DM JorgeRibeiro 2008 MEEC

MODELO DE PREVISO
METEOROLGICA BASEADO
EM SISTEMAS DE INFERNCIA
DIFUSA
Jorge Martinho Ribeiro
Departamento de Engenharia Electrotcnica

Instituto Superior de Engenharia do Porto
2008
Este relatrio satisfaz, parcialmente, os requisitos que constam da Ficha de Disciplina de

Tese/Dissertao, do 2 ano, do Mestrado em Engenharia Electrotcnica e de
Computadores
Candidato: Jorge Martinho Ribeiro, N 1030345, 1030345@isep.ipp.pt

Orientao cientfica: Prof. Isabel Jesus, isj@isep.ipp.pt
Co-Orientador: Prof. Betina Neves, bbn@isep.ipp.pt
Departamento de Engenharia Electrotcnica

Instituto Superior de Engenharia do Porto
3 de Novembro de 2008
Agradecimentos
Este trabalho no poderia ser desenvolvido sem o apoio de algumas pessoas, s quais deixo
aqui os meus agradecimentos.
Eng.. Isabel Jesus, pela orientao e aconselhamento que me transmitiu ao longo do
projecto. A sua ajuda e dedicao na elaborao da Tese foram essenciais para a concluso
do projecto com sucesso.
Eng.. Betina Neves, pelo aconselhamento que transmitiu e pelas informaes tcnicas
que disponibilizou.
Queria igualmente agradecer a todos os que me apoiaram ao longo deste tempo, atravs da
sua amizade e aconselhamento.
Um agradecimento especial minha famlia que me apoiou e disponibilizou tudo o que era
possvel para que eu conclusse este projecto.
ii
Resumo
O conceito de lgica difusa est correlacionado com a recolha de informaes vagas, que
so em geral descritas numa linguagem falada por seres humanos, transformando este tipo
de linguagem em formato numrico de fcil manipulao computacional.
A meteorologia a cincia que estuda os fenmenos da atmosfera, fenmenos estes que,
so bastante complexos, mas que mesmo assim podem ser descritos de forma lingustica.
Como exemplo desta linguagem temos: temperatura quente, temperatura fria, vento forte,
vento fraco, chuva forte, chuva fraca, etc. Assim, quando se tem como objectivo fazer uma
previso e uma descrio destes fenmenos, faz todo o sentido aplicar sistemas que tenham
por base os conceitos de lgica difusa. Nesta linha de pensamento, surgiu a ideia de criar
um sistema de previso meteorolgica baseado em sistemas de inferncia difusa.
Com o objectivo de levar a bom termo este trabalho, efectuou-se um estudo dos conceitos
inerentes lgica difusa e a sistemas de inferncia difusa por vista a se determinar os
diferentes parmetros e varveis a usar no desenvolvimento do sistema de previso
meteorolgica.
Posteriormente, e porque o trabalho proposto deveria ser desenvolvido utilizando o
software MATLAB, fez-se um estudo da livraria de inferncia difusa desta plataforma.
Assim, depois de se saber as funcionalidades do MATLAB em lgica difusa, fez-se o
estudo dos fenmenos atmosfricos e das variveis meteorolgicas que seriam necessrias
para uma previso, assim como o modo como se relacionam os diferentes fenmenos
visando a criao do controlador difuso capaz de os traduzir de uma forma computacional.
Depois de se definir quais as variveis que iriam ser necessrias, usaram-se os dados
fornecidos por uma estao meteorolgica da Galiza. Para tal, foi desenvolvido um
programa de aplicao para efectuar a aquisio automtica dos dados necessrios ao
funcionamento do sistema difuso do MATLAB, que se encontram disponibilizados na
Internet.
Em seguida, foi implementado o controlador difuso que foi sendo sintonizado ao longo do
trabalho por forma a garantir bons resultados.
iii
Atravs do Guide do MATLAB foi desenvolvido o ambiente grfico do sistema e um

interface amigvel com o utilizador. Com este sistema de previso possvel fazer a
previso a 3 dias para as temperaturas mxima e mnima e para a velocidade do vento,
assim como, uma imagem que ilustra a previso do estado do tempo.
Por fim, foi feita uma anlise de resultados baseada na comparao das previses
efectuadas com os resultados reais provenientes da estao meteorolgica, com a
finalidade de se verificar a fiabilidade do sistema implementado.
Palavras-Chave
Lgica difusa, Controladores difusos, Meteorologia, Aquisio de dados, MATLAB.
iv
Abstract
The notions around Fuzzy Logic are related to the gathering of vague information,
normally described using human speech and transforming that spoken information into a
quantifiable value, a number, easily treated in computational processes.
The science of meteorology studies the phenomena in earths atmosphere. These
phenomena, although quite complex may be described in a qualitative linguistic fashion.
If one considers the words that usually tend to follow the description of the expected
weather, one realises they present a touch of vagueness: hot or cold temperature, strong or
mild winds, light or heavy showers, etc. This emphasises the fact that a system developed
to produce accurate weather forecast can naturally be achieved with the help of fuzzy
logic. This was the idea that supported this entire work.
With the purpose of developing a weather forecast system based on fuzzy logic, a prior
study of the main issues regarding fuzzy logic was made. As a consequence, variables and
the determination of several parameters were determined for a proper development of the
fuzzy weather forecast system.
Afterwards, and since the work was to be developed in MATLAB, the fuzzy logic toolbox
was thoroughly studied. Once assimilated, it was time to start analysing weather
phenomena and establishing the adequate variables needed for a forecast, as well as the
way in which all these variables and phenomena relate between each other, in order to
produce a fuzzy system that faithfully translates the information into a working
computational model.
No model can be established a tuned without data. Therefore, all the data needed to do this
work was obtained through a weather station settled in nearby Spain, in Galiza.
To acquire and treat the considerable amount of data needed, a small software was
developed that allows an automatic data retrieving and direct use of, in the MATLAB
environment.
The next step in the work was the development of the fuzzy control system. This Fuzzy
system was later on continuously tuned until it presented good results.
Other MATLAB functionalities allowed for a pleasant interface for the users.
The final weather forecast fuzzy inference system gives the user a 3 day forecast for min
and max temperature, wind speed and all predictions come with illustrative pictures that
summarize the presented forecast.
Finally, a comparison between real (Galiza) and forecasted data was implemented and
allowed for a confirmation of the systems reliability.
Key words
Fuzzy Logic, Fuzzy control systems, Meteorology, Weather forecast, Data acquisition,
Matlab.
vi
ndice
AGRADECIMENTOS ..................................................................................................................................... I
RESUMO ....................................................................................................................................................... III
ABSTRACT .....................................................................................................................................................V
NDICE ........................................................................................................................................................ VII
NDICE DE FIGURAS ................................................................................................................................. IX
NDICE DE TABELAS ................................................................................................................................ XI
ACRNIMOS............................................................................................................................................. XIII
1.
2.
INTRODUO ...................................................................................................................................... 1
1.1.
CONTEXTUALIZAO ....................................................................................................................... 1
1.2.
OBJECTIVOS ...................................................................................................................................... 2
1.3.
CALENDARIZAO ........................................................................................................................... 2
1.4.
ORGANIZAO DO RELATRIO ......................................................................................................... 3
CONTROLO LGICO DIFUSO: ESTADO DA ARTE .................................................................... 5

2.1.
EVOLUO HISTRICA DO CONTROLO DIFUSO .................................................................................. 5
2.2.
LGICA DIFUSA................................................................................................................................. 7
2.2.1.
O que a logica difusa? .......................................................................................................... 7
2.2.2.
Variveis lingusticas .............................................................................................................. 8
2.2.3.
Inferncia difusa.................................................................................................................... 10
2.2.3.1.
Multiplicao Vector - Matriz Difusos .................................................................................. 10
2.2.3.2.
Inferncia Max Min ............................................................................................................ 12
2.3.
CONJUNTOS DIFUSOS ...................................................................................................................... 15
2.3.1.
Definio de variveis........................................................................................................... 15
2.3.1.1.
Variveis difusas ................................................................................................................... 15
2.3.1.2.
Operaes com conjuntos difusos ......................................................................................... 16
2.3.2.
Criar conjuntos difusos ......................................................................................................... 18
2.3.3.
Efeitos do uso de advrbios com variveis lingusticas ........................................................ 18
2.4.
SISTEMAS DIFUSOS ......................................................................................................................... 20
2.5.
CONTROLADORES LGICO DIFUSOS ................................................................................................ 20
2.5.1.
Tipos de controladores logico difusos................................................................................... 22
2.5.2.
Estrutura de um controlador difuso ...................................................................................... 24
2.5.3.
Regras difusas ....................................................................................................................... 26
2.5.4.
Mtodos de colapsagem existentes ........................................................................................ 27
2.5.4.1.
Colapsagem pelo centro de massa ........................................................................................ 28
2.5.4.2.
Colapsagem pelo centro dos centros das reas .................................................................... 28
vii
3.
4.
2.5.4.3.
Colapso pela mdia dos mximos .......................................................................................... 29
2.5.4.4.
Propriedades de um mtodo de colapsagem.......................................................................... 30
METEOROLOGIA ............................................................................................................................... 31
3.1.
O QUE A METEOROLOGIA BREVE INTRODUO................................................................ 31
3.2.
EVOLUO DA METEOROLOGIA AT AOS DIAS DE HOJE ................................................................... 32
3.3.
SISTEMAS DE PREVISO METEOROLGICA ....................................................................................... 35
3.4.
ELEMENTOS METEOROLOGICOS FUNDAMENTAIS CONSIDERADOS NAS PREVISES ........................... 37
SISTEMA DE PREVISO METEOROLGICA ............................................................................. 41

4.1
SISTEMA DE INFERENCIA DIFUSA (FIS) DO MATLAB ........................................................................ 41
4.2
DEFINIO DAS FUNES DE PERTENA EXISTENTES NO FIS .......................................................... 45
4.3
SISTEMAS DE INFERNCIA DIFUSA DESENVOLVIDOS ........................................................................ 55
4.3.1
SISTEMA DE INFERNCIA DIFUSA TEMPO ...................................................................................... 55
4.3.2
SISTEMA DE INFERNCIA DIFUSA TEMPO2 .................................................................................... 64
4.4
INTERFACE GRFICA CRIADA E INTERLIGAO DOS SISTEMAS FIS DESENVOLVIDOS ...................... 68
5.
ANLISE DE RESULTADOS............................................................................................................. 79
6.
CONCLUSES ..................................................................................................................................... 97
6.1
DESENVOLVIMENTOS FUTUROS ....................................................................................................... 98
REFERNCIAS DOCUMENTAIS ............................................................................................................ 101
viii
ndice de Figuras
Figura 1 Varivel lingustica que representa a temperatura ambiente [LOPES, 2005]. ................ 9
Figura 2 Diagrama de inferncia difusa [MATLAB, 2006]. ............................................................ 13
Figura 3 Diagrama de inferncia difusa [MATLAB, 2006]. ............................................................ 14
Figura 4 Representao grfica de operao de complemento de um conjunto............................... 17
Figura 5 Representao grfica de uma operao de unio de dois conjuntos................................. 17
Figura 6 Representao grfica de operao de interseco de dois conjuntos. .............................. 18
Figura 7 Esquema representativo de um sistema difuso. ................................................................. 21
Figura 8 Esquema representativo de um controlador difuso. ........................................................... 24
Figura 9 Estrutura simplificada de um sistema difuso. .................................................................... 25
Figura 10 Representao do mtodo de colapsagem pelo centro de massa [LOPES, 2005]. .......... 28
Figura 11 Representao de colapsagem pelo centro centros das reas [LOPES, 2005]. ................ 29
Figura 12 Representao do mtodo de colapsagem mdia dos mximos [LOPES, 2005]. ............ 29
Figura 13 Primeira imagem de um satlite geoestacionrio [SATELLITES, 1995]. ....................... 34
Figura 14 Editor bsico do sistema FIS [MATLAB, 2006]. ............................................................ 43
Figura 15 Editor de funes de pertena [MATLAB, 2006]............................................................ 44
Figura 16 Editor de regras difusas [MATLAB, 2006]. .................................................................... 44
Figura 17 Representao grfica da funo dsigmf. ......................................................................... 45
Figura 18 Representao grfica da funo psigmf . ........................................................................ 46
Figura 19 Representao grfica da funo gaussmf . ..................................................................... 47
Figura 20 Representao grfica da funo gauss2mf. .................................................................... 48
Figura 21 Representao grfica da funo gbellmf. ....................................................................... 49
Figura 22 Representao grfica da funo pimf . ........................................................................... 50
Figura 23 Representao grfica da funo sigmf. ........................................................................... 51
Figura 24 Representao grfica da funo smf. .............................................................................. 51
Figura 25 Representao grfica da funo trapmf. ......................................................................... 52
Figura 26 Representao grfica da funo trimf............................................................................. 53
Figura 27 Representao grfica da funo zmf. .............................................................................. 54
Figura 28 Sistema FIS tempo criado. ............................................................................................... 56
Figura 29 Funo de pertena da varivel difusa de entrada AirTemperature. ................................ 57
Figura 30 Funo de pertena da varivel difusa de entrada AirHumidity....................................... 58
Figura 31 Funo de pertena da varivel difusa de entrada WindSpeed......................................... 59
Figura 32 Funo de pertena da varivel difusa de entrada WindDirection. .................................. 59
Figura 33 Funo de pertena da varivel difusa de entrada AirPressure. ...................................... 60
Figura 34 Funo de pertena da varivel difusa de sada Forecast. ............................................... 61
ix
Figura 35 Funo de pertena da varivel difusa de sada Wind. ..................................................... 62

Figura 36 Funo de pertena da varivel difusa de sada Temperature.......................................... 62
Figura 37 Editor de regras do sistema difuso criado. ....................................................................... 63
Figura 38 Editor de visualizao de regras difusas. ......................................................................... 64
Figura 39 Sistema FIS tempo2 criado. ............................................................................................. 65
Figura 40 Funo de pertena da varivel difusa Wind do sistema tempo2..................................... 66
Figura 41 Editor de regras do sistema difuso tempo2 criado. .......................................................... 67
Figura 42 Editor de visualizao de regras difusas do sistema tempo2............................................ 67
Figura 43 Mensagem de alerta para actualizao de dados. ............................................................. 68
Figura 44 Menu principal do sistema de previso meteorolgica criado. ........................................ 69
Figura 45 Mensagem de dados actualizados. ................................................................................... 69
Figura 46 Fluxograma de descrio do software de download dos ficheiros xml. ........................... 70
Figura 47 Mensagem no final da actualizao dos dados. ............................................................... 70
Figura 48 Menu para a previso do dia de hoje................................................................................ 71
Figura 49 Esquema da estrutura de previso para o dia corrente. .................................................... 71
Figura 50 Exemplo de uma previso para o dia de hoje................................................................... 72
Figura 51 Menu da previso para os dois dias seguintes data corrente. ........................................ 73
Figura 52 Mensagem caso no seja seleccionada nenhuma opo. ................................................. 73
Figura 53 Esquema da estrutura de previso para um dia depois do dia corrente. ........................... 74
Figura 54 Exemplo de uma previso para um dia depois do dia actual. .......................................... 75
Figura 55 Esquema da estrutura de previso para dois dias depois do dia actual. ........................... 76
Figura 56 Exemplo de uma previso para dois dias depois do dia corrente. .................................... 77
Figura 57 Comparao da temperatura mxima para o dia de Hoje. ............................................ 82
Figura 58 Comparao da temperatura mdia para o dia de Hoje. ............................................... 82
Figura 59 Comparao da temperatura mnima para o dia de Hoje.............................................. 83
Figura 60 Comparao da velocidade do vento para o dia de Hoje. ............................................. 83
Figura 61 Comparao da temperatura mxima para a manh de Amanh.................................. 85
Figura 62 Comparao da temperatura mnima para a manh de Amanh. ................................. 86
Figura 63 Comparao da velocidade do vento para a manh de Amanh. ................................. 86
Figura 64 Comparao da temperatura mxima para a tarde de Amanh. ................................... 88
Figura 65 Comparao da temperatura mnima para a tarde de Amanh. .................................... 88
Figura 66 Comparao da velocidade do vento para a tarde de Amanh. .................................... 89
Figura 67 Comparao da temperatura mxima para a manh de Depois de Amanh................. 91
Figura 68 Comparao da temperatura mnima para a manh de Depois de Amanh. ................ 91
Figura 69 Comparao da velocidade do vento para a manh de Depois de Amanh. ................ 92
Figura 70 Comparao da temperatura mxima para a tarde de Depois de Amanh. .................. 94
Figura 71 Comparao da temperatura mnima para a tarde de Depois de Amanh. ................... 94
Figura 72 Comparao da velocidade do vento para a tarde de Depois de Amanh. ................... 95
ndice de Tabelas
Tabela 1
Calendarizao do projecto ............................................................................................ 2
Tabela 2
Exemplos de variveis lingusticas com valores tpicos [SOUZA, 2000]. ..................... 9
Tabela 3
Valores reais e valores da previso para dia Hoje. ................................................... 81
Tabela 4
Valores reais e valores da previso para a manh de Amanha ................................. 84
Tabela 5
Valores reais e valores da previso para a tarde de Amanha. ................................... 87
Tabela 6
Valores reais e valores da previso para a manha de Depois de Amanha. ............... 90
Tabela 7
Valores reais e valores da previso para a tarde de Depois de Amanha. .................. 93
xi
xii
Acrnimos
WMO
World Meteorological Organization
FIS
Fuzzy Inference Syste
GFS
Global Forecast System
NAM
North American Mesoscale
WRF
Weather Research and Forecasting
ECMWF
European Centre for Medium-range Weather Forecasts
XML
eXtensible Marcup Language
ALADIN Aire Limite Adaptation Rynamique Dveloppement InterNational
xiii
xiv
1. INTRODUO
1.1.
CONTEXTUALIZAO
Ao longo dos tempos o ser humano teve a curiosidade e a necessidade de prever o estado
do tempo, no s devido s actividades que realiza, mas tambm por questes de conforto
e de segurana. Por estes motivos, foram desenvolvidos sistemas de previso
meteorolgica de forma a se obterem resultados cada vez mais fiveis e para perodos de
tempo cada vez maiores. Com o aumento das tecnologias e consequente recolha de reais e
rigorosos dados, estes sistemas foram sofrendo evolues, mas mesmo assim, nunca foi
possvel substituir completamente a informao recolhida pelo homem atravs do senso
comum e descrita por uma linguagem verbal. Assim sendo, um sistema de previso
meteorolgica possui caractersticas bastante complexas, baseadas em informaes vagas,
o que leva a que uma previso seja bastante difcil de efectuar. Por outro lado, os
fenmenos atmosfricos apresentam acentuadas variaes o que os torna muito
inconstantes, levando a que os factores meteorolgicos lidos para a obteno de uma
previso sejam no lineares.
O modelo de previso meteorolgico desenvolvido est dependente de informaes
meteorolgicas como a temperatura, a velocidade do vento, a direco do vento, a presso
atmosfrica e a humidade relativa do ar, provenientes de uma estao meteorolgica que
disponibiliza periodicamente os valores destas variveis na Internet.
O sistema de previso ser desenvolvido no Fuzzy Inference System (FIS) do Matlab e o
interface grfico no GUIDE da mesma ferramenta de programao. O modelo permitir
efectuar a previso para trs dias, nomeadamente para o dia actual e para os dois dias
consecutivos a este, j que, quanto maior for o nmero de dias a prever menos fivel ser a
previso meteorolgica.
1.2.
OBJECTIVOS
O objectivo principal deste projecto a criao de um modelo de previso meteorolgica

