Aplicação de Sistemas de Inferência Fuzzy para
Classificar e Mapear a Vulnerabilidade de Aquíferos
Erico LISBOA¹; Jorge CARVALHO²; Manuel FIGUEIREDO¹ ¹ Departamento de Engenharia Civil, FEUP/PRODEC/SHRHA
² Departamento de Engenharia de Minas, FEUP
Évora 2015
10.º Seminário sobre Águas Subterrâneas É v o r a , 9 e 1 0 d e a b r i l d e 2 0 1 5 | U n i v e r s i d a d e d e É v o r a
ESTRUTURA
oINTRODUÇÃO oMETODOLOGIA
Índice de Vulnerabilidade; Sistema de Inferência Fuzzy; Área de aplicação
oRESULTADOS oCONCLUSÕES
oAGRADECIMENTOS
10.º Seminário sobre Águas Subterrâneas É v o r a , 9 e 1 0 d e a b r i l d e 2 0 1 5 | U n i v e r s i d a d e d e É v o r a
oINTRODUÇÃO
-Vulnerabilidade (intrínseca ou específica) -Sistema de indexação
-Determinísticos -Conceituais
10.º Seminário sobre Águas Subterrâneas É v o r a , 9 e 1 0 d e a b r i l d e 2 0 1 5 | U n i v e r s i d a d e d e É v o r a
X1
X2
Xn
oMETODOLOGIA
Índice de Vulnerabilidade Intrínseca ou Natural – IVI - Atenuação
- Inacessível - Foster & Hirata (1988)
10.º Seminário sobre Águas Subterrâneas É v o r a , 9 e 1 0 d e a b r i l d e 2 0 1 5 | U n i v e r s i d a d e d e É v o r a
oMETODOLOGIA
Sistema de Inferência Fuzzy – SIF
-Fuzzificação (gaussian membership function) - Inferência (Mamdani e Larsen)
- Desfuzzificação (Método de centro de gravidade)
-Configuração de dois sistemas: SIF_MC e SIF_LC
10.º Seminário sobre Águas Subterrâneas É v o r a , 9 e 1 0 d e a b r i l d e 2 0 1 5 | U n i v e r s i d a d e d e É v o r a
oMETODOLOGIA
Prescrição para aplicação dos SIF
10.º Seminário sobre Águas Subterrâneas É v o r a , 9 e 1 0 d e a b r i l d e 2 0 1 5 | U n i v e r s i d a d e d e É v o r a
(a) (b) (c) (d)
baixo média alta baixo média alta baixo média alta insignificante baixa média alta extrema
Índice de vulnerabilidade natural (out put)
xD (in put) xO (in put)
xG (in put)
(a) (b) (c) (d)
baixo média alta baixo média alta baixo média alta insignificante baixa média alta extrema
Índice de vulnerabilidade natural (out put)
xD (in put) xO (in put)
xG (in put)
(a) (b) (c) (d)
baixo média alta baixo média alta baixo média alta insignificante baixa média alta extrema
Índice de vulnerabilidade natural (out put)
xD (in put) xO (in put) xG (in put) Banco de Dados
x
Gx
Ox
D Classificação e Mapeamento Probabilidade de classificação dos SIF/ sensibilidade de cadaparâmetro em IVI Máximo/ mínimo Máximo/ mínimo Média/ Desvio-padrão (a) (b) (c) (d)
baixo média alta baixo média alta baixo média alta insignificante baixa média alta extrema
Índice de vulnerabilidade natural (out put)
xD (in put) xO (in put)
oMETODOLOGIA
Processamento do SIF – toolboxes Logic Fuzzy and Simulink/ Matlab ® 10.º Seminário sobre Águas Subterrâneas
É v o r a , 9 e 1 0 d e a b r i l d e 2 0 1 5 | U n i v e r s i d a d e d e É v o r a
Obs. Caso o vídeo não entre em funcionamento, por favor clicar no
oMETODOLOGIA Área de aplicação - Bacia Amazonas; - 615,6x10³ km² - 33x10³ km³ - Bacia Solimões; - 948,6x10³ km² - 7,2x10³ km³ - Área de influência - 1.156,065x10³ km² - 44,68% norte; - Dados – SIAGAS - 9.840 poços;
