica de Redes Neurais oferece para esta ciência. Face as características de distribuição espacial e temporal da poluição do ar pesquisamos e encontramos uma topologia de Rede Neural que se ajusta ao objetivo de previsão das concentrações horárias do monóxido de carbono na a cidade de São Paulo. Uma proposta de Sistema Inteligente baseado na teoria dos sistemas Fuzzy-Neurais também é apresentada para o mesmo problema. Uma relação dos aplicativos comerciais disponíveis no mercado para trabalhar com esta tecnologia é apresentada ao final.
===
Neural Networks techniques are presented in an Artificial Intelligence context including: Fuzzy Systems, Genetic Algorithms and Neuro-Fuzzy Systems. The Neural Networks topologies and the learning procedures are presented too. The approach we used to introduce the concepts was to show the similarities with the Natural Neuron. We selected and presented some usual Statistical Techniques currently used in air pollution data analysis and, always if it is available, a comparison with the Artificial Neural Networks. We observed that almost always the Neural Network offers better results than other approaches, but when both techniques are used, one complement another. We selected Neural Networks applications in air pollution including: particle identification process, particle and atmospheric pollution source identification, Chemical Mass Balance techniques, data analysis and interpretation, forecasting of atmospheric pollutant concentrations and health risk analysis. The Multilayer perceptron is the most common topology applied. The air pollution problem is spatio-temporal and a Neural Network topology, that take it into account, is suggested to forecast carbon monoxide concentrations at São Paulo City, Brazil. A Fuzzy-Neuro system to predict carbon monoxide critical episodes is proposed too. A list of commercial software available to work with this technology is presented to encourage future applications.
|
|---|