baseado na metodologia de inferncia difusa. Dada a complexidade inerente
concretizao deste objectivo, sentiu-se a necessidade de o subdividir em mltiplas tarefas
das quais se salientam:
estudo dos conceitos relacionados com a tecnologia de inferncia difusa;
estudo e pesquisa de projectos desenvolvidos nesta rea;
estudo da livraria de lgica difusa do Matlab;
aquisio e tratamento dos dados provenientes da Internet a serem usados no Matlab;
criao e implementao do sistema de previso meteorolgica;
anlise dos dados obtidos e comparao com os dados reais.
1.3.
CALENDARIZAO
Tabela 1 Calendarizao do projecto
Cronograma
Quinzena
Nov- Dez- Jan- Fev- Mar- Abr- Mai- Jun- Jul- Ago- Set07
07
08
08
08
08
08
08
08
08
08
Out08
Estudo do Estado
de Arte
Estudo da livraria
do Matlab
Desenvolvimento
do sistema de
aquisio de
dados
meteorolgicos
Desenvolvimento
do controlador
FIS tempo
Desenvolvimento
do controlador
FIS tempo2
Desenvolvimento
do ambiente
grfico com o
utilizador
Teste e anlise do
sistema
Anlise de
resultados
Elaborao do
relatrio
1.4.
ORGANIZAO DO RELATRIO
Esta tese encontra-se organizada em 6 captulos. No Captulo 1 contextualizado o

presente trabalho e traados os principais objectivos inerentes, sua realizao. No
captulo seguinte, 2, apresentado o estado da arte do controlo lgico difuso, bem como o
estudo da metodologia adoptada pelos sistemas de controlo lgico difusos, fazendo ainda
referncia a alguns sistemas j desenvolvidos. Relativamente ao Captulo 3, feita uma
breve introduo evoluo da meteorologia ao longo dos tempos, sendo tambm
apresentados alguns sistemas de previso meteorolgica j implementados, bem como
factores meteorolgicos que so considerados nas previses do estado do tempo. Ao longo
do Captulo 4 descrita a arquitectura do sistema meteorolgico desenvolvido bem como
todas as aplicaes que foram criadas para permitir o seu funcionamento. No Captulo 5,
feita a anlise dos resultados obtidos em comparao com os valores reais, lidos na estao
meteorolgica. Por fim, no Captulo 6 sero tecidas as principais concluses do trabalho e
indicados alguns melhoramentos futuros que podem vir a ser introduzidos no trabalho j
efectuado.
2. CONTROLO LGICO
DIFUSO: ESTADO DA
ARTE
Ao longo deste captulo faz-se referncia importncia da teoria dos conjuntos difusos e
da lgica difusa na modelao de sistemas baseados em variveis lingusticas e algumas
das suas aplicaes nas mais variadas reas.
So abordados aspectos tericos sobre lgica difusa, conjuntos difusos e alguns sistemas
difusos, assim como uma descrio da evoluo histrica da tecnologia difusa em sistemas
de controlo.
Para terminar, abordada a estrutura de um controlador difuso, assim como alguns tipos de
controladores lgico difusos j desenvolvidos.
2.1.
EVOLUO HISTRICA DO CONTROLO DIFUSO
O conceito de lgica difusa surgiu nos anos 60 por Zadeh, tendo actualmente, vrias
aplicaes prticas em diversas reas de conhecimento, como engenharia, medicina,
administrao e tambm em vrios segmentos da indstria, desde a automobilstica at ao
desenvolvimento de componentes electrnicos. Esta ferramenta permite por um lado captar

o conhecimento humano, com a incerteza associada e por outro lado, gerar decises
baseadas nesse conhecimento devido ao mecanismo de inferncia difusa [OLIVEIRA,
1991].
Nos anos 70 surgiram as primeiras aplicaes na rea do controlo automtico, aplicaes
estas, estudadas e desenvolvidas por Mamdani. Surgindo desde ento, o mtodo de
inferncia difuso designado de Mamdani, tambm conhecido como MAX-MIN.
A partir dos anos 80 surgiram vrias aplicaes, tendo como base esta tecnologia,
nomeadamente, no reconhecimento de padres, no controlo de temperatura de sistema de
aquecimento de gua, no controlo de processos de fabrico de cimento, controlo de servo
sistemas, controlo de reactores ou ainda o controlo de um comboio elctrico.
Mais recentemente surgiram as aplicaes orientadas ao consumidor em geral, com a
aplicao deste conceito em sistemas e aparelhos domsticos, como mquinas de lavar
roupa, mquinas fotogrficas, frigorficos, etc.
O controlo de processos industriais foi a rea pioneira, sendo as primeiras experincias
datadas de 1975 quando foi demonstrado no Queen College, em Londres, que um
controlador difuso muito simples conseguiu controlar eficientemente uma mquina a
vapor. Na mesma poca, a primeira aplicao industrial significativa foi desenvolvida pela
indstria de cimento F. L. Smidth Corp. da Dinamarca. Hoje em dia, uma grande variedade
de aplicaes comerciais e industriais esto disponveis, destacando-se neste cenrio o
Japo e mais recentemente, os EUA e a Alemanha. Em produtos mais usuais de destacar
a introduo desta tecnologia em produtos de consumo tais como frigorficos (Sharp), ar
condicionado (Mitsubishi), cmaras de vdeo (Canon, Panosonic), mquinas de lavar roupa
(Sanyo), aspiradores, etc. Na indstria automvel destacam-se as transmisses automticas
(Nissan, Lexus), injeco electrnica, suspenso activa, freios antibloqueantes [ORTEGA,
2001] [ZANETTE, RADANOVITSCK, 2006].
Em sistemas industriais incluem-se o controlo de elevadores do grupo (Hitachi, Toshiba),
veculos autnomos e robs mveis (Nasa, IBM), controlo de motores (Hitachi), ventilao
de tneis urbanos (Toshiba), controlo de trfego urbano, controlo de paragem e arranque
de composies de metro urbanos (Sendai, Tokio). Estas citaes so ilustrativas da
aplicao desta tecnologia, pois correntemente mais de 1000 patentes envolvendo lgica
difusa j foram colocadas em prtica [ORTEGA, 2001].
De facto, nos ltimos anos o potencial de manuseamento de incertezas e o controlo de
sistemas complexos tornou-se possvel atravs da lgica difusa, estando tambm a ser
combinados com redes neuronais artificiais, que por sua vez, possuem caractersticas de
adaptao e aprendizagem. A palavra certa para esta juno simbiose, que tem vindo a
gerar novas classes de sistemas e de controladores neurodifusos, combinando-se desta
forma os potenciais e as caractersticas individuais em sistemas adaptativos e inteligentes.
Com o desenvolvimento destes sistemas, ir-se- proporcionar uma significativa
contribuio para o melhoramento dos sistemas de automao e controlo, principalmente
no controlo de processos.
2.2.
2.2.1.
LGICA DIFUSA
O QUE A LOGICA DIFUSA?
Lgica difusa uma ferramenta capaz de capturar informaes vagas, como por exemplo,
saber se um copo est meio cheio ou meio vazio, se uma pessoa alta ou baixa, se
est frio ou quente, sendo em geral descritas numa linguagem falada por seres
humanos, convertendo-as para um formato numrico de fcil manipulao pelos
computadores existentes. Esta lgica tambm definida como a lgica que suporta modos
aproximados de raciocnios, ao contrrio dos exactos como estamos naturalmente
habituados a trabalhar.
A lgica difusa confere graus intermdios de verdade para todas as afirmaes. As
afirmaes difusas so classificadas com nveis de verdade intermdios entre os
absolutamente verdadeiros e os completamente falsos, sendo estas as classificaes
extremas possveis. Assim, a lgica difusa aplica conceitos que podem tomar um valor
qualquer de verdade dentro de um conjunto de valores que oscilam entre dois extremos, a
verdade absoluta e a falsidade absoluta.
Em linguagem matemtica a representao feita atravs da teoria dos conjuntos difusos e
das funes caractersticas associadas a estes conjuntos.
Na teoria clssica dos conjuntos um dado elemento do universo pode ou no pertencer ao

referido conjunto. No caso da teoria dos conjuntos difusos existe um grau de pertena, que
determinado por uma funo caracterstica real, designada de funo de pertena, que
permite atribuir a cada elemento de um determinado conjunto valores entre [0,1], mediante
o peso de cada elemento [SOUZA, 2000].
Um conjunto difuso A definido no universo U caracterizado por uma funo de pertena
A, a qual mapeia os elementos de U para o intervalo [0,1]:
A: U [0,1]
Um aspecto importante da lgica difusa a captura clara e precisa de vrios conceitos
utilizados por humanos em raciocnios convencionais. As linguagens naturais possuem um
conjunto de expresses com significados imprecisos ou seja, palavras idnticas podem
representar ideias diferentes. Com a utilizao da tcnica de lgica difusa possvel a
manipulao simultnea de parmetros numricos e de informaes de linguagem
[ZANETTE, RADANOVITSCK, 2006].
2.2.2.
VARIVEIS LINGUSTICAS
Em geral, as palavras so menos precisas que os nmeros, assim sendo, o conceito de

varivel lingustica permite representar as caractersticas dos fenmenos complexos de
uma forma aproximada.
Variveis lingusticas so variveis que funcionam como identificadores e que podem
assumir um de entre vrios valores. Deste modo, uma varivel lingustica pode assumir um
valor lingustico de entre vrios outros valores, num conjunto de termos lingusticos.
As variveis lingusticas so caracterizadas por uma quntupla {X, U, G, T(X), M}, onde X
o nome simblico do conjunto de termos, (idade, altura, velocidade, ), U o universo
do discurso, G uma gramtica para gerar os termos T(X) que pode ser um negativo
grande, negativo mdio, , positivo grande, positivo mdio, e M uma funo
semntica que fornece o significado dos termos lingusticos em funo dos valores
quantitativos. Estas variveis so definidas com um certo nmero de funes de pertena,
cada uma representando um valor ou conceito que a varivel pode assumir, s quais so
atribudos termos lingusticos apropriados. A figura seguinte mostra um exemplo onde uma
varivel lingustica que representa temperatura ambiente descrita por trs conjuntos
Figura 1 Varivel lingustica que representa a temperatura ambiente [LOPES, 2005].
difusos: baixa,normal e alta. de salientar que uma temperatura pode ser

representada por mais do que um valor lingustico [SOUZA, 2000].
Estas variveis podem tambm ter modificadores que alteram o seu valor. Exemplos de
modificadores vlidos so: muito, pouco, no muito, mais ou menos. Existem
tambm conectivos aplicados a estas variveis: e e ou. Assim, um valor para a varivel
altura pode ser no muito alto e no muito baixo.
Tabela 2 Exemplos de variveis lingusticas com valores tpicos [SOUZA, 2000].
Variveis lingusticas
Valores tpicos
Temperatura
Quente, Confortvel, Fria
Peso
Baixo, Mdio, Alto
Velocidade
Lenta, Mdia, Rpida
Distncia
Curta, Longa
Fluxo
Muito Baixo, Baixo, Normal, Alto, Muito Alto
Presso
Baixa, Mdia, Alta
Nvel
Muito Baixo, Baixo, Normal, Alto, Muito Alto
Os conectivos e e ou so respectivamente, equivalentes s operaes de reunio e

interseco de conjuntos, dando origem a conjuntos complexos definidos que,
representados linguisticamente tornam-se mais simples de compreender.
As variveis lingusticas nos sistemas difusos so usadas em regras difusas. Estas regras
deduzem informaes sobre uma varivel contida na sua concluso, atravs de informao
proveniente de outra varivel contida na sua premissa. Exemplo de 2 regras:
Regra 1
Se velocidade lenta
Ento fazer acelerao alta
Regra 2
Se temperatura baixa
E presso mdia
Ento fazer velocidade muito baixa [SOUZA, 2000].
Aos possveis valores que uma varivel lingustica pode assumir no universo do discurso,
d-se a designao de gama ou intervalo. Por exemplo, para a varivel velocidade usada na
regra 1, pode-se dar uma gama de 0 a 1000rpm. A frase velocidade baixa, ocupa uma
seco das variveis no universo do discurso.
2.2.3.
INFERNCIA DIFUSA
A lgica difusa trata de conjuntos difusos como sendo proposies difusas, ou seja, uma
proposio difusa uma declarao que define um valor para uma determinada varivel
lingustica. Pode-se representar uma proposio difusa como X A, quando A um
conjunto difuso no universo de discurso X. Uma regra difusa que relaciona duas
proposies difusas pode ser Se X A Ento Y B. Esta regra estabelece a relao ou
associao entre as duas proposies.
A inferncia difusa estabelece uma certeza na concluso de uma regra, devido evidncia
avaliada na premissa da mesma [COELHO, 2007].
2.2.3.1.
MULTIPLICAO VECTOR - MATRIZ DIFUSOS
A multiplicao difusa de um vector por uma matriz usa a tcnica conhecida como
composio max-min.
10
Considerando esta operao aplicada a uma regra difusa Se A Ento B, quando A um

conjunto difuso definido sobre X, B um conjunto definido sobre Y, os vectores A e B so
representados como:
A= (a1, a2, , an); ai= A(xi)
B=(b1, b2, , ap); bi= B(yi)
Pode-se representar uma matriz M nxp, tal que AM=B onde significa o operador de
composio que executa a operao max-min em que, dado um vector e uma dada matriz
calcula-se o componente bj atravs de:
bj = max {min(ai, mij)} 1 i n
Um exemplo pode ser, assumindo A = {0.4, 0.6, 0.8, 1}, a matriz M, onde:
0.1 0.4 0.8

0.4 0.8 0.4
M=
0.8 0.6 0.3
0.0 0.3 0.3
Fazendo uso da equao calcula-se B como:
b1 = max{min(0.4, 0.1), min(0.6, 0.4), min(0.8, 0.8), min(1.0, 0.0)}
= max{0.1, 0.4, 0.8, 0.0} = 0.8
= max{0.4, 0.6, 0.6, 0.3} = 0.6
= max{0.4, 0.4, 0.3, 0.3} = 0.4
Matematicamente, uma matriz uma representao de uma relao de dois grupos de
variveis lingusticas. A tarefa achar um modo para determinar a correspondente relao
funcional atravs da matriz.
11
2.2.3.2.
INFERNCIA MAX MIN
Na inferncia max-min o operador de implicao usado o min. Isto :

mij = verdade(ai bj) = min(ai, bj)
Dados dois conjuntos difusos A e B, e usando a equao acima para a formao da matriz
M, pode-se usar a equao do clculo dos componentes bj para determinar a induo do
vector B sobre um subconjunto de A designado A [SOUZA, 2000].
Um exemplo, assumir o universo de discurso definido por X que representa temperatura,
e um conjunto difuso A definido sobre X que representa temperatura normal. Tambm se
pode assumir um universo de discurso definido por Y que representa velocidade e um
conjunto difuso B definido sobre Y que representa velocidade mdia.
Finalmente assume-se a seguinte regra difusa:
Se Temperatura normal Ento Velocidade mdia
Ou
Se A Ento B
Assume-se que os conjuntos difusos so representados por vectores cujos elementos so
mostrados com os correspondentes valores dos seus domnios:
Temperatura normal = {0.0/100, 0.5/125, 1.0/150, 0.5/175, 0.0/200}
Velocidade mdia = {0.0/100, 0.6/200, 1.0/300, 0.6/400, 0.0/500}
A formao da matriz M iniciada de acordo com a equao mij = min(ai, bj)
12
Figura 2 Diagrama de inferncia difusa [MATLAB, 2006].
M = mij = min(ai, bj)

0.0, 0.0

0.5, 0.0

1.0, 0.0
0.5, 0.0
0.0, 0.0
0.0, 0.6

0.5, 0.6
1.0, 0.6
0.5, 0.6
0.0, 0.6
0.0
0.0

0.0
0.0
0.0
0.0
0.5
0.6
0.5
0.0
0.0
0.5
0.6
0.5
0.0
0.0
0.5
1.0
0.5
0.0
0.0, 1.0

0.5, 1.0
1.0, 1.0
0.5, 1.0
0.0, 1.0
0.0, 0.6

0.5, 0.6
1.0, 0.6
0.5, 0.6
0.0, 0.6
0.0, 0.0

0.5, 0.0

1.0, 0.0
0.5, 0.0
0.0, 0.0
0.0
0.0

0.0
0.0
0.0
e, assumindo que o subconjunto A dado como:

A = {0.0/100, 0.5/125, 0.0/150, 0.0/175, 0.0/200}
Este subconjunto representa uma leitura de temperatura de 125C. A esta medida
definido um grau de pertena de 0.5 para o conjunto difuso temperatura normal. Isto induz
um conjunto difuso B que pode ser determinado.
Com A = {0.0/100, 0.5/125, 0.0/150, 0.0/150, 0.0/175, 0.0/200}, atravs da composio
max-min tem-se:
bj = max {min(ai, mij)} 1 i n
13
b1 = max{min(0.0, 0.0), min(0.5, 0.0), min(0.0, 0.0), min(0.0, 0.0), min(0.0, 0.0)}
B = (0.0/100, 0.5/200, 0.5/300, 0.5/400, 0.0/500)
Estes resultados originaram um conjunto difuso que uma verso cortada de B, cuja altura
fixada por A. Este o efeito geral da inferncia max-min. O diagrama seguinte (Figura
3) ilustra o modelo de inferncia difusa do exemplo existente no Matlab. Em que, para as
variveis de entradas difusas tem-se service=3 e food=8 numa escala de 0 a 10 obtemos o
resultado para o tipo de servio de tip=16.7%.
Figura 3 Diagrama de inferncia difusa [MATLAB, 2006].
14
2.3.
CONJUNTOS DIFUSOS
A teoria dos conjuntos difusos substitui a teoria da lgica binria (verdadeiro/falso) dos
conjuntos clssicos, traduzida pela lgebra de Boole, por uma lgica em que o grau de
verdade de uma afirmao pode assumir um valor entre 0 e 1, valores estes que definem o
quanto algo verdadeiro ou falso em relao a um conjunto.
Outro aspecto importante o facto de, com a teoria dos conjuntos difusos ser possvel
representar expresses lingusticas qualitativas como negativo, pequeno, grande,
positivo, etc.
Um conceito fundamental nos conjuntos difusos o conceito de funo de pertena. Na
representao de um conjunto difuso necessrio definir as suas funes de pertena,
sendo o conjunto difuso caracterizado pelas funes de pertena que mapeiam os
elementos no intervalo de [0 1], ficando cada elemento com um valor que lhe confere um
grau de pertena ao respectivo conjunto [BARBALHO, 2001] [LUNA, 2000].
2.3.1.
DEFINIO DE VARIVEIS
Em geral as palavras so menos precisas que nmeros. O conceito de varivel lingustica

propem-se fornecer os meios para a caracterizao aproximada de fenmenos complexos
ou mal definidos. Mais especificamente, os conjuntos difusos que representam a restrio
associada aos valores de uma varivel lingustica podem ser vistos como o resumo de
vrias subdivises de classes de elementos num universo do discurso. Isto anlogo ao
papel representado por palavras e oraes num idioma natural [BARBALHO, 2001].
2.3.1.1.
VARIVEIS DIFUSAS
As variveis difusas no so mais que palavras ou termos lingusticos que so usados para
expressar conceitos e conhecimentos na comunicao humana. Estes termos, em muitas
reas so a forma mais importante e muitas vezes a nica de quantificar os dados ou
informaes.
As variveis simblicas tm vindo a conquistar cada vez maior importncia devido ao
desenvolvimento das reas de inteligncia artificial e processos de deciso. A capacidade
de combinar variveis lingusticas e numricas uma das principais razes do sucesso das
15
aplicaes de lgica difusa em sistemas inteligentes, tanto na engenharia como em muitas

outras reas que lidam com domnios contnuos.
No universo mdico, o uso de termos lingusticos permeia todas as reas, incluindo exames
laboratoriais. So frequentes os termos normalidade, levemente aumentado/diminudo,
debilitado, bom estado, etc.
As variveis difusas so expressas dentro de um certo domnio de valores. Em geral o
especialista que define esse domnio e realiza a sua fragmentao difusa.
Tal como nos conjuntos clssicos, quando uma varivel difusa definida ela restrita a um
conjunto de valores. A diferena entre as duas abordagens justamente a noo de valores
possveis e impossveis, que na lgica difusa expressa por diferentes graus.
2.3.1.2.
OPERAES COM CONJUNTOS DIFUSOS
Sendo o conjunto universo dado por U= {5 10 20 30 40 50 60 70 80} e considerando os

conjuntos difusos: A= {crianas}, B= {jovens}, C= {adultos} e D= {velhos}.
Quando um conjunto D subconjunto do conjunto C ter-se- para x U: D (x) C (x).
Os conjuntos A e B so iguais se A (x) = B (x) para todos os elementos de x U.
Os conjuntos A e B no so iguais se A (x) B (x) para no mnimo um x U.
O conjunto A um subconjunto prprio do conjunto B quando A um subconjunto de B e
AB, ou seja, A (x) B (x) para todo o x U e A (x) B (x) para no mnimo um x U e
indicamos A B [BARROS, 2001].
O complemento de um conjunto A em relao ao conjunto universo U indicado por A e a
funo de pertena definida como:
x 1 x
para todo x U.
16
A (x)
0.5
5
x
10
1-A (x)
0.5
5
x
10
Figura 4 Representao grfica de operao de complemento de um conjunto.
A unio de dois conjuntos A e B um conjunto AB tal que para todo o x U

A U B (x) = max ( A (x), B (x))
C (x) = max( A (x), B (x) ) = A (x) B (x)
A interseco de dois conjuntos A e B um conjunto AB para todo o x U A B (x) =
min ( A (x), B (x)) (Figura 6):
A (x)
B (x)
0.5
5
x
10
C (x)
0.5
5
x
10
Figura 5 Representao grfica de uma operao de unio de dois conjuntos.
17
C (x) = min( A (x), B (x) ) = A (x) B (x)

2.3.2.
CRIAR CONJUNTOS DIFUSOS
A criao de um conjunto difuso uma tarefa subjectiva. Para criar um conjunto difuso
basta que se defina a funo de pertena sobre o universo do discurso. A funo de
pertena deve satisfazer os itens de forma a ser uma funo admissvel, ou seja, deve
representar fielmente o comportamento dos elementos, ser consistente com as
especificaes dos conjuntos e organizar os elementos com graus de pertena ou de
possibilidade no intervalo de [0, 1] [BARBALHO, 2001].
2.3.3.
EFEITOS DO USO DE ADVRBIOS COM VARIVEIS LINGUSTICAS
Nas conversas comuns entre humanos so adicionadas incertezas a uma ou a vrias

declaraes, usando advrbios como muito, ligeiramente, pouco, entre outros. Um
advrbio uma palavra que modifica um verbo, adjectivo ou outro advrbio.
Na frase temperatura muito quente, tem-se um advrbio a modificar um adjectivo.
Neste exemplo, poderia ser necessrio outro conjunto difuso designado por muito quente
para representar este outro termo vago. Assim, os advrbios so tcnicas disponveis para
tratar as colises entre variveis lingusticas [SOUZA, 2000].
A (x)
B (x)
0.5
5
x
10
C (x)
0.5
5
x
10
Figura 6 Representao grfica de operao de interseco de dois conjuntos.
18
Um advrbio modifica matematicamente um conjunto difuso. Por exemplo, para uma

temperatura de 30C pode-se considerar uma temperatura quente com grau de 0,6. Mas por
outro lado, a mesma temperatura pode ser considerada muito quente com um grau de 0,4, o
que um resultado razovel.
Algumas operaes com a utilizao de advrbios mais comuns podem ser:
Concentrao
A operao de concentrao tem o efeito de produzir uma pequena reduo quando o grau
de pertena desses elementos baixo e uma grande reduo quando o grau de pertena
alto. A operao determinada como COM (A ) (x) = (A (x))2.
Dado um conjunto difuso de temperaturas altas, pode-se usar esta operao para criar o
conjunto de temperaturas muito altas [SOUZA, 2000].
Expanso
A operao de expanso tem o efeito de produzir uma expanso grande quando o grau de
pertena desses elementos baixo e uma baixa expanso quando o grau de pertena alto.
Esta operao determinada como EXP (A ) (x) = ( A (x))0.5.
_
Dado um conjunto difuso de temperaturas mdias, pode-se usar esta operao para criar
o conjunto de temperaturas mais ou menos mdias.
Intensificao
Intensificao a designao dada operao que tem o efeito de aumentar o grau de

pertena quando o valor maior que 0,5 e diminuir quando esse valor menor que 0,5.
Esta operao determinada como:
2
para 0 A(x) 0.5

%
!"# 1 2 1 $ para 0.5 A(x) 1

Dado um conjunto difuso de temperaturas mdias, pode-se usar esta operao para criar
conjuntos de temperaturas realmente mdias.
19
Potncia
A operao de potncia uma extenso da operao de concentrao.

POT (A ) (x) = (A (x))n
Dado um conjunto difuso de temperaturas altas, pode-se usar esta operao com n=3, 4,
5 para criar o conjunto de temperaturas muito muito altas [SOUZA, 2000].
2.4.
SISTEMAS DIFUSOS
Os sistemas difusos so aqueles que tm no seu sistema um componente que usa lgica
difusa para representar o conhecimento.
A maioria das aplicaes tem um nico sistema difuso que comunica com sistemas
convencionais atravs de valores determinsticos, ou seja, valores obtidos atravs de
conjuntos de valores e circunstncias anteriores. No entanto, possvel que dois sistemas
difusos comuniquem informaes usando conjuntos difusos, surgindo os controladores
lgico difusos de elevada simplicidade e robustez [JANTZEN, 1998].
A Figura 7 mostra o esquema geral de um sistema difuso. Os mdulos de difuso,
inferncia e colapsagem1 sero explicados no ponto 2.5.2 deste trabalho. A entrada e a
sada do sistema so representadas por x e y respectivamente.
2.5.
CONTROLADORES LGICO DIFUSOS
A ideia bsica que est por detrs de um controlador lgico difuso incorporar a
experincia do operador humano no projecto do controlador. Atravs de um conjunto de
Colapsagem a designao dada para defuzzyfication que muito usada na literatura. A designao de
colapso no muito utilizada, mas parece ser adequada, j que, de todos os valores possveis, com graus de
possibilidade descritos pela funo de pertena, deve resultar um nico valor real representativo. O termo
colapso j usado em vrias reas para designar situaes em que todos os valores futuros possveis se
convertem num valor real [MIRANDA, 1998].
20
Figura 7 Esquema representativo de um sistema difuso.
regras lingusticas que descrevem as estratgias operacionais de controlo, construdo um

algoritmo no qual as palavras so definidas como conjuntos difusos. As vantagens
principais desta aproximao so relevantes, pois passa a ser possvel a implementao de
regras baseadas na experincia, na intuio e na heurstica.
O primeiro problema para especificar os parmetros de um controlador lgico difuso
decidir a linguagem difusa, envolvendo especificaes explcitas do universo da varivel
bsica, o conjunto de condies da varivel lingustica e o mapa difuso que relaciona os
dois. Normalmente o termo conjunto um compromisso entre flexibilidade e simplicidade,
ou seja, compromisso entre muitas condies e algumas condies.
Um controlador difuso , essencialmente, um controlador que imita o raciocnio humano
para manter o processo, baseado em conjuntos de regras geradas por meio de heursticas.
Os controladores difusos so sistemas especiais de controlo digital directo, que usam
regras para modelizar o conhecimento. Em vez de projectar algoritmos que explicitamente
definem a aco de controlo em funo das varveis de entrada do controlador, o projecto
de um controlador difuso baseado na escrita de regras que vinculam as varveis de
entrada com as varveis de controlo, por relaes de variveis lingusticas.
21
2.5.1.
TIPOS DE CONTROLADORES LOGICO DIFUSOS
Quando um controlador difuso projectado, vrias decises relativas estrutura e

metodologia tm que se tomadas.
No entanto, a classificao de controladores difusos o resultado de uma sucesso de
decises tomadas pelo projectista. Muitas modificaes do controlador original de
Mamdani foram propostas desde a publicao do seu artigo em 1975 e uma importante
modificao, e frequentemente usada, foi a introduzida por Sugeno em 1985.
A ideia principal de um controlador de Mamdani descrever os estados do processo por
meio de varveis lingusticas e usar estas variveis como entradas para as regras de
controlo. A varivel bsica uma varivel de entrada que pode ser um sinal medido ou
uma varivel de sada de outro controlador.
O nmero de variveis lingusticas e o nmero de relaes entre elas determina o nmero
de possveis regras. Na maioria das aplicaes, podem ser desprezados alguns estados, ou
porque eles so impossveis ou porque uma determinada aco de controlo no seria til.
ento suficiente escrever regras que cubram somente as condies necessrias.
As regras conectam as variveis de entrada com as variveis de sada e so baseadas na
descrio do estado difuso que obtido pela definio das variveis lingusticas. Um
exemplo hipottico de uma regra para um sistema de presso poderia ser:
Se presso baixa E variao muito negativa Ento aco_da_vlvula fechar
A base de regras de sistemas com n entradas e uma sada pode ser visualizada atravs de
uma tabela de regras onde so divididas as linhas e as colunas de acordo com as condies
das variveis de entrada sendo as entradas uma consequncia das regras.
A definio das variveis lingusticas e das regras so os passos principais de um projecto
quando se quer implementar um controlador Mamdani [ROMO]. Antes de se elaborar o
ltimo passo do projecto, que a escolha do procedimento de colapsagem apropriado,
definido o modo como os valores das entradas activam o processamento da aco de
controlo. A essncia computacional pode ser descrita como um processo de trs passos,
onde o primeiro a determinao do grau de pertena da entrada dos antecedentes das
regras, o segundo o clculo computacional das aces de controlo, designadas de
22
consequentes, que so geradas por implicaes difusas para a simulao de decises

humanas e o terceiro so as agregaes consequentes das regras para o conjunto difuso
aco de controlo.
O primeiro passo calcular o grau de pertena dos valores de entrada dos antecedentes das
regras. Utilizando o operador de mnimo AND como padro calculado o ponto de partida.
Este conceito permite obter a validao dos consequentes. Se regras com baixo grau de
pertena no antecedente tm pouca validade, ento originado um corte no consequente
dos conjuntos difusos. O resultado deste processo de validao obtido por agregao de
todo os consequentes que usam o operador de mximo e calculado o conjunto difuso de
aco de controlo.
de salientar que o mtodo de Mamdani leva em conta todas as regras num nico nvel
pelo que, no ocorre nenhum encadeamento. Assim, o processo de inferncia no controlo
difuso muito mais simples que na maioria dos sistemas anteriormente conhecidos.
O controlador Sugeno surgiu em 1985 por Sugeno. Este novo tipo de controlador difuso,
consistia apenas na modificao do controlador de Mamdami. A ideia escrever regras que
tm antecedentes difusos, equivalente ao controlador Mamdami. Os resultados das regras
so agregados como somas dos pesos das aces de controlo correspondentes a cada regra.
O peso de cada regra o grau de pertena do antecedente valor de entrada nessa regra,
como calculadas no controlador Mamdani, pelo que o procedimento de colapsagem
desnecessrio [ROMO].
A funo do consequente, que depende das variveis de entrada, normalmente linear, mas
podem ser usados outros tipos. Uma hipottica regra para o controlo Sugeno poderia ser:
Se temperatura baixa E troca_detemperatura pouco negativa Ento
aquecimento = 400-120
A aco de controlo calculada com a ajuda dos graus de pertena que so avaliados
exactamente como no controlo de Mamdani.
possvel ver o controlador Sugeno como um controlador linear que vlido ao redor de
um ponto operacional definido. O algoritmo de controlo no ponto operacional
perfeitamente vlido e perde validade com grau de pertena decrescente, o qual calculado
23
com a ajuda dos antecedentes das regras. Assim, a estratgia de controlo uma
combinao de vrias estratgias lineares definidas em diferentes pontos nas condies do
espao.
2.5.2.
ESTRUTURA DE UM CONTROLADOR DIFUSO
A maioria das tcnicas de controlo tradicionais baseiam-se no clculo da intensidade do

sinal de controlo a partir de conjuntos de sinais de entrada, em funo de um modelo
matemtico constitudo por um conjunto de equaes que descrevem o processo. No
entanto, exprimir a experincia humana atravs das tcnicas de controlo tradicional, que
so na maioria das vezes muito importantes e valiosas, uma tarefa quase impossvel e que
leva muitas vezes, nos processos de controlo industrial, necessidade de interveno de
um operador para completar esse controlo [JANTZEN, 1998].
O aparecimento da lgica difusa proporcionou o desenvolvimento de controladores que
reflectem de uma forma muito prxima a experincia humana. Isto possvel devido aos
controladores difusos basearem o seu princpio de funcionamento em regras, na maioria
das vezes com uma correspondncia lingustica estabelecida pela teoria dos conjuntos
difusos.
Figura 8 Esquema representativo de um controlador difuso.
24
As entradas so
nmeros limitados
a um ramo
especfico.
Entradas no
difusas.
As regras so
avaliadas em
paralelo usando um
relacionamento
difuso.
Os resultados
das regras so
combinados.
O resultado o
valor numrico
no difuso.
Figura 9 Estrutura simplificada de um sistema difuso.
Mdulo de Expanso ou Difuso: o responsvel pela converso de valores reais (por

exemplo uma tenso), em valores difusos de modo a torn-los compatveis com a
representao interna do controlador difuso. Caso o universo de valores no se encontre
normalizado este mdulo realiza a transformao necessria de escala, ou seja, determina o
grau de pertena de cada varivel.
Base de Conhecimento (base de dados + base de regras): realizada quando se
mapeiam valores lingusticos de entrada em valores lingusticos de sada com recurso s
regras. Esta usa implicaes difusas para simulao de decises humanas, gerando os
consequentes, partindo-se de um conjunto de condies de entrada, chamada de
antecedente. Assim sendo, neste mdulo inclui-se as definies das funes de pertena
para cada varivel de estado e de controlo, bem como todas as regras difusas aplicveis.
Base de Dados: disponibiliza a informao necessria ao funcionamento dos mdulos de
difuso ou expanso e colapsagem, sob a forma de funes de pertena e de factores de
escala.
Base de Regras: representa a estratgia e objectivos de controlo de um operador humano.
25
Mecanismo de Inferncia: determina as possveis reaces provenientes de cada uma das