10.º Seminário sobre Águas Subterrâneas É v o r a , 9 e 1 0 d e a b r i l d e 2 0 1 5 | U n i v e r s i d a d e d e É v o r a (b) (a) 7.77% 13.95% 42.97% 35.14% 0.17% % sobre a área de influência índice GOD MSE = 0,0259; RMSE = 0,1612 IND_VULN
oRESULTADOS Simulação
10.º Seminário sobre Águas Subterrâneas É v o r a , 9 e 1 0 d e a b r i l d e 2 0 1 5 | U n i v e r s i d a d e d e É v o r a 0 1000 2000 3000 4000 5000 6000 0 0.1 0.3 0.5 0.8 1 D a d o s si m u la d o s (d) 0 200 400 600 800 1000 0 .0 0 15 20 25 30 35 46 53 59 64 69 74 79 84 89 94 99 D ad o s si m u la d o s (c) xD 0 20 40 60 80 100 120 140 0.40 … 0.4 4 … 0.4 8 … 0.52 … 0.5 6 … 0.61 … 0.6 5 … 0.69 … 0.7 3 … 0.7 7 … 0.82 … 0.8 6 … 0.90 … 0.9 4 … 0.98 … D ad o s si m u la d o s (b) xO 0 20 40 60 80 100 120 140 0.20 … 0.2 5 … 0.3 1 … 0.3 6 … 0.4 2 … 0.48 … 0.5 3 … 0.59 … 0.6 4 … 0.7 0 … 0.7 6 … 0.8 1 … 0.87 … 0.9 2 … 0.98 … D ad o s si m u la d o s (a) xG 0 1000 2000 3000 4000 5000 6000 0 0.1 0.3 0.5 0.8 1 D a d o s si m u la d o s SIF_MC SIF_MB SIF_LC SIF_LB 0 1000 2000 3000 4000 5000 6000 0 0.1 0.3 0.5 0.8 1 D a d o s si m u la d o s SIF_MC SIF_MB SIF_LC SIF_LB 0 1000 2000 3000 4000 5000 6000 0 0.1 0.3 0.5 0.8 1 D a d o s si m u la d o s (d) 0 200 400 600 800 1000 0 .0 0 15 20 25 30 35 46 53 59 64 69 74 79 84 89 94 99 D ad o s si m u la d o s (c) xD 0 20 40 60 80 100 120 140 0.40 … 0.4 4 … 0.4 8 … 0.5 2 … 0.5 6 … 0.61 … 0.6 5 … 0.69 … 0.7 3 … 0.7 7 … 0.82 … 0.8 6 … 0.90 … 0.9 4 … 0.98 … D ad o s si m u la d o s (b) xO 0 20 40 60 80 100 120 140 0.20 … 0.2 5 … 0.3 1 … 0.3 6 … 0.4 2 … 0.48 … 0.5 3 … 0.59 … 0.6 4 … 0.7 0 … 0.7 6 … 0.8 1 … 0.87 … 0.9 2 … 0.98 … D ad o s si m u la d o s (a) xG 0 1000 2000 3000 4000 5000 6000 0 0.1 0.3 0.5 0.8 1 D a d o s si m u la d o s SIF_MC SIF_MB SIF_LC SIF_LB 0 1000 2000 3000 4000 5000 6000 0 0.1 0.3 0.5 0.8 1 D a d o s si m u la d o s SIF_MC SIF_MB SIF_LC SIF_LB 0 1000 2000 3000 4000 5000 6000 0 0.1 0.3 0.5 0.8 1 D a d o s si m u la d o s (d) 0 200 400 600 800 1000 0 .0 0 15 20 25 30 35 46 53 59 64 69 74 79 84 89 94 99 D ad o s si m u la d o s (c) xD 0 20 40 60 80 100 120 140 0.40 … 0.4 4 … 0.4 8 … 0.5 2 … 0.5 6 … 0.61 … 0.6 5 … 0.69 … 0.7 3 … 0.7 7 … 0.82 … 0.8 6 … 0.90 … 0.9 4 … 0.98 … D ad o s si m u la d o s (b) xO 0 20 40 60 80 100 120 140 0.20 … 0.2 5 … 0.3 1 … 0.3 6 … 0.4 2 … 0.48 … 0.5 3 … 0.59 … 0.6 4 … 0.7 0 … 0.7 6 … 0.8 1 … 0.87 … 0.9 2 … 0.98 … D ad o s si m u la d o s (a) xG 0 1000 2000 3000 4000 5000 6000 0 0.1 0.3 0.5 0.8 1 D a d o s si m u la d o s SIF_MC SIF_MB SIF_LC SIF_LB 0 1000 2000 3000 4000 5000 6000 0 0.1 0.3 0.5 0.8 1 D a d o s si m u la d o s SIF_MC SIF_MB SIF_LC SIF_LB SIF_MC_PROB I – 1,02% B – 3,54% M – 19,77% A – 39,33% E – 15,94% SIF_LC_PROB I – 0,82% B – 3,79% M – 25,74% A – 38,16% E – 3,97% SIF_MC (CCS) G – 80,76% O – 25,74% D – 23,90% SIF_LC (CCS) G – 80,74% O – 25,73% D – 23,90% 0 1000 2000 3000 4000 5000 6000 0 0,1 0,3 0,5 0,8 1 D a do s sim ula do s 0 1000 2000 3000 4000 5000 6000 0 0.1 0.3 0.5 0.8 1 D a d o s si m u la d o s SIF_MC SIF_MB SIF_LC SIF_LB 0 1000 2000 3000 4000 5000 6000 0 0.1 0.3 0.5 0.8 1 D a d o s si m u la d o s SIF_MC SIF_MB SIF_LC SIF_LB
oRESULTADOS
- Comparação entre o mapeamento gerado pela classificação da
vulnerabilidade pelo índice GOD e SIF_MC.