regras, em resposta a um determinado estmulo e combina essas reaces de forma a obterse uma descrio global difusa da resposta do controlador.
Mdulo de Colapsagem: converte a resposta difusa dada pelo sistema em valores
numricos de sada e procede converso de escala desses valores para o domnio dos
sinais de controlo. Estas funes so realizadas por uma interface de colapsagem, obtendose um valor discreto que possa ser usado numa aco de controlo no mundo real.
2.5.3.
REGRAS DIFUSAS
As regras difusas so estruturas vastamente utilizadas em vrias abordagens da teoria

difusa. Elas podem ser entendidas de diversas maneiras. Conceptualmente, as regras
difusas descrevem situaes especficas que podem ser submetidas anlise de um painel
de especialistas e cuja inferncia nos conduz a algum resultado desejado. A inferncia
baseada em regras difusas pode tambm ser compreendida como um elemento funcional
que mapeia um conjunto de entradas de um sistema num conjunto de sadas.
A regra difusa uma unidade capaz de capturar algum conhecimento especfico, sendo um
conjunto de regras capaz de descrever a globalidade de um sistema. Cada regra, da mesma
forma que uma afirmao clssica, composta por uma parte antecedente (a parte Se) e
uma parte consequente (a parte Ento), resultando numa estrutura do tipo
Se {antecedentes} Ento {consequentes} [OLIVEIRA, 1991].
Os antecedentes descrevem uma condio (premissas), enquanto a parte consequente
descreve uma concluso ou uma aco que pode ser esboada quando as premissas se
verificam. A diferena entre os antecedentes de uma regra difusa e de uma regra clssica
que os primeiros descrevem uma condio flexvel, ou seja, uma condio que pode ser
parcialmente satisfeita, enquanto os ltimos descrevem uma condio rgida (a regra no
funciona se os antecedentes no so completamente satisfeitos).
Os antecedentes definem uma regio difusa no espao das variveis de entrada do sistema.
J os consequentes descrevem uma regio no espao das variveis de sada do sistema,
qualquer que seja a sua concluso/aco. Sendo assim, a construo dos antecedentes
muitas vezes resulta num trabalho de classificao, enquanto a elaborao dos
consequentes exige um conhecimento, ainda que emprico, sobre a dinmica do sistema.
26
Podemos esperar, ento, que a elaborao dos consequentes de uma regra seja mais
complexa do que a dos antecedentes.
Uma vez construdo o conjunto de regras difusas necessitaremos de uma mquina de
inferncia para extrair dela a resposta final. Existem vrios mtodos de inferncia
possveis e a escolha de um deles depende do sistema que est a ser analisado. No entanto,
a inferncia mais comum e amplamente utilizada no controle de sistemas, o mtodo de
Mamdani [ROMO].
As regras so processadas em paralelo, ou seja, todas as regras (circunstncias) so
consideradas ao mesmo tempo e no final obtemos uma resposta que pode ser tanto um
valor numrico clssico como um conjunto difuso, a depender do tipo de consequente
utilizado. s vezes necessrio que a sada do sistema seja um nmero, o que muito
comum em controladores difusos, pois o sistema precisa ser realimentado. Nestes casos se
a sada do sistema for um conjunto difuso, ento faz-se o processo de colapsagem para se
obter um nmero apropriado.
2.5.4.
MTODOS DE COLAPSAGEM EXISTENTES
O termo colapsagem o termo adoptado para a designao utilizada pela maioria dos
autores como defuzzyfication. O termo colapso est associado converso de um conjunto
difuso num nico valor real, rgido, que sob alguma perspectiva lhe seja equivalente ou
representativo [MIRANDA, 1998].
A importncia da colapsagem de uma resposta difusa evidente em aplicaes de controlo.
O sinal de controlo a emitir tem que ser concreto e bem determinado. Sendo assim, no
basta chegar descrio difusa de uma resposta face a uma entrada. necessrio colapsar
essa resposta num sinal especifico.
de referir, que existem vrios mtodos para efectuar esta operao de colapsagem. A
escolha de cada mtodo depende de cada aplicao a realizar e do seu projectista. Os vrios
mtodos que provocam o colapso so:
Centro de massa / centro de rea / centro de gravidade;
Centro das somas das reas;
27
Centro da mdia das alturas / mdia dos mximos [MIRANDA, 1998] [LOPES,
2005].
2.5.4.1.
COLAPSAGEM PELO CENTRO DE MASSA
A colapsagem pelo centro de massa o mtodo mais utilizado e mais popular de todos. A
expresso matemtica deste mtodo representa a influncia de cada ponto do conjunto
difuso a colapsar e a mdia dos pontos de valor de pertena no nulos pesada pela
importncia do respectivo valor de pertena. Este mtodo o mais vantajoso por ser mais
rpido de calcular [MIRANDA, 1998].
2.5.4.2.
COLAPSAGEM PELO CENTRO DOS CENTROS DAS REAS
Este mtodo baseia-se nos clculos das reas dos conjuntos truncados, em vez de trabalhar
com base no conjunto difuso. Ou seja, corresponde a calcular o centro de massa dos
centros de massa de cada rea individual. A rea ponderada com o valor da funo de
pertena. A ideia deste mtodo agregar a informao sobre possveis aces de controlo
que so representadas pela funo de pertena [MIRANDA, 1998] [LOPES, 2005].
Figura 10 Representao do mtodo de colapsagem pelo centro de massa [LOPES, 2005].
28
Figura 11 Representao de colapsagem pelo centro centros das reas [LOPES, 2005].
2.5.4.3.
COLAPSO PELA MDIA DOS MXIMOS
Este mtodo dos mais eficientes computacionalmente, pois, calcula a mdia pesada dos
mximos de cada subconjunto truncado. Como em cada um destes subconjuntos o mximo
corresponde a um intervalo, neste mtodo considera-se o ponto central desse intervalo.
Assim, as funes de pertena do conjunto so transformadas nos seus consequentes
clssicos, representados por uma linha vertical que passa pelo centro de gravidade de cada
conjunto difuso. O clculo de Zcolapso que o centro dos mximos, reduzido ao clculo da
mdia ponderada das mdias ponderadas de Zi (Z1 Z2) [MIRANDA, 1998].
Figura 12 Representao do mtodo de colapsagem mdia dos mximos [LOPES, 2005].
29
2.5.4.4.
PROPRIEDADES DE UM MTODO DE COLAPSAGEM
O mtodo de colapsagem foi um mtodo que surgiu atravs da arte de inventar e descobrir.
H no entanto, algumas propriedades gerais que se devem ter em conta na validao de um
mtodo de colapsagem. Entre elas de realar a continuidade, a inambiguidade, a
plausibilidade e a complexidade computacional [MIRANDA, 1998].
Continuidade: uma pequena alterao na entrada deve ter uma pequena alterao na
resposta.
Inambiguidade: a resposta a uma entrada deve ser nica e bem definida.
Plausibilidade: o valor colapsado deve corresponder a um elevado valor de pertena no
conjunto difuso de resposta, tendo uma localizao mais ou menos central relativamente ao
respectivo conjunto de suporte.
Complexidade computacional: o clculo do valor colapsado deve ser produzido de forma
eficiente e compatvel com as aplicaes acopladas ao sistema implementado. Dos
mtodos descritos anteriormente, o mais rpido o da mdia dos mximos e o mais lento
o do centro de massa [MIRANDA, 1998].
30
3. METEOROLOGIA
3.1.
O QUE A METEOROLOGIA BREVE INTRODUO
A meteorologia vem do grego meteoros, que significa elevado no ar, e logos, que significa
estudo. a cincia que se dedica ao estudo dos processos que ocorrem na atmosfera,
principalmente
na
camada
mais
prxima
da
superfcie
terrestre,
possuindo
aproximadamente 20km de espessura. Nesta camada onde ocorrem a maioria das

actividades humanas, e a que podem ser sentidos os efeitos que as condies
atmosfricas exercem no desenrolar dessas actividades. Dessa constatao surgiu a
necessidade de se conhecer melhor os processos que causam as alteraes e as evolues
das condies meteorolgicas.
Aspectos mais tradicionais e conhecidos so a previso do tempo e a climatologia. O
tempo pode ser definido como o estado da atmosfera num determinado instante e num
determinado lugar. O clima tem sido frequentemente definido como um tempo mdio, ou
seja, um conjunto de condies mdias que dominam numa regio, obtidas das mdias das
observaes durante um certo intervalo de tempo. Contudo, variaes e condies
extremas do tempo tambm so importantes para caracterizar uma regio. Por exemplo, os
agricultores esto interessados no apenas em conhecer a precipitao mdia de um
31
determinado ms, mas tambm a frequncia de meses extremamente secos. Da mesma

forma a gesto de recursos hdricos exige um conhecimento no apenas de valores mdios,
mas tambm de valores extremos e a sua probabilidade de ocorrncia. Portanto, o clima o
conjunto de toda a informao estatstica sobre o tempo num determinado local. A longo
prazo o clima que determina se uma regio ou no habitvel e os tipos de vegetao
natural que nela possam existir; num prazo mais curto, o tempo que condiciona a
segurana dos meios de transporte, as formas de lazer, a disperso de poluentes e a
realizao de actividades agrcolas.
3.2.
EVOLUO DA METEOROLOGIA AT AOS DIAS DE HOJE
A meteorologia no uma cincia apenas dos tempos de hoje. Ao longo de vrios sculos
o ser humano teve a necessidade e a curiosidade de explicar os fenmenos atmosfricos.
A seguir apresentada uma breve evoluo histrica da meteorologia desde as pocas
antigas at aos dias de hoje.
Civilizaes ancestrais:
O estado do tempo controlado por divindades. Os feiticeiros e os sacerdotes so os
mediadores entre os deuses e o Homem na Terra. de referir que na civilizao egpcia
(3500 a.c.) Ra controlava o movimento dos corpos celestes, e assim as subidas e descidas
do nvel das guas do Nilo e Osiris controlava as cheias anuais do Nilo e, portanto, a
fertilidade e a morte. Outro como Marduk era o Deus das tempestades na Babilnia (2100689 a.c.).
Primeiras observaes:
Astrnomos chineses desenvolvem um calendrio que divide o ano em 24 festivais, e
especificam o estado do tempo para cada um deles.
Grcia:
Filsofos iniciam uma tradio de investigao e anlise racional dos fenmenos naturais.
Aristteles com o seu livro Meteorolgica (do qual deriva a palavra meteorologia), tenta
descrever a natureza fsica do cu, do ar, do mar e da terra, incluindo todos os fenmenos
atmosfricos conhecidos at ento. Apesar de muitas observaes correctas e opinies
hipotticas Aristteles comete o erro de pensar que a terra imvel. Teophrastus publica
Sinais do Tempo e descreve 80 tipos de chuva, 50 tipos de tempestades, 45 tipos de
ventos e 24 tipos de bom tempo. o responsvel por muitos dos provrbios acerca do
tempo e do clima que se viriam a generalizar mais tarde na idade mdia.
32
Idade mdia:
2
Nos pases rabes os almanaques tornam-se comuns. Estes incluem previses do estado do
tempo e da sua influncia nas culturas agrcolas, assim como informao acerca de
acontecimentos astronmicos e festas religiosas. Na Europa e na Amrica do Norte os
almanaques tornam-se muito populares no sculo XVII e XVIII.
Renascimento:
Coprnico (1473-1543) apresenta a teoria de que a Terra se move em torno do sol,
3
fornecendo uma explicao para os equincios , solstcios e estaes do ano. Leonardo da

5
Vinci (1452-1519) desenvolve o primeiro higrmetro . Galileo (1564-1642) inventa o

primeiro termmetro, sem no entanto, deixar registos das observaes de temperatura.
6
Torriceli (1608-1647) inventa o primeiro barmetro . Pascal (1623-1662) o primeiro a

pr a hiptese de que as variaes do estado do tempo esto relacionadas com variaes da
presso atmosfrica.
Sculo XIII:
So introduzidas as escalas de temperatura de Clsius e Fahrenheit. Os higrmetros so
aperfeioados e surgem novos instrumentos de medio. So criadas as redes
meteorolgicas internacionais sob a direco da Royal Society em Inglaterra, da Acadmie
des Sciences na Frana e da Mannheim Society na Alemanha. Esta ltima sociedade
desaparece em 1799, mas deixa estabelecidos os procedimentos bsicos da meteorologia
7
sinptica que se iria desenvolver no sculo XIX e XX.
Sculo XIX:
A inveno do telgrafo por Samuel Morse (1791-1872) permite a comunicao rpida das
observaes realizadas nas diversas estaes meteorolgicas. As primeiras cartas sinpticas
so construdas com base nestas observaes. Robert FitzRoy (1805-1865) introduz a
instalao de aparelhos de medio meteorolgica em navios da armada britnica. Matthew
Maury (1806-1873) promove as primeiras conferncias com vista troca internacional de
2
3
4
5
6
7
Almanaque um folheto ou livro que, alm do calendrio do ano que contm os dias do ano, festas, feriados e luas,
possui diversas indicaes teis, poesias, trechos literrios, anedotas, curiosidades, etc.
Equincio o ponto da orbita da Terra no qual se verifica uma igual durao do dia e da noite, e que ocorre nos dias 21
de Maro e 23 de Setembro.
Solstcio o tempo em que o Sol se mantm nos trpicos, parecendo estar sempre na mesma posio durante alguns
dias, antes de comear a aproximar-se novamente do equador.
Higrmetro um instrumento que permite a medio do grau de humidade atmosfrica.
Barmetro um instrumento que permite a medio da presso atmosfrica.
Meteorologia sinptica baseada em cartas sinpticas que permitem ver um conjunto de factores de uma s vez dando
uma viso geral do todo.
33
dados meteorolgicos que levam mais tarde (1873) fundao da WMO (World
(
Meteorological Organization).
Organization
Sculo XX:
Diversos pases entre os quais Portugal j dispem no incio
cio do sculo de servios
servi
nacionais de meteorologia. Na Sucia surge a escola de Bergen (1862-1951)
(1862
onde
desenvolvida a teoria de que as zonas de actividade do tempo esto concentradas em
regies relativamente estreitas. Chamam a estas zonas
zonas frentes por analogia com s
frentes
tes de batalha durante a primeira grande guerra. No incio dos anos 30 so inventadas
8
as radiossondas que permitiram

permit
construir cartas sinpticas a nveis mais altos da
atmosfera. Durante a segunda grande guerra surge o radar que permite identificar padres
de chuva sobre grandes reas.
O primeiro
rimeiro modelo numrico de previso do tempo desenvolvido por Lewis Richardson
(1881-1953). Com o aparecimento dos computadores oss problemas de clculo numrico
so resolvidos mais facilmente,
facilmente, levando ao desenvolvimento de modelos de previso do
estado do tempo mais sofisticados. As primeiras fotografias tiradas do espao provm de
cmaras instaladas em msseis. Em 1960 lanado o primeiro satlite orbital (TIROS 1). O
primeiro satlite geoestacionrio lanado em 1966.
Actualmente, os satlites meteorolgicos geostacionrios mais conhecidos e utilizados so
mantidos pela EUMETSAT (Meteosat), pelos Estados Unidos (GOES), pelo Japo (GMS), pela
China (FY-2),
2), pela Rssia (GOMS) e pela ndia (INSAT). As rbitas so equatoriais, a uma
Figura 13 Primeira imagem de um satlite geoestacionrio [SATELLITES,

[SATELLITES 1995].
Radiossonda um aparelho constitudo por um balo que sustenta e transporta dispositivos de medio de presso,
temperatura e humidade, para alm de um pequeno emissor de ondas curtas, e que utilizado para obter informaes
sobre as condies meteorolgicas.
34
altitude de 38.000km. A esta altura, o seu perodo orbital equivalente rotao da terra,
de forma, a que os satlites paream estar estacionados num ponto sobre o Equador. Para
conseguir uma cobertura global necessria uma constelao de 5 a 6 satlites. Devido s
suas rbitas estes satlites no passam nos plos.
3.3.
SISTEMAS DE PREVISO METEOROLGICA
O principal objectivo da investigao meteorolgica a previso do tempo. Para atingir o

referido objectivo necessrio conhecer e compreender os fenmenos atmosfricos.
Depois de se conhecer o estado da atmosfera num instante inicial, incluindo as condies
nas suas fronteiras, inferior (superfcie terrestre) e superior (topo da atmosfera) e as leis
que governam o movimento da atmosfera, o objectivo da previso determinar o estado do
tempo num instante posterior ao actual.
Em meteorologia existem diversos prazos de previso:
Previso a muito curto prazo (prximas horas);
Previso a curto prazo (1 a 2 dias);
Previso a mdio prazo (at uma semana);
Previso a longo prazo (superior a uma semana) que inclui a previso mensal e a
previso sazonal.
Previso climtica (cenrios previstos a vrios anos).
Enquanto as previses at 10 dias podem ser consideradas como previses determinsticas,

ou seja, conhecendo o estado inicial da atmosfera e as condies nas suas fronteiras,
possvel prever qual vai ser o estado da atmosfera num instante futuro. As previses de
longo prazo e as climticas so consideradas probabilsticas, pois elaboram o cenrio
futuro mais provvel perante determinadas condies iniciais. Deste modo fornecem
informaes estatsticas relativas a diversas grandezas para uma determinada zona do
globo num determinado intervalo de tempo.
As previses meteorolgicas so efectuadas com base na anlise de resultados de modelos
fsico-matemticos da atmosfera, designados por modelos numricos de previso
meteorolgica.
35
A previso numrica do tempo recorre ao potencial de clculo dos computadores para

produzir uma estimativa do estado futuro da atmosfera utilizando os designados modelos
de previso. Estes modelos baseiam-se num conjunto de equaes que traduzem as leis da
fsica que descrevem o comportamento da atmosfera.
Com base num modelo de previso obtm-se ento, a previso a partir do conhecimento do
estado inicial da atmosfera. A sua execuo s possvel atravs de super computadores e
de cdigos informticos de grande complexidade que fornecem previses para vrias
variveis atmosfricas, tais como a temperatura, a presso, o vento e a precipitao.
A qualidade da informao numrica condicionada, porm, pelas incertezas inerentes ao
conhecimento do estado da atmosfera num dado instante e tambm pelas limitaes
impostas pelos modelos de previso.
O grau de confiana nos resultados dos modelos numricos de previso diminui com o
tempo, ou seja, uma previso a 3-4 dias tem, em princpio, maior grau de confiana do que
uma previso a 7-8 dias. Para colmatar esta situao foram desenvolvidos produtos que
utilizam uma abordagem probabilista, permitindo estabelecer uma tendncia das condies
meteorolgicas e, consequentemente, aumentar, dentro de certos limites, o grau de
confiana de uma previso. Hoje em dia, a previso numrica do tempo faz parte das
actividades operacionais da maioria dos servios meteorolgicos de todo o mundo. As
previses globais, para um alcance de cerca de uma semana, so feitas em apenas alguns
centros mundiais, no entanto muitos pases produzem previses regionais ou locais com
alcances mais restritos.
Para o desenvolvimento da previso numrica a mdio e a curto prazos, foi criado na
Europa um centro de desenvolvimento integrado entre vrios pases, dos quais Portugal faz
parte, designado de European Centre for Medium-range Weather Forecasts (ECMWF).
Neste centro de desenvolvimento est a ser utilizado e desenvolvido o Projecto
Internacional
ALADIN
(Aire
Limite
Adaptation
dynamique
Dveloppement
InterNational), estando tambm a ser elaborada uma nova verso do mesmo. A verso
operacional deste projecto um sistema de rea limitada, com uma resoluo aproximada
de 12Km. At aos dias de hoje, vrios produtos derivados deste modelo e do modelo global
do ECMWF foram j desenvolvidos e a sua verificao e validao so efectuadas de
forma sistemtica.
36
Outros modelos numricos como o GFS (Global Forecast System), NAM (North American
Mesoscale), WRF (Weather Research and Forecasting), so modelos meteorolgicos
usados nos Estados Unidos da Amrica.
3.4.
ELEMENTOS METEOROLOGICOS FUNDAMENTAIS CONSIDERADOS NAS

PREVISES
Antes de se falar no sistema desenvolvido, vai ser feita uma breve abordagem aos
principais elementos que so considerados numa previso meteorolgica.
Para uma previso meteorolgica necessrio saber algumas medies efectuadas numa
estao meteorolgica tais como: velocidade do vento, temperatura do ar, humidade
relativa mdia, temperatura do orvalho, radiao global, horas de sol, direco do vento e
presso baromtrica. Estas so as leituras mais frequentes, mas, dependendo da estao
meteorolgica, existem muitas outras variveis que so disponibilizadas.
Neste trabalho vo ser consideradas cinco variveis: temperatura do ar, humidade relativa
mdia, velocidade do vento, sentido do vento e presso baromtrica. Os valores das
variveis que vo ser usados so obtidos de uma estao meteorolgica situada na cidade
de Santiago, provncia da Corunha em Espanha, que os disponibiliza na Internet.
Para um enquadramento do trabalho vo ser apresentadas algumas caractersticas
meteorolgicas e algumas relaes entre as variveis consideradas.
A humidade do ar a quantidade de gua que existe no ar no estado gasoso. A quantidade
de gua que o ar absorve antes de atingir a saturao depende da temperatura e aumenta
progressivamente com ela. de realar que num deserto por exemplo, a temperatura sobe a
valores muito elevados o que torna a superfcie do solo quase totalmente seca e o ar,
apresar da temperatura elevada, tem um teor de humidade muito baixo.
Dependendo dos teores de vapor de gua no ar que surgiram as classificaes como
neblina, nuvem, nevoeiro, nublado, orvalho, etc.
A criao de neve verifica-se quando a temperatura baixa a valores inferiores a 0C
condensando a gua existente no ar. Este fenmeno, por regra, no se verifica nas zonas do
litoral, devido influncia dos oceanos e em zonas onde as temperaturas mdias so mais
37
elevadas, s nas zonas mais interiores e a norte que existem as condies mais propcias
sua formao.
Outras variveis meteorolgicas como o vento e a presso tambm so importantes na
previso meteorolgica.
Com a temperatura da luz solar o ar aquecido sobe deixando uma zona de vazio chamada
de baixa presso, o ar frio e denso que tende a descer provm das zonas de maior altitude
(montes e montanhas), constituindo zonas de alta presso. Estas deslocaes de ar so
designadas por vento.
A formao de ciclones e anticiclones est directamente relacionado com as deslocaes
bruscas ou suaves de massas de ar.
Um ciclone uma zona de baixa presso, onde o ar relativamente quente origina a
formao de nuvens e precipitao. Sendo assim, tempo nublado, chuva e vento forte esto
normalmente relacionados com zonas de baixas presses.
Os anticiclones so opostos dos ciclones, ou seja, so grandes centros de altas presses. O
bom tempo, seco e sem nuvens est associado aos anticiclones, provocando tempo quente e
seco no Vero e frio com cu limpo no Inverno.
Um outro aspecto o sentido do vento. Se a terra no tivesse movimento de rotao, como
j vimos, o vento deslocar-se-ia das zonas de alta presso para as de baixa presso. No
entanto, os ventos sofrem um ligeiro desvio devido ao movimento da terra, este desvio
para a direita no Hemisfrio Norte e para a esquerda no Hemisfrio Sul.
Ventos de Oeste so ventos que saem das altas presses subtropicais e deslocam-se para
Norte, em direco s baixas presses das regies temperadas. No geral estes ventos so
fortes e frios.
Ventos alsios so fluxos de ar que saem das altas presses subtropicais e dirigem-se para
Norte em direco s baixas presses equatoriais. Estes ventos acontecem a Norte e a Sul
do equador, criando geralmente condies propcias a chuva.
38
Ventos de Este so fluxos de vento que saem das altas presses polares e que se dirigem
para Sul no Hemisfrio Norte e para Norte no Hemisfrio Sul, em geral vento ameno e
um pouco quente.
Ventos de Norte so ventos geralmente frios e com pouca humidade relativa, provocando
normalmente fortes correntes martimas.
A presso atmosfrica normal varia entre 1013 hPa e 1350 hPa. Considera-se presso
atmosfrica alta para valores superiores a 1350 hPa e presses baixas para valores
inferiores a 1013 hPa.
De uma maneira geral pode-se dizer que:
A subida gradual da presso atmosfrica permite anunciar tempo bom e seco.
A descida dos valores de presso atmosfrica anunciam tempo hmido e chuva.
No hemisfrio Norte se ficarmos de costas contra o sentido de deslocao do vento

verifica-se que os centros de baixas presses se encontram esquerda.
Um aumento gradual e contnuo da presso atmosfrica, acompanhado de uma melhoria

progressiva do estado do tempo, deixa prever um perodo de bom tempo relativamente
prolongado (formao de nevoeiro no Inverno).
Se estiver bom tempo e a presso atmosfrica for elevada e o barmetro no oscilar em

torno de um valor de presso, no de prever nenhum agravamento do estado do tempo.
A chegada continua de nuvens de tipo cirros , leva ao incio de uma queda de presso
atmosfrica e eventualmente ao levantamento de brisa. So sinais que anunciam a
chegada de uma frente quente, por vezes acompanhada de chuviscos.
A chegada de nuvens baixas muito grossas na forma de bolas de algodo e uma queda
acentuada da presso atmosfrica, muitas vezes acompanhada de rajadas de vento,
anunciam geralmente aguaceiros com uma certa intensidade, e at mesmo tempestades.
Cirros so nuvens que no so formadas por gotculas de gua. So formadas quando uma massa de ar quente e hmido
sobe repentinamente para grandes altitudes acima do ar frio. O vapor de gua no se converte em gua, ocorrendo uma
sublimao rpida devido a uma brusca descida da temperatura para um valor na ordem dos 40C negativos criando assim
os cirros.
39
Tanto no hemisfrio Norte como no hemisfrio Sul ventos de oeste e a chegada de uma
grande faixa de nuvens, bem como uma descida dos valores da presso atmosfrica,
anunciam chuva e aguaceiros.
No hemisfrio Norte e no hemisfrio Sul ventos de este, com presso atmosfrica elevada
ou a subir, anunciam a persistncia ou a chegada de bom tempo, sobretudo no Vero.
Se a chegada de ar frio se conjuga com um aumento excepcionalmente rpido da presso

atmosfrica, ento a melhoria do estado do tempo ser apenas de curta durao.
Se as nuvens passam a baixa altitude, pode-se dizer que a chuva est eminente.
Depois de uma chuva nocturna, se o cu matinal est limpo deixa frequentemente prever
a formao rpida de nuvens grossas na forma de bolas de algodo, trazendo por vezes
chuvas fortes ou at mesmo tempestades.
40
4. SISTEMA DE PREVISO
METEOROLGICA
O sistema de previso meteorolgica desenvolvido, vai ser apresentado ao longo deste
captulo. Este sistema constitudo por dois sistemas de inferncia difusa que so a base de
todo o trabalho.
Os dados meteorolgicos so adquiridos de uma estao meteorolgica situada na cidade
de Santiago, na regio da Galiza em Espanha. Estes dados so disponibilizados na Internet
[http://www.meteogalicia.es] em ficheiros no formato xml. Tirando partido da
possibilidade do MATLAB ler este tipo de ficheiros, foi necessrio criar um programa que
fizesse automaticamente o download dos ficheiros xml, actualizados de acordo com a
data que se encontra no computador de trabalho, e cria-se o vector com os valores de
entrada das variveis difusas do sistema de inferncia desenvolvido.
A apresentao dos resultados e a interface do utilizador com o sistema feita atravs de
uma aplicao desenvolvida no GUIDE do MATLAB [MATLAB, 2006].
4.1
SISTEMA DE INFERENCIA DIFUSA (FIS) DO MATLAB
Tendo como base os factores apresentados na seco anterior, foi desenvolvido um modelo
em lgica difusa, que representa a essncia do raciocnio difuso. Este modelo constitudo
41
por um conjunto de variveis lingusticas, funes de pertena e por uma base de regras,
que aps o processo de colapsagem permite a visualizao das variveis de sada do
sistema. O mtodo de inferncia utilizado foi o Mandani, sendo utilizada a ferramenta
Fuzzy Inference System (FIS) do MATLAB para modelizar o sistema [MATLAB, 2006] .
O sistema FIS disponibiliza os seguintes mdulos:
Editor bsico do sistema;
Editor de funes de pertena;
Editor de regras.
O editor bsico do sistema est representado na Figura 14. Neste editor so definidas as
variveis de entrada e de sada, o mtodo de inferncia e o mtodo de colapsagem.
tambm neste editor atribudo o nome ao sistema difuso que se pretende desenvolver.
O editor de funes de pertena est representado na Figura 15. Neste mdulo so
definidas as variveis FIS de entrada e de sada e apresentada para cada varivel a sua
respectiva funo de pertena. tambm definida, a gama de valores de cada varivel,
assim como, o vector com a gama de valores de cada conjunto difuso da funo de
pertena seleccionada, onde o nmero de elementos desse vector depende do tipo de
funo de pertena.
O editor de regras representado na Figura 15, permite criar a base de regras que rege um
sistema difuso. Neste mdulo, os conjuntos difusos de cada varivel de entrada so
relacionados atravs dos operadores lgicos and e/ou or que podem ser negados
seleccionando a opo not, dando origem sada que corresponde a um determinado
conjunto difuso. Para cada regra definida possvel atribuir o seu grau de validade de
acordo com o preenchimento do campo weight com valores entre 0 e 1, ou seja, desde
no vlida at totalmente vlida. Depois da base de regras estar criada, o utilizador pode
alterar ou eliminar uma regra j definida, bem como acrescentar mais regras ao sistema
difuso.
de salientar que as figuras apresentadas so figuras predefinidas do MATLAB e como tal
os operadores lgicos, a definio da base de regras, os nomes das variveis, as opes que
os editores disponibilizam esto em lngua inglesa, pelo que tambm se adoptou a
definio das variveis em lngua inglesa.
42
Figura 14 Editor bsico do sistema FIS [MATLAB, 2006].
Para alm destes mdulos, o software ainda possu uma interface grfica que ser
apresentada na subseco seguinte, que permite a visualizao da influncia de cada regra
no resultado final do sistema de acordo com os valores de entrada de cada varivel difusa e
ainda uma visualizao da superfcie correspondente a cada conjunto difuso que sofreu
influncia da regra definida.
43
Figura 15 Editor de funes de pertena [MATLAB, 2006].
Figura 16 Editor de regras difusas [MATLAB, 2006].
44
4.2
DEFINIO DAS FUNES DE PERTENA EXISTENTES NO FIS
O sistema FIS possui onze funes de pertena que so definidas com os seguintes nomes:
dsigmf, psigmf, gaussmf, gauss2mf, gbellmf, pimf, sigmf, smf, trapmf, trimf, zmf.
A funo dsigmf uma funo de pertena composta pela diferena entre duas funes de
pertena sinusoidais. A funo de pertena sinusoidal usada depende de dois parmetros, a
e c, e dada por:
, ,

(1)
A funo dsigmf depende de quatro parmetros o a1, c1, a2, c2, e definida pela diferena
entre as duas funes de pertena sinusoidais , , , , . A sintaxe desta

funo definida por:
,
tendo tambm com parmetros os valores do vector x.
Exemplo utilizando o MATLAB:
x=0:0.1:10;
y=dsigmf(x,[5 2 5 7]); onde a1=5, c1=2, a2=5, c2=7,
plot(x,y)
xlabel('dsigmf, para os parmetros [5 2 5 7]')
Figura 17 Representao grfica da funo dsigmf.
45
(2)
A funo psigmf uma funo de pertena composta pelo produto de duas sinusides. A
sua sintaxe dada por:
,
(3)
A curva sinusoidal representada em funo dos valores do vector x e depende de dois

parmetros a e c e dada pela expresso:
, ,

(4)
onde psigmf apenas o produto de duas curvas dado por , , , , com os
parmetros no vector ordenados segundo esta ordem [a1 c1 a2 c2].
Exemplo usando o MATLAB:
x=0:0.1:10;
y=psigmf(x,[2 3 -5 8]);
plot(x,y)
xlabel('psigmf, para os parmetros [2 3 -5 8]')
A funo gaussmf designada de funo de pertena gaussiana. Esta funo descrita por
uma funo gaussiana que depende de dois parmetros e c e descrita por:
, ,

!
Figura 18 Representao grfica da funo psigmf .

46
(5)
Os parmetros para a funo gaussiana representados por (sig) e c, so listados no vector

[sign c] para a funo de pertena gaussiana e a sua sintaxe definida como sendo
",
(6)
tendo tambm como parmetro os valores do vector x.

x=0:0.1:10;
y=gaussmf(x,[2 5]);
plot(x,y)
xlabel('gaussmf, para os parmetros [2 5]')
A funo de pertena gauss2mf designada de funo de pertena de combinao
Gaussiana. uma funo que depende de dois parmetros sig () e c e descrita pela
funo:
, ,

!
(7)
A combinao de duas funes Gaussianas, definem a funo de pertena de combinao

Gausssiana. A primeira funo descrita pelos parmetros sing1 e c1 e determina a forma
da parte esquerda da curva. A segunda especificada pelos parmetros sig2 e c2 e
determina a parte direita da curva. No caso de # , a funo gauss2mf alcana o valor
mximo de 1, caso contrrio o mximo inferior a 1 e os parmetros so apresentados pela

ordem [sig1, c1, sig2, c2].
Figura 19 Representao grfica da funo gaussmf .

47
A sintaxe desta funo definida por:

"2,
(8)
tendo tambm como parmetro os valores do vector x.

x = (0:0.1:10)';
y1 = gauss2mf(x, [2 4 1 8]);
y2 = gauss2mf(x, [2 5 1 7]);
y3 = gauss2mf(x, [2 6 1 6]);
y4 = gauss2mf(x, [2 7 1 5]);
y5 = gauss2mf(x, [2 8 1 4]);
plot(x, [y1 y2 y3 y4 y5]);
A funo designada de funo em forma de sino normalizada descrita pela funo:
, , %,
'

&
&

(9)
Nesta funo o parmetro b normalmente positivo, o parmetro c localiza-se no centro da

curva. O vector de parmetros (params) dado por [a b c] e o segundo parmetro da
funo de pertena gbellmf que tem como sintaxe:
%((, )
tendo tambm o vector x como parmetro.
Figura 20 Representao grfica da funo gauss2mf.
48
(10)

x=0:0.1:10;
y=gbellmf(x,[2 4 6]);
plot(x,y)
xlabel('gbellmf, para os parmetros [2 4 6]')
Quanto funo pimf designada de funo de pertena pi, a sua sintaxe dada por:
, %
(11)
onde a sua forma comparada com a forma de um . Esta funo descrita em funo dos
valores do vector x. Os parmetros a e d definem os pontos de quebra inferiores da curva,
enquanto b e c definem os pontos de quebra superiores da curva, como se pode ver no
exemplo.
x=0:0.1:10;
y=pimf(x,[1 4 5 10]);
plot(x,y)
xlabel('pimf, para os parmetros [1 4 5 10]')
Figura 21 Representao grfica da funo gbellmf.
49
Figura 22 Representao grfica da funo pimf .
A funo sigmf designada de funo de pertena sigmidal, devido sua representao

grfica ser na forma de um S. Tem a sua sintaxe dada por:
,
(12)
A funo sigmidal dada pela funo , , mapeada no vector x, e varia com os
parmetros a e c.
, ,

(13)
Dependendo do sinal do parmetro a, a funo de pertena sigmidal aberta direita ou

esquerda, e assim apropriada para representar conceitos com gama de valores muito
extensa ou muito negativos. Uma visualizao mais convencional desta funo de pertena
pode ser na construo de funes de pertena atravs do produto ou da diferena de duas
funes sinusoidais, como se pode ver pela anlise das funes dsigmf e psigmf j descritas
anteriormente.
x=0:0.1:10;
y=sigmf(x,[2 4]);
plot(x,y)
xlabel('sigmf, para os parmetros [2 4]')
50
Figura 23 Representao grfica da funo sigmf.
A funo de pertena smf designada de funo em forma de S e a sua sintaxe dada por:
, %
(14)
Esta funo depende dos parmetros a e b, que definem os extremos da funo, sendo a
inclinao da curva dada pela prpria funo.
Exemplo do MATLAB:
x=0:0.1:10;
y=smf(x,[1 8]);
plot(x,y)
xlabel('smf, para os parmetros [1 8]')
Figura 24 Representao grfica da funo smf.