10.º Seminário sobre Águas Subterrâneas É v o r a , 9 e 1 0 d e a b r i l d e 2 0 1 5 | U n i v e r s i d a d e d e É v o r a (b) (a) 9.70% 32.82% 56.44% 1.03% % sobre a área de influência SIF_LC MSE = 0,0145; RMSE = 0,1206 IND_VULN 9.60% 32.96% 56.42% 1.02% % sobre a área de influência SIF_MC MSE = 0,0144; RMSE = 0,1199 (b) (a) 9.70% 32.82% 56.44% 1.03% % sobre a área de influência SIF_LC MSE = 0,0145; RMSE = 0,1206 IND_VULN 9.60% 32.96% 56.42% 1.02% % sobre a área de influência SIF_MC MSE = 0,0144; RMSE = 0,1199 (b) (a) 7.77% 13.95% 42.97% 35.14% 0.17% % sobre a área de influência índice GOD MSE = 0,0259; RMSE = 0,1612 IND_VULN
oRESULTADOS
- Comparação entre o mapeamento gerado pela classificação da
vulnerabilidade pelo índice GOD e SIF_LC.
10.º Seminário sobre Águas Subterrâneas É v o r a , 9 e 1 0 d e a b r i l d e 2 0 1 5 | U n i v e r s i d a d e d e É v o r a (b) (a) 9.70% 32.82% 56.44% 1.03% % sobre a área de influência SIF_LC MSE = 0,0145; RMSE = 0,1206 IND_VULN 9.60% 32.96% 56.42% 1.02% % sobre a área de influência SIF_MC MSE = 0,0144; RMSE = 0,1199 (b) (a) 7.77% 13.95% 42.97% 35.14% 0.17% % sobre a área de influência índice GOD MSE = 0,0259; RMSE = 0,1612 IND_VULN (b) (a) 9.70% 32.82% 56.44% 1.03% % sobre a área de influência SIF_LC MSE = 0,0145; RMSE = 0,1206 IND_VULN 9.60% 32.96% 56.42% 1.02% % sobre a área de influência SIF_MC MSE = 0,0144; RMSE = 0,1199
oRESULTADOS
- Comparação entre o mapeamento gerado pela classificação da
vulnerabilidade pelo SIF_MC e SIF_LC.
10.º Seminário sobre Águas Subterrâneas É v o r a , 9 e 1 0 d e a b r i l d e 2 0 1 5 | U n i v e r s i d a d e d e É v o r a (b) (a) 9.70% 32.82% 56.44% 1.03% % sobre a área de influência SIF_LC MSE = 0,0145; RMSE = 0,1206 IND_VULN 9.60% 32.96% 56.42% 1.02% % sobre a área de influência SIF_MC MSE = 0,0144; RMSE = 0,1199
oCONCLUSÕES
- Os sistemas fuzzy apresentaram maior probabilidade para classificar a vulnerabilidade como alta;
- O parâmetro associado ao grau de confinamento apresentou-se como mais sensível para classificar a vulnerabilidade;
- O mapeamento realizado por meio da interpolação dos resultados do SIF_MC foi o que agregou menores erros;
- A metodologia adoptada apresentou-se como excelente estratégia de planeamento e gestão dos recursos hídricos subterrâneos.
10.º Seminário sobre Águas Subterrâneas É v o r a , 9 e 1 0 d e a b r i l d e 2 0 1 5 | U n i v e r s i d a d e d e É v o r a
oAGRADECIMENTOS
Ao Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq/ Brasil), pela concessão de bolsa de doutoramento ao primeiro autor.
10.º Seminário sobre Águas Subterrâneas É v o r a , 9 e 1 0 d e a b r i l d e 2 0 1 5 | U n i v e r s i d a d e d e É v o r a