51
A funo trapmf designada por funo de pertena trapezoidal e a sua sintaxe dada por:
*), %
(15)
A curva trapezoidal descrita em funo do vector x e depende de quatro parmetros

escalares a, b, c e d dada por:
0,
0
.123
:
,423 , 0 0 % ,
%00
, , %, , 1,
-621
9
, 627 , 0 0 ,
+ 0,
0 8
(16)
De uma forma mais compacta a funo definida como:

, , %, , max min @423 , 1, 627 A , 0
123
621
(17)
Os parmetros a e d das duas funes definem os pontos de quebra inferiores do trapzio e

os parmetros b e c definem os pontos de quebra superiores do mesmo.
x=0:0.1:10;
y=trapmf(x,[1 5 7 8]);
plot(x,y)
xlabel('trapmf, para os parmetros [1 5 7 8]')
Figura 25 Representao grfica da funo trapmf.
52
A funo trimf que designada de funo de pertena triangular, a qual apresenta a

seguinte sintaxe:
*), %
(18)
A curva triangular descrita em funo do vector x e depende de trs parmetros escalares

a, b e c inseridos na funo:
, , %,
0,
.123
,
,
423
721
0
:
0 0 %,
- 724 , % 0 0 9
,
,
+ 0, 0
8
(19)
De um modo mais compactado, a funo definida por:

, , %, max min @
123 721
423 724
A , 0
(20)
Os parmetros a e c so os pontos de quebra inferiores do tringulo, enquanto que o vrtice

superior definido por b.
x=0:0.1:10;
y=trimf(x,[3 6 8]);
plot(x,y)
xlabel('trimf, para os parmetros [3 6 8]')
Figura 26 Representao grfica da funo trimf.

53
Por fim, a funo zmf designada por funo de pertena Z, devido sua representao
grfica se assemelhar a um Z, tem a sua sintaxe definida como:
B, %
(21)
Esta funo descrita em funo dos valores do vector x e depende dos parmetros a e b,
que definem respectivamente os extremos e a inclinao da curva.
A funo descrita por:
, , %
1,
.

,1 2 @123A ,
423
0
00
3
4

:
,
-2 @% 1 A , 3
4 0 0 % 9
423

,
,
+
8
0, C %


x=0:0.1:10;
y=zmf(x,[3 7]);
plot(x,y)
xlabel('zmf, P=[3 7]')
Figura 27 Representao grfica da funo zmf.
54
(22)
4.3
SISTEMAS DE INFERNCIA DIFUSA DESENVOLVIDOS
Os sistemas de inferncia difusa desenvolvidos foram criados nos editores apresentados na

subseco anterior. O primeiro sistema constitudo por cinco variveis difusas de entrada,
uma base de regras e trs variveis difusas de sada. O nome atribudo ao sistema de
inferncia foi tempo e o mtodo utilizado foi o de Mandani. Um segundo sistema
desenvolvido permite fazer alguns ajustes s variveis de sada do primeiro sistema pelo
que tem como entradas as trs variveis de sada do primeiro sistema difuso, uma base de
regras e trs variveis difusas de sada. O nome atribudo a este segundo sistema de
inferncia foi tempo2, tendo tambm sido aqui utilizado o mtodo de Mandani.
4.3.1
SISTEMA DE INFERNCIA DIFUSA TEMPO
A Figura 28 mostra o editor FIS desenvolvido para o primeiro sistema difuso criado com o
nome tempo, onde se pode ver os nomes das variveis de entrada/sada e o tipo de
funo de pertena utilizado por cada varivel, assim como, os mtodos de inferncia
utilizados e o nmero de regras que o sistema possu.
As variveis difusas de entrada so: temperatura mdia do ar (AirTemperature), humidade
mdia relativa do ar (AirHumidity), velocidade do vento (WindSpeed), direco do vento
(WindDirection) e a presso baromtrica (AirPressure), as variveis de sada so: a
previso (Forecast), velocidade do vento (Wind) e a temperatura (Temperature).
Dependendo da varivel seleccionada apresentado tambm, o tipo de varivel e a gama
de valores definidos para ela.
Existe ainda a possibilidade de alterar as opes de cinco das funcionalidades bsicas de
um processo de inferncia difusa; so elas:
And method: permite escolher uma das opes min (mnimo), prod (produto) ou
custom para uma opo personalizada.
Or method: permite escolher uma opo entre max (mximo), probor

(probabilstico ou), ou custom para opo personalizada.
Implication: permite a escolhe de uma das opes, entre min (mnimo), prod
(produto) e custom para um opo personalizada. Estas opes no so vlidas
para sistemas de inferncia de Sugeno.
55
Figura 28 Sistema FIS tempo criado.
Aggregation: permite escolher umas das opes max (mximo), sum (soma),
probor (probabilstico ou), ou custom para opo personalizada. Estas opes no
so vlidas para sistemas de inferncia Sugeno.
Defuzzification: para a inferncia difusa de Mamdani, existem as seguintes

opes, centroid (centro das reas), bisector (bissector), mom (media dos
mximos), som (menor dos mximos), lom (maior dos mximos), ou custom para
opo personalizada. Para inferncia difusa de Sugeno escolhe-se uma de entre as
opes wtaver (mdia dos mximos) ou wtsum (soma dos mximos).
As opes escolhidas so as que se encontram na Figura 28, pois foi com estas opes que
se obtiveram os melhores resultados, quando comparados com os esperados.
Na Figura 29 apresenta-se o editor de funes de pertena, onde se pode visualizar as
variveis de entrada e de sada com as respectivas funes de pertena, assim como os
conjuntos difusos definidos para cada varivel. Foi definido para cada varivel de entrada
uma funo de pertena gaussiana (gaussmf) e para cada varivel de sada uma funo
56
Figura 29 Funo de pertena da varivel difusa de entrada AirTemperature.
triangular (trimf), estas funes j foram descritas no ponto anterior (4.1.1). Na mesma
figura (Figura 29), a varivel que se encontra seleccionada a AirTemperature que
corresponde temperatura do ar, onde se pode verificar que tem cinco conjuntos difusos:
Vlow, low, average, high e Vhigh, uma gama de valores dada pelo intervalo de [-5, 45] C
e a faixa de valores que cada conjunto difuso da varivel temperatura agrega. Estas opes,
assim como as respectivas funes de pertena podem ser alteradas de acordo com o que se
pretende implementar, atravs das opes existentes (Figura 29).
A humidade mdia relativa em percentagem (%) apresentada com o nome de
AirHumidity sendo a sua representao feita de acordo com as opes tomadas e que esto
representadas na Figura 30. Esta varivel est definida, atravs dos conjuntos difusos low,
average e high, com picos mximos de cada conjunto nos valores 0%, 50%, 100%,
respectivamente.
Na Figura 31 est representada a velocidade do vento atravs da varivel difusa WindSpeed
sendo apresentada em metros por segundo (m/s), com uma gama de valores entre
[0, 35] m/s. Esta varivel est definida com os conjuntos difusos low, average, high
57
Figura 30 Funo de pertena da varivel difusa de entrada AirHumidity.
e Vhight (very high), com picos mximos de cada conjunto nos valores 0 m/s, 17.5 m/s e
35 m/s, respectivamente.
A direco do vento apresentada na Figura 32 com o nome da varivel difusa
WindDirection, representada em graus (), com uma gama de valores entre [0, 360].
definida de acordo com a rosa-dos-ventos como sendo Norte, Este, Sul e Oeste, com picos
mximos de cada conjunto difuso nos valores 0/360, 90, 180, 270, respectivamente.
58
Figura 31 Funo de pertena da varivel difusa de entrada WindSpeed.
Figura 32 Funo de pertena da varivel difusa de entrada WindDirection.
59
Quanto presso baromtrica definida em hectopascal (hPa) em que 1 hPa equivale a

100 Pa, atravs da varivel difusa AirPressure com uma gama de valores entre
[700, 1400] hPa. Esta varivel est definida pelos conjuntos difusos low, average e high,
com picos mximos de cada conjunto nos valores 700 hPa, 1100 hPa, 1400 hPa,
respectivamente (Figura 33).
As variveis difusas de sada so: a previso meteorolgica (Forecast), velocidade do
vento (Wind) e a temperatura (Temperature). Estas variveis foram definidas com funes
de pertena triangulares.
A Figura 34 representa as definies para a varivel Forecast, ou seja, a previso
meteorolgica, e apresentada com uma gama de valores entre [0, 1]. Esta varivel difusa
definida pelos conjuntos difusos Snow, HardRain, Rain, Downpours, VCloudy (very
cloudy), Cloudy, LCloudy (little cloudy), Sunny.
Figura 33 Funo de pertena da varivel difusa de entrada AirPressure.
60
Figura 34 Funo de pertena da varivel difusa de sada Forecast.
O vento apresentado na Figura 35 atravs da varivel difusa Wind. Esta varivel

definida atravs da sua velocidade em m/s com uma gama de valores entre [0, 35] m/s, e
est dividida nos seguintes conjuntos difusos VWeak (very weak), Weak, Suave, Strong e
VStrong (very strong).
A temperatura de sada, apresentada na Figura 36, definida pela varivel difusa
Temperature em graus clsius (C), com uma gama de valores entre [-5, 45] C e est
dividida nos conjuntos difusos: VCold (very cold), Cold, Suave, Hot e VHot (very hot).
Relativamente base de regras, a sua definio e configurao so feitas atravs do editor
de regras difuso apresentado na Figura 3710. Neste editor pode-se visualizar as regras j
definidas bem como o grau de validade aplicado a cada uma delas. Para definir uma regra,
apresentado para cada varivel difusa os conjuntos difusos que a constituem e de acordo
10
O editor de base de regras apresentado na Figura 37 no apresenta todas as variveis e regras do sistema, devido ao
facto de no ser possvel visualizar o menu completo no ecr. Sendo assim, so apresentadas s algumas das regras e
variveis difusas do sistema que permitam entender o funcionamento deste editor.
61
Figura 35 Funo de pertena da varivel difusa de sada Wind.
Figura 36 Funo de pertena da varivel difusa de sada Temperature.
62
com a seleco dos conjuntos difusos que se querem inserir na regra e em conformidade
com a sintaxe if() and/or () and/or () then () and/or () so criadas as
regras. Este sistema difuso constitudo por 58 regras sendo algumas delas apresentadas a
seguir:
1.
If (AirTemperature is low) and (AirHumidity is high) and (WindSpeed is average) and

(WindDirection is north) and (AirPressure is low) then (Forecast is Snow)(Wind is
Weak)(Temperature is VCold) (1) ;
2.
If (AirTemperature is high) and (AirHumidity is low) and (WindSpeed is average) and

(WindDirection is north) and (AirPressure is high) then (Forecast is Sunny)(Temperature is VHot)
(1);
3.
If (AirTemperature is average) and (AirHumidity is average) and (AirPressure is average) then

(Forecast is Sunny)(Temperature is Suave) (0.8);
4.
If (AirHumidity is low) and (AirPressure is average) then (Forecast is LCloudy) (0.6);
5.
If (AirHumidity is average) and (AirPressure is average) then (Forecast is LCloudy) (1).
No editor apresentado pode-se acrescentar, eliminar e alterar uma regra que j esteja
definida, sendo apenas necessrio selecciona-la e fazer as alteraes pretendidas.
Figura 37 Editor de regras do sistema difuso criado.
63
Neste seguimento, pode-se ainda visualizar o resultado do sistema e a influncia de cada

regra no referido resultado, atravs do editor de visualizao de regras apresentado na
Figura 38.
Para um determinado vector de entrada, cada um dos seus valores corresponde a uma
varivel segundo a ordem apresentada na Figura 38. Cada vector ir originar uma sada.
Por exemplo, para o vector [17.5 50 17.5 180 1050], cada valor corresponde a uma das
variveis, segundo a mesma ordem apresentada no editor. Alterando manualmente o valor
de cada varivel de entrada possvel visualizar a influncia dessa mesma alterao nas
variveis de sada. neste editor que se tem uma visualizao de todo o sistema difuso
criado, assim como, a resposta deste s variaes dos valores de entrada.
4.3.2
SISTEMA DE INFERNCIA DIFUSA TEMPO2
O sistema difuso tempo2 permite o melhoramento dos resultados obtidos com o primeiro
sistema (tempo). Com tal, este sistema apresenta trs variveis de entrada difusas, uma
base de regras e trs variveis difusas de sada. As variveis difusas de entrada deste
sistema so as variveis difusas de sada do sistema descrito anteriormente, permitindo
Figura 38 Editor de visualizao de regras difusas.
64
atravs da nova base de regras obter ajustes nos resultados finais. A figura seguinte mostra
o editor FIS desenvolvido para este sistema tempo2.
Pela anlise da figura verifica-se que as variveis difusas de entrada so Forecast, Wind e
Temperture e as variveis de sada so designadas por ForecastOUT, WindOUT e
TemperatureOUT. O sistema de inferncia novamente o de Mamdani e as suas opes
so as utilizadas no sistema tempo. As funes de pertena so triangulares (trimf) tanto
para as variveis difusas de entrada como para as de sada, apesar de na Figura 39 dar a
entender que as funes de pertena das variveis difusas de entrada so gaussianas, isto
deve-se ao aspecto do editor FIS ser pr-definido e apresentar sempre o aspecto da Figura
39 no que diz respeito s figuras das variveis difusas de entrada e de sada.
A Figura 40 mostra o editor de funes de pertena da varivel difusa Wind. Como se pode
verificar a definio dos conjuntos difusos desta varivel e das restantes opes so iguais
s j descritas anteriormente na subseco 4.2.1 relativos s variveis difusas de sada do
sistema tempo. O mesmo acontece para as restantes variveis difusas do sistema tempo2,
como tal, s apresentado na Figura 40 o exemplo da varivel Wind.
Figura 39 Sistema FIS tempo2 criado.
65
Figura 40 Funo de pertena da varivel difusa Wind do sistema tempo2.
A base de regras do sistema tempo2 apresentada na Figura 41, onde se pode verificar que
constitudo por quarenta e sete regras e novamente no possvel visualizar na figura
apresentada todas as regras assim como todas as variveis difusas do sistema. A sintaxe de
cada regra bem como as opes descritas no editor de regras, so as mesmas j descritas no
ponto 4.2.1, como tal, apenas se vai dar o exemplo de algumas regras criadas neste sistema.
1. If (Forecast is Snow) and (Wind is VWeak) and (Temperature is VCold) then (ForecastOUT is
Snow)(WindOUT is VWeak)(TemperatureOUT is VCold) (1);
2. If (Forecast is Rain) and (Wind is Suave) and (Temperature is Suave) then (ForecastOUT is
Rain)(WindOUT is Weak)(TemperatureOUT is Suave) (1);
3. If (Forecast is VCloudy) and (Wind is VWeak) and (Temperature is Cold) then (ForecastOUT is
Cloudy)(WindOUT is VWeak)(TemperatureOUT is Suave) (1);
4. If (Forecast is Sunny) and (Wind is Weak) and (Temperature is Cold) then (ForecastOUT is
LCoudy)(WindOUT is VWeak)(TemperatureOUT is Cold) (1);
5. If (Forecast is VCloudy) and (Wind is Weak) and (Temperature is Suave) then (ForecastOUT is
Cloudy)(WindOUT is VWeak)(TemperatureOUT is Suave) (0.8).
A Figura 42 ilustra o editor de visualizao de regras difusas, que tem como base o
descrito no ponto 4.2.1. Neste editor possvel ter uma ideia geral do sistema difuso
desenvolvido (tempo2), bem como da sua resposta a determinadas entradas.
66
Figura 41 Editor de regras do sistema difuso tempo2 criado.
Figura 42 Editor de visualizao de regras difusas do sistema tempo2.

67
No caso da figura referida anteriormente, no possvel visualizar a influncia difusa de

todas regras devido ao tamanho da imagem, como tal, so apresentadas como exemplo as
primeiras e as ultimas regras do sistema difuso. Os resultados apresentados tm como
entrada o vector [0.5 17.5 20], previso, velocidade do vento e temperatura,
respectivamente.
4.4
INTERFACE GRFICA CRIADA E INTERLIGAO DOS SISTEMAS FIS

DESENVOLVIDOS
A interface grfica do sistema foi desenvolvida no GUIDE do MATLAB [MATLAB,

2006].
O sistema ao ser iniciado apresenta o menu principal e uma mensagem no ecr como
mostra na Figura 43. Esta mensagem tem como finalidade alertar o utilizador para a
actualizao dos dados actuais recorrendo ao download dos dados disponibilizados na
pgina da Internet j referida anteriormente, caso ainda no o tenha feito, para no efectuar
previses baseadas em valores que no correspondem data actual.
O menu principal apresentado na Figura 44. Este menu apresenta trs opes,
Actualizar Dados, Previso Hojee Previso Prximos Dias.
A opo Actualizar Dados, compara as datas dos ficheiros xml existentes em memria
com a data do prprio ambiente de trabalho do computador que est a ser utilizado, para
efectuar, caso seja necessrio, a actualizao dos dados relativos aos dois dias anteriores
presente data. Caso esta opo seja executada e os dados estejam actualizados
apresentada a mensagem ilustrada na Figura 45.
No caso de os dados no estarem actualizados, vai ser executado o software criado para
fazer o download dos ficheiros xml (disponibilizados na pgina da Internet) necessrios
Figura 43 Mensagem de alerta para actualizao de dados.
68
Figura 44 Menu principal do sistema de previso meteorolgica criado.
Figura 45 Mensagem de dados actualizados.
para a execuo do sistema difuso. O software concebido, para alm da funcionalidade

aqui referida, permite detectar, as transies de ms ou de ano, incluindo anos bissextos e
em funo da data actual identificar os ficheiros de dados necessrios ao sistema difuso de
previso meteorolgica. De seguida, Figura 46, apresentado o fluxograma que ilustra o
algoritmo que permite o download dos ficheiros xml referentes ao dia anterior data
actual. Relativamente ao download dos ficheiros dos dois dias anteriores, o algoritmo
igual com a excepo da varivel Dia que ter um decremento de uma unidade em
relao ao apresentado na Figura 46.
69
Figura 46 Fluxograma de descrio do software de download dos ficheiros xml.
No final da actualizao apresentada a mensagem ilustrada pela Figura 47.

Em relao s outras duas opes, sero apresentados submenus. No caso de a opo ser
Previso Hoje, ser apresentado o menu que ir permitir ao utilizador saber os resultados
da previso para o dia em que se encontra, enquanto se a opo for Previso Prximos
Dias ser apresentado um outro menu que permitir ao utilizador saber, dependendo da
sua escolha, a previso para a manh e para a tarde dos dois dias seguintes em relao
data actual do computador.
Figura 47 Mensagem no final da actualizao dos dados.
70
No caso da opo seleccionada ser Previso Hoje, o menu apresentado ilustrado na

Figura 48. Neste menu ser possvel visualizar uma imagem correspondente previso
obtida, assim como, a temperatura mxima, mdia, mnima e a velocidade do vento mdia
para o dia actual.
A Figura 49 mostra de forma esquemtica como feita a previso apresentada no menu
ilustrado na Figura 48.
Quando seleccionar o boto de OK, o sistema vai ler os ficheiros correspondentes aos
dois dias anteriores e retirar os valores das cinco variveis que vo entrar no sistema difuso
tempo, j anteriormente descrito. O resultado da previso obtida por este sistema difuso
vai ser apresentado no final como mostra a Figura 50 a ttulo de exemplo.
Figura 48 Menu para a previso do dia de hoje.
Figura 49 Esquema da estrutura de previso para o dia corrente.
71
Figura 50 Exemplo de uma previso para o dia de hoje.
Se o utilizador pretender limpar o menu, ou seja, ficar com o menu igual ao ilustrado na
Figura 48, basta clicar sobre a opo Limpar Menu.
Caso o utilizador seleccione a opo Previso Prximos Dias no menu principal (Figura
44) o menu apresentado o ilustrado na Figura 51. O utilizador neste menu pode obter a
previso para a manh e para a tarde, correspondente ao dia seleccionado na opo
Seleccionar opo. Neste menu ser apresentada uma imagem correspondente previso
obtida, bem como a temperatura mxima, mnima e a velocidade do vento, tanto para a
manh como para a tarde, correspondente ao dia seleccionado.
Caso o utilizador no seleccione uma das opes Previso para amanha ou Previso
para depois de amanh apresentada uma mensagem no ecr a alertar o utilizador para a
necessidade de escolher uma opo, Figura 52.
Se o utilizador seleccionar a opo Previso para amanh ir obter a previso para o dia
seguinte ao dia actual. A Figura 53 ilustra de forma esquemtica o modo como obtido o
resultado final da previso para a opo referida.
72
Figura 51 Menu da previso para os dois dias seguintes data corrente.
Figura 52 Mensagem caso no seja seleccionada nenhuma opo.
O utilizador depois de seleccionar a opo Previso para amanh, escolhendo o boto

OK o sistema vai ler os valores dos ficheiros relativos aos dois dias anteriores ao actual,
retendo os valores das duas manhs (tardes) para posteriormente serem usados na previso
da manh (tarde) do dia pretendido. Os valores lidos das cinco variveis para a manh
(tarde) entram no sistema difuso tempo, e o resultado da sua sada vai fazer mdia com o
resultado obtido na previso para o dia actual.
73
Figura 53 Esquema da estrutura de previso para um dia depois do dia corrente.
O resultado desta mdia entra no segundo sistema difuso tempo2, contribuindo a sua sada
com 60% para o resultado final do sistema, e a previso do dia actual com os restantes
40%, obtendo-se assim, o resultado final do sistema para a manh (tarde) pretendida. As
percentagens atribudas foram estabelecidas por tentativa/erro de acordo com os
resultados que eram obtidos, de forma a conseguir-se no final a melhor sintonia do
controlador e consequentemente resultados mais fiveis. A Figura 54 ilustra um exemplo.
Neste menu tambm existe a opo de Limpar Menu, que permite limpar o menu,
voltando ao menu apresentado na Figura 51.
No caso da opo escolhida ser Previso para depois de amanh, o utilizador ir obter a
previso para o dia posterior ao dia de amanh. A Figura 55 ilustra de forma esquemtica o
modo como obtido o resultado final da previso para a respectiva escolha.
74
Figura 54 Exemplo de uma previso para um dia depois do dia actual.
Depois de o utilizador seleccionar a opo Previso para depois amanh, fazendo OK,
o sistema vai ler os valores existentes nos ficheiros relativos aos dois dias anteriores ao
qual se encontra. Os valores das manhs (tardes) vo ser usados para obter a previso para
a manh (tarde). Os valores das cinco variveis lidas para a manh (tarde) entram no
sistema difuso tempo. Os resultados deste sistema difuso vo entrar no sistema difuso
tempo2, voltando a entrar no sistema difuso tempo2, formando-se assim uma cascata de
dois nveis. O valor final do segundo nvel da cascata do sistema difuso tempo2 vai fazer
mdia com o resultado do primeiro nvel. O resultado da previso final vai ser obtido com
70% do valor da mdia referida anteriormente e 30% do valor da previso do dia actual,
obtendo-se assim a previso final tanto para a manh como para a tarde, como se pode
verificar na Figura 56 a ttulo de exemplo.
75
Figura 55 Esquema da estrutura de previso para dois dias depois do dia actual.
As percentagens atribudas foram estabelecidas de acordo com os resultados que eram

obtidos segundo o mtodo de tentativa erro, de forma a obter-se no final os melhores
resultados possveis.
Neste menu tambm existe a opo de Limpar Menu, que permite limpar o menu,
obtendo-se o menu apresentado na Figura 51.
Por fim, de salientar que o sistema possui oito imagens para representar o resultado da
previso (Forecast) correspondendo cada figura ao seu conjunto difuso de sada, pelo que,
existe uma figura que representa: neve, chuva forte, chuva, aguaceiros, cu muito nublado,
cu nublado, cu pouco nublado e cu limpo.
76
Figura 56 Exemplo de uma previso para dois dias depois do dia corrente.
77
78
5. ANLISE DE
RESULTADOS
Neste captulo so apresentados vrios resultados obtidos atravs do sistema de inferncia
difusa desenvolvido. Os estudos aqui apresentados foram efectuados para diferentes dias, e
comparados como os valores reais apresentados na pgina web que serviu de base a este
trabalho, com vista a testar a fiabilidade do sistema aqui apresentado.
Para o teste do sistema desenvolvido, foram considerados os dias compreendidos no
perodo de 22 de Julho a 10 de Agosto de 2008. A escolha deste intervalo de tempo, teve
por objectivo demonstrar que o sistema implementado respeita correctamente as transies
dos meses, segundo o algoritmo anteriormente apresentado. Para tal, foram guardados os
dados reais fornecidos pela estao meteorolgica atravs da pgina web e posteriormente
comparados com os obtidos atravs do sistema difuso.
A previso para o dia de hoje uma previso mdia diria, baseada tambm nos valores
mdios do dia anterior ao actual, disponibilizados pela estao meteorolgica. Esta
metodologia teve por base o facto do utilizador, quando recorre a uma previso para o dia
em curso, apenas procurar informaes relativamente a eventuais alteraes climticas
quando comparadas com as que pode constatar directamente, recorrendo observao do
exterior. Por outro lado, no faria sentido estar a fornecer uma previso para a manh de
hoje quando j se estava na parte de tarde desse dia. Claro est, que esta situao tambm
79
poderia ser resolvida recorrendo ao relgio interno do computador, que no caso de j ter
ultrapassado as 12 horas apenas daria a previso para a tarde. Mais ainda, o facto de se
terem utilizado dois algoritmos diferentes, para os casos em que se pretendem fazer as
previses para o dia actual ou para dias posteriores, recorrendo recolha de dados, tambm
estes diferentes (valores de 10 em 10 minutos, ou os valores mdios), permite deixar em
aberto a possibilidade de adaptao deste controlador a situaes mais especficas como
por exemplo a percentagem de humidade do ar.
Normalmente, no existem alteraes muito significativas do estado do tempo em dois dias
consecutivos j que os fenmenos meteorolgicos respeitam as caractersticas dos
processos evolutivos. Por este motivo, ao recorrermos aos valores mdios do dia anterior
para fazer a previso para o dia de hoje, no iramos incorrer em erros acentuados e por
outro lado, como o nmero dos dados a analisar era significativamente menor, iria permitir
diminuir o tempo computacional do algoritmo dando uma resposta mais rpida ao
utilizador.
de referir que para os dias seguintes ao actual, se fez a diviso da previso em manh e
tarde, devido ao facto de serem disponibilizados ficheiros com os dados de 10 em 10
minutos referentes aos dias anteriores ao actual, o que iria permitir uma melhor sintonia do
controlador e consequentemente um maior rigor na previso, j que a percentagem de erro
introduzida nos resultados quando se efectuam previses a longo prazo, tem tendncia a
aumentar significativamente.
Nas tabelas seguintes possvel analisar a fiabilidade dos resultados obtidos por
comparao com os valores reais.
A Tabela 2 mostra os resultados da previso para o dia de hoje (sistema da Figura 48), em
comparao com os seus correspondentes valores reais.
Fazendo uso dos valores da Tabela 2 foram efectuados os grficos abaixo representados,
referentes temperatura mxima, mdia, mnima e velocidade do vento, de forma a
termos uma melhor compreenso dos resultados obtidos, e por conseguinte uma anlise
mais fivel do sistema. de salientar que o vector representado nos grficos no eixo das
abcissas referente aos Dias vai de 0 a 20, representando os dias de 22 de Julho a 10 de
Agosto respectivamente.
80
Tabela 3 Valores reais e valores da previso para dia Hoje.
Reais
Data
Sistema Difuso
TMx
TMd
TMn
Vento
TMx
TMd
TMn
Vento
[C]
[C]
[C]
[km/h]
[C]
[C]
[C]
[km/h]
22/7/08
34,00
23,77
15,18
11,74
22,80
17,60
15,10
7,97
23/7/08
21,19
17,47
15,54
16,38
24,30
19,10
16,60
10,11
24/7/08
19,34
16,26
15,12
15,98
24,97
19,77
17,27
9,20
25/7/08
18,83
17,28
15,35
11,23
21,02
15,82
13,32
7,03
26/7/08
23,60
18,80
14,86
8,28
21,37
16,17
13,67
6,12
27/7/08
21,43
17,66
14,31
10,01
22,34
17,14
14,64
6,78
28/7/08
21,72
17,50
13,80
10,84
21,33
16,13
13,63
8,25
29/7/08
22,57
16,80
11,02
7,27
21,69
16,49
13,99
8,28
30/7/08
22,83
18,35
15,06
13,93
22,34
17,14
14,64
7,11
31/7/08
21,40
18,29
15,35
18,76
22,64
17,44
14,94
10,98
1/8/08
22,07
17,81
14,38
8,24
22,71
17,51
15,01
5,61
2/8/08
27,20
19,75
15,89
6,52
21,90
16,70
14,20
8,26
3/8/08
27,40
19,94
13,97
10,98
22,85
17,65
15,15
10,51
4/8/08
26,37
20,51
17,06
10,44
23,05
17,85
15,35
14,23
5/8/08
29,39
21,12
15,98
7,49
23,36
18,16
15,66
10,69
6/8/08
23,50
18,87
15,92
9,83
23,90
18,70
16,20
10,81
7/8/08
20,43
16,89
14,25
4,14
23,44
18,24
15,74
11,94
8/8/08
22,97
17,81
13,85
8,71
20,52
15,32
12,82
7,69
9/8/08
28,93
19,25
12,22
7,96
21,70
16,50
14,00
14,73
10/8/08
25,00
17,88
11,89
5,80
22,66
17,46
14,96
12,00
81
Temperatura Mxima
Real
Previso
34
32
Temperatura
30
28
26
24
22
20
18
10
Dias
12
14
16
18
20
Figura 57 Comparao da temperatura mxima para o dia de Hoje.
Temperatura Mdia
25
Real
Previso
24
23
22
Temperatura
21
20
19
18
17
16
15
14
10
Dias
12
14
16
18
20
Figura 58 Comparao da temperatura mdia para o dia de Hoje.
82
Temepratura Mnima
18
Reais
Previso
17
16
Temperatura
15
14
13
12
11
10
10
Dias
12
14
16
18
20
Figura 59 Comparao da temperatura mnima para o dia de Hoje.
Velocidade do Vento
20
Real
Previso
18
Velocidade (Km/h)
16
14
12
10
10
Dias
12
14
16
18
20
Figura 60 Comparao da velocidade do vento para o dia de Hoje.
Atravs da anlise da Tabela 2 e dos grficos das Figuras 57, 58, 59, 60 pode-se calcular a
mdia do erro, ou seja a mdia das diferenas entre o estado real e o previsto, dada pela
equao
U
V EF3GHIJK L 2F3GHIMNKOPQS T
W
, que para a temperatura mxima de 3,18 C, para
a temperatura mdia de 1,90 C, para a temperatura mnima de 1,20 C e para a

velocidade do vento 3,96 Km/h. Como se pode verificar, a velocidade do vento a que
83
apresenta maior erro, pois um dos factores meteorolgicos mais instveis. Ao efectuar-se
as leituras na estao meteorolgica, muitas vezes, os perodos de amostragem coincidem
com rajadas mais fortes o que leva a valores amostrados com grandes variaes, dando
origem a previses um pouco dspares.
Como j foi descrito na seco anterior, nas previses para os dois dias a seguir ao actual
os resultados so apresentados para a manh e para a tarde em separado. Assim, na
Tabela 3 so apresentadas as previses para a manh do dia seguinte ao actual, e os
correspondentes valores reais.
Tabela 4 Valores reais e valores da previso para a manh de Amanha
Reais
Data
Sistema Difuso
TMx
TMn
Vento
TMx
TMn
Vento
[C]
[C]
[km/h]
[C]
[C]
[km/h]
22/7/08
30,65
15,18
9,94
23,03
16,53
9,94
23/7/08
18,68
15,54
8,22
23,17
16,67
8,22
24/7/08
19,34
15,51
10,05
24,52
18,02
10,05
25/7/08
18,05
15,35
9,17
22,03
15,53
9,17
26/7/08
22,68
15,95
7,68
20,50
14,00
7,68
27/7/08
20,7
14,31
6,99
19,36
12,86
6,99
28/7/08
20,11
15,30
8,44
22,09
15,59
8,44
29/7/08
21,11
11,02
6,76
20,13
13,63
6,76
30/7/08
21,08
15,06
8,49
21,62
15,12
8,49
31/7/08
19,63
16,99
9,60
22,09
15,59
9,60
1/8/08
20,54
14,38
10,36
22,37
15,87
10,36
2/8/08
22,38
15,94
6,77
20,61
14,11
6,77
3/8/08
25,09
13,97
9,43
21,12
14,62
9,43
4/8/08
25,14
17,06
10,00
22,46
15,96
10,00
5/8/08
24,62
15,98
12,28
20,82
14,32
12,28
6/8/08
21,82
17,03
10,32
23,31
16,81
10,32
7/8/08
17,74
14,25
10,39
23,54
17,04
10,39
8/8/08
20,51
14,28
8,03
21,34
14,84
8,03
9/8/08
24,91
12,22
10,02
20,09
13,59
10,02
10/8/08
22,56
11,89
11,02
21,59
15,09
11,02
84
Atravs dos valores da Tabela 3 foram criados os grficos abaixo representados, referentes
temperatura mxima, temperatura mnima e velocidade do vento.
Analisando os grficos das Figuras 61, 62 e 63 e a equivalente Tabela 3 pode-se calcular o
erro mdio dado pela formula
U
W
referente s previses
efectuadas para a manh do dia Amanh, ou seja previso a dois dias. O erro mdio para
a temperatura mxima que se obteve foi de 2,94 C, para a temperatura mnima de
1,39 C e para a velocidade do vento de 4,06 Km/h. Obtendo-se novamente um erro
superior para a velocidade do vento, devido s razes j apresentadas anteriormente. No
entanto, pode-se concluir que os erros obtidos para a manh do dia seguinte apresentam
valores similares aos obtidos para o dia de hoje, o que vem reforar a fiabilidade do
controlador desenvolvido.
A Tabela 4, por sua vez, apresenta os valores reais e os obtidos atravs do sistema difuso,
para as temperaturas mximas e mnimas e tambm para o vento, para a tarde do dia
seguinte ao de hoje. Com base nesses valores foram criados os grficos representados nas
Figuras 64, 65, 66, referentes a temperatura mxima, temperatura mnima e velocidade do
vento.
Temperatura Mxima
32
Real
Previso
30
28
Temparatura
26
24
22
20
18
16
10
Dias
12
14
16
18
20
Figura 61 Comparao da temperatura mxima para a manh de Amanh.
85
Temperatura Mnima
19
Real
Previso
18
17
Temperatura
16
15
14
13
12
11
10
10
Dias
12
14
16
18
20
Figura 62 Comparao da temperatura mnima para a manh de Amanh.
Velocidade do Vento
25
Real
Previso
Velocidade (Km/h)
20
15
10
10
Dias
12
14
16
18
20
Figura 63 Comparao da velocidade do vento para a manh de Amanh.
86
Tabela 5 Valores reais e valores da previso para a tarde de Amanha.
Reais
Data
Sistema Difuso
TMx
TMn
Vento
TMx
TMn
Vento
[C]
[C]
[km/h]
[C]
[C]
[km/h]
22/7/08
34,00
18,97
8,47
23,08
15,58
10,79
23/7/08
21,19
16,35
19,81
25,01
17,51
11,73
24/7/08
19,06
15,12
16,67
25,99
18,49
11,26
25/7/08
18,83
17,29
10,38
24,63
17,13
10,73
26/7/08
23,60
14,87
10,69
20,51
13,01
9,20
27/7/08
21,43
16,06
14,64
22,56
15,06
10,47
28/7/08
21,72
13,80
12,01
23,81
16,31
8,94
29/7/08
22,57
15,78
10,74
22,58
15,08
10,18
30/7/08
22,83
17,62
20,40
22,58
15,08
10,02
31/7/08
21,40
15,38
13,53
23,81
16,31
12,17
1/8/08
22,07
16,94
12,70
24,53
17,03
11,96
2/8/08
27,20
16,01
10,67
24,34
16,84
8,15
3/8/08
27,40
17,83
10,51
23,11
15,61
10,01
4/8/08
26,37
17,89
11,95
24,38
16,88
11,60
5/8/08
29,39
18,38
7,57
24,83
17,33
10,26
6/8/08
23,50
15,92
11,80
24,92
17,42
11,88
7/8/08
20,43
16,36
5,33
25,11
17,61
11,74
8/8/08
22,97
14,04
12,50
23,43
15,93
12,55
9/8/08
28,93
14,87
6,95
20,45
12,95
9,53
10/8/08
25,00
16,37
6,18
23,48
15,98
12,31
87
Temperatura Mxima
Real
Previso
34
32
Temperatura
30
28
26
24
22
20
18
10
Dias
12
14
16
18
20
Figura 64 Comparao da temperatura mxima para a tarde de Amanh.
Temperatura Mnima
20
Real
Previso
19
18
Temperatura
17
16
15
14
13
12
10
Dias
12
14
16
18
20
Figura 65 Comparao da temperatura mnima para a tarde de Amanh.
88
Velocidade do Vento
22
Real
Previso
20
18
Velocidade (Km/h)
16
14
12
10
10
Dias
12
14
16
18
20
Figura 66 Comparao da velocidade do vento para a tarde de Amanh.
Analisando os grficos e a Tabela 4 pode-se calcular o erro mdio das previses
efectuadas para a tarde do dia Amanh atravs da equao
U
W
O erro mdio para a temperatura mxima de 3,46 C, para a temperatura mnima de

1,49 C e para a velocidade do vento de 2,96 Km/h.
Mais uma vez, a variao dos erros mdios para os diferentes parmetros, da tarde de
amanh, no so significativos quando comparados com a manh desse dia ou mesmo com
as do dia anterior.
Em relao aos valores das previses para a manh do dia Depois de Amanh,
encontram-se registados na Tabela 5, assim como ao valores reais, podendo-se assim,
efectuar uma comparao entre valores reais e valores da previso e construir os grficos
abaixo ilustrados (Figura 67, 68, 69).
89
Tabela 6 Valores reais e valores da previso para a manha de Depois de Amanha.
Reais
Data
Sistema Difuso
TMx
TMn
Vento
TMx
TMn
Vento
[C]
[C]
[km/h]
[C]
[C]
[km/h]
22/7/08
30,65
15,18
9,94
21,37
15,37
10,25
23/7/08
18,68
15,54
8,22
21,42
15,42
9,99
24/7/08
19,34
15,51
10,05
21,68
15,68
11,16
25/7/08
18,05
15,35
9,17
23,13
17,13
11,76
26/7/08
22,68
15,95
7,68
18,75
12,75
8,75
27/7/08
20,7
14,31
6,99
20,86
14,86
7,97
28/7/08
20,11
15,30
8,44
18,39
12,39
9,70
29/7/08
21,11
11,02
6,76
21,62
15,62
8,99
30/7/08
21,08
15,06
8,49
18,89
12,89
12,26
31/7/08
19,63
16,99
9,60
20,92
14,92
13,19
1/8/08
20,54
14,38
10,36
21,62
15,62
11,11
2/8/08
22,38
15,94
6,77
21,75
15,75
8,69
3/8/08
25,09
13,97
9,43
19,20
13,20
7,88
4/8/08
25,14
17,06
10,00
19,29
13,29
11,80
5/8/08
24,62
15,98
12,28
21,57
15,57
8,13
6/8/08
21,82
17,03
10,32
18,57
12,57
12,10
7/8/08
17,74
14,25
10,39
22,87
16,87
7,97
8/8/08
20,51
14,28
8,03
21,75
15,75
10,54
9/8/08
24,91
12,22
10,02
20,73
14,73
9,36
10/8/08
22,56
11,89
11,02
19,02
13,02
7,28
90
Temperatura Mxima
32
Real
Previso
30
28
Temperatura
26
24
22
20
18
16
10
Dias
12
14
16
18
20
Figura 67 Comparao da temperatura mxima para a manh de Depois de Amanh.

Temperatura Mnima
19
Real
Previso
18
17
Temperatura
16
15
14
13
12
11
10
10
Dias
12
14
16
18
20
Figura 68 Comparao da temperatura mnima para a manh de Depois de Amanh.
91
Velocidade do Vento
Real
Previo
Velocidade (Km/h)
20
15
10
10
Dias
12
14
16
18
20
Figura 69 Comparao da velocidade do vento para a manh de Depois de Amanh.
Mais uma vez, e pela anlise da Tabela 5 e dos grficos anteriores calculou-se o erro mdio
da previso para a manh do dia Depois de Amanh e obteve-se um erro de 3,15 C
para a temperatura mxima, de 1,82 C para a temperatura mnima e de 4,18 Km/h para
a velocidade do vento.
Por fim, na Tabela 6 esto representados os valores referentes tarde do dia de Depois de
Amanh. Os grficos das Figura 70, 71, 72, foram criados com os valores da referida
tabela para se poder analisar mais facilmente os resultados obtidos.
Com base na Tabela 6 e nos grficos efectuados calculou-se o erro mdio para a referida
previso, obtendo-se um erro de 3,21 C para a temperatura mxima, 1,81 C para a
temperatura mnima e de 3,36 Km/h para a velocidade do vento.
92
Tabela 7 Valores reais e valores da previso para a tarde de Depois de Amanha.
Reais
Data
Sistema Difuso
TMx
TMn
Vento
TMx
TMn
Vento
[C]
[C]
[km/h]
[C]
[C]
[km/h]
22/7/08
34,00
18,97
8,47
24,44
17,94
12,21
23/7/08
21,19
16,35
19,81
20,63
14,13
13,96
24/7/08
19,06
15,12
16,67
24,24
17,74
14,98
25/7/08
18,83
17,29
10,38
27,42
20,92
13,96
26/7/08
23,60
14,87
10,69
22,78
16,29
10,88
27/7/08
21,43
16,06
14,64
18,79
12,29
10,22
28/7/08
21,72
13,80
12,01
21,92
15,42
11,31
29/7/08
22,57
15,78
10,74
22,69
16,19
12,50
30/7/08
22,83
17,62
20,40
21,81
15,31
14,36
31/7/08
21,40
15,38
13,53
21,43
14,93
12,72
1/8/08
22,07
16,94
12,70
22,69
16,19
12,58
2/8/08
27,20
16,01
10,67
23,98
17,48
10,77
3/8/08
27,40
17,83
10,51
22,99
16,49
9,05
4/8/08
26,37
17,89
11,95
21,63
15,17
13,33
5/8/08
29,39
18,38
7,57
23,43
16,93
10,52
6/8/08
23,50
15,92
11,80
23,39
16,89
14,72
7/8/08
20,43
16,36
5,33
23,43
16,93
11,22
8/8/08
22,97
14,04
12,50
23,80
17,30
13,30
9/8/08
28,93
14,87
6,95
22,02
15,52
11,49
10/8/08
25,00
16,37
6,18
19,34
12,84
9,98
93
Temperatura Mxima
Real
Previso
34
32
Temperatura
30
28
26
24
22
20
18
10
Dias
12
14
16
18
20
Figura 70 Comparao da temperatura mxima para a tarde de Depois de Amanh.
Temperatura Mnima
22
Real
Previso
21
20
19
Temperatura
18
17
16
15
14
13
12
11
10
Dias
12
14
16
18
20
Figura 71 Comparao da temperatura mnima para a tarde de Depois de Amanh.
94
Velocidade do Vento
22
Real
Previso
20
18
Velocidade (Km/h)
16
14
12
10
8
6
10
Dias
12
14
16
18
20
Figura 72 Comparao da velocidade do vento para a tarde de Depois de Amanh.
A realizao de uma previso meteorolgica no um processo simples e exacto, j que

implica obter um resultado futuro de fenmenos muito instveis e com um elevado ndice
de variao em pequenos perodos de tempo. No entanto, o sistema desenvolvido apresenta
resultados bastante bons, apesar de possuir um erro no nulo que normal em sistemas de
previso meteorolgicos. Contudo, de referir que a previso da velocidade do vento a
que possui o erro mais elevado, devido s grandes variaes que lhe so inerentes, como
alis se pode constatar atravs da anlise dos grficos (Figuras 60, 63, 66, 69, 72), o que se
traduz por uma no linearidade muito elevada.
Mais, pela anlise dos valores dos erros para todos estes grficos, pode-se concluir que o
sistema difuso desenvolvido robusto para qualquer uma das previses para os trs dias,
pelo que se pode concluir, que com pequenos ajustes ao algoritmo desenvolvido para dois
dias aps o actual, se iriam obter previses tambm bastante razoveis. No entanto, e
devido evoluo inerente s previses a longo prazo, de prever que o algoritmo deste
controlador com lgica difusa a um maior nmero de dias, iria ter como consequncia um
aumento do erro entre os valores obtidos por este mtodo e os reais, o que os tornaria
menos fiveis. Esta concluso vai, de qualquer forma, de encontro aos conceitos tericos j
expostos nos captulos anteriores, ou seja que a previso para mais de 10 dias ser uma
previso probabilstica, pelo que automaticamente ser menos realista.
95
96
6. CONCLUSES
O ser humano transmite a sua experincia atravs de linguagens verbais ou escritas. Desta
forma, para ser possvel a representao das experincias vividas atravs de sistemas
computacionais, foi necessrio criar uma metodologia capaz de representar numericamente
a experincia humana. Foi assim, que surgiram os sistemas de controlo difuso, que se
baseiam na linguagem verbal e a convertem numa linguagem numrica, capaz de ser
manipulada computacionalmente. O princpio de funcionamento destes sistema, usufrui de
um universo de regras, que maioritariamente tm uma correspondncia lingustica
estabelecida pela teoria dos conjuntos difusos, que definem o grau de verdade ou de
falsidade de uma afirmao em relao a um determinado conjunto.
A meteorologia a cincia que estuda os fenmenos atmosfricos, baseando-se em
conceitos bastante vagos, pelo que consequentemente, tambm fornece informaes muito
vagas e algumas vezes resultantes do senso comum do ser humano. Assim sendo, optou-se
por criar um modelo de previso meteorolgica que com o menor erro possvel, fornece-se
o estado meteorolgico para um ou vrios dias, recorrendo inferncia difusa que tem
como suporte os conceitos da lgica e do controlo difuso.
Na aplicao desenvolvida optou-se por disponibilizar a previso do estado do tempo para
no mximo trs dias, isto devido s previses superiores a trs ou quatro dias no serem de
grande fiabilidade, independentemente do sistema de previso que seja usado.
97
Desta forma, as previses fornecidas dizem respeito ao dia actual e aos dois dias
imediatamente a seguir. Caso a previso seja efectuada para o dia em que o utilizador se
encontra, apresentada a temperatura mxima, mdia, mnima e a velocidade do vento,
assim como, uma imagem que traduz o estado do tempo (exemplo: nublado, chuva,
aguaceiros, etc.). Nos dois dias seguintes apresentado, tanto para a manh como para a
tarde, a temperatura mxima, mnima e a velocidade do vento e a imagem que traduz o
estado do tempo.
Para o estudo da fiabilidade do sistema foi efectuada a comparao dos resultados obtidos
atravs do sistema difuso com os valores reais provenientes de uma estao meteorolgica.
Podemos constatar que se obtiveram previses bastante boas, apesar de possur um erro
que inevitvel a qualquer sistema de previso. de salientar, que os valores reais que
serviram de apoio a este sistema so oriundos da regio da Galiza, que caracterizada por
fenmenos atmosfricos inconstantes nomeadamente a nvel da velocidade do vento.
6.1
DESENVOLVIMENTOS FUTUROS
Esta seco identifica alguns aspectos do sistema de previso meteorolgica que podem vir
a ser melhorados.
O desempenho de um sistema difuso depende essencialmente da sua base de regras, do tipo
de agregao, do tipo de colapsagem, do nmero de conjuntos difusos, do tipo de
inferncia e do tipo de funes de pertena. Assim, para o melhoramento do desempenho
de um sistema difuso ser necessrio fazer ajustes nos referidos parmetros.
Numa primeira fase, devero ser acrescentados mais conjuntos difusos para cada varivel
de entrada e consequentemente fazer um ajuste na base de regras de forma a melhorar a
resposta do sistema. Em relao aos outros parmetros de desempenho de um sistema
difuso no ser necessrio fazer qualquer alterao significativa, j que as opes
escolhidas so as que se revelaram melhores para o problema em questo, pois foi com elas
que se obtiveram os resultados mais aproximados aos reais, depois de efectuados vrios
ensaios e testes.
Um outro aspecto importante que dever ser implementado o acesso remoto ao sistema
atravs da web, deixando o sistema de estar limitado apenas a uma mquina (computador).
Uma soluo que poder ser adoptada colocar a base do sistema desenvolvido a correr
num servido e criar o ambiente grfico de interface utilizador/sistema numa aplicao web,
98
em que os comandos e as respostas so disponibilizados pelo sistema numa pgina de

Internet.
A previso foi baseada e comparada com valores reais de uma estao meteorolgica da
regio da Galiza que, apesar de no ser uma regio muito afastada do territrio portugus
revela fenmenos atmosfricos bastante adeversos, o que leva, a que as previses
efectuadas por este sistema de previso meteorolgica no sejam vlidas para o territrio
nacional, mesmo para a regio norte do pas. Uma boa soluo seria utilizar valores obtidos
em estaes meteorolgicas nacionais de forma a que as previses refletissem o estado do
tempo para Portugal e nomeadamente para a zona norte. Uma outra soluo para este
problema, j que os dados meteorolgicos em Portugal no so de fcil acesso, por razes
alheias a este trabalho, seria efectuar um estudo aprofundado sobre as diferenas entre os
fenmenos atmosfricos da Galiza e as diferentes regies de Portugal e adaptar o sistema
difuso desenvolvido de forma a utilizar valores lidos na Galiza e fazer a previso para as
regies de Portugal.
99
100
Referncias Documentais
(http://www.meteogalicia.es/galego/observacion/estacions/estacionsActual.asp?Nest=1012
4).
Barabalho, Valria M. S.Sistemas Baseados em Conhecimento e Lgica Difusa para
Simulao do Processo Chuva-Vazo. Tese de Ps-Graduao em Engenharia da
Universidade Federal do Rio de Janeiro em 2001.
Barros, Lacio CarvalhoTeoria Fuzzy XBiomatemtica Tese de Mestrado IMECCUNICAMP, 2001.
Coelho, Bruno F. V. M.Modelo de Previso da Evoluo do Biodiesel no Brasil
Utilizando Lgica Fuzzy. Rio de Janeiro, 2007, Brasil.
Gomide,F., Rocha, A.Neurofuzzy Components Based on Threshold- IFAC SICICA
Simposium, Malaga, Espanha, 1992-c.pp.425-430.
Jantzen, JanDesign of Fuzzy Controllers, Denmark, 1998.
Lopes, Maria Uso das Metodologias Promethee e F. Promethee na Avaliao de
Clientes. Tese de Ps-Graduao em Engenharia Programao Matemtica,
Universidade Federal do Paran, Curitiba, Brasil, 2005.
Luna, Guillermo M.Elementos de lgica difusa. 2000. CINVESTAV-IPN.
MatlabThe Language of Technical Computing, vesion 7.3.0.267(R2006b), The
MathWorks, 2006.
Miranda, Vladimiro Fundamentos de Controlo Difuso, Porto, 1998
Oliveira, Paulo J. C. RamalhoSuperviso de Controladores, Lisboa, 1991.
Ortega, Neli Regina Siqueira Aplicao de Teoria de Conjuntos Fuzzy a Problemas da
Biomedicina Tese de Doutoramento, Brasil, 2001.
Romo, Wesley, OutrosAlgoritmos Genticos e Conjuntos Difusos Aplicados ao
Controle de um Processo Tcnico, Brasil.
Satellites, Small: 1960-1969 from the Surrey Satellite Technology Ltd website.
Souza, Nelson Controladores Lgico Difusos: uma alternativa para o controlo de
processos industriais crticos. Santa Catarina, Brasil, 2000.
Zanette, Adriano, RADANOVITSCK, Eduardo Aguiar, GONALVES, William
WolmannFuzzy Logic, Brasil, 2006.
101
102

DM JorgeRibeiro 2008 MEEC

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

DM JorgeRibeiro 2008 MEEC

Hochgeladen von

Copyright:

Verfügbare Formate

MODELO DE PREVISO

Jorge Martinho Ribeiro

Departamento de Engenharia Electrotcnica

Este relatrio satisfaz, parcialmente, os requisitos que constam da Ficha de Disciplina de

Candidato: Jorge Martinho Ribeiro, N 1030345, 1030345@isep.ipp.pt

Departamento de Engenharia Electrotcnica

Atravs do Guide do MATLAB foi desenvolvido o ambiente grfico do sistema e um

ORGANIZAO DO RELATRIO ......................................................................................................... 3

CONTROLO LGICO DIFUSO: ESTADO DA ARTE .................................................................... 5

EVOLUO HISTRICA DO CONTROLO DIFUSO .................................................................................. 5

O que a logica difusa? .......................................................................................................... 7

Variveis lingusticas .............................................................................................................. 8

Multiplicao Vector - Matriz Difusos .................................................................................. 10

Inferncia Max Min ............................................................................................................ 12

CONJUNTOS DIFUSOS ...................................................................................................................... 15

Variveis difusas ................................................................................................................... 15

Operaes com conjuntos difusos ......................................................................................... 16

Criar conjuntos difusos ......................................................................................................... 18

Efeitos do uso de advrbios com variveis lingusticas ........................................................ 18

SISTEMAS DIFUSOS ......................................................................................................................... 20

CONTROLADORES LGICO DIFUSOS ................................................................................................ 20

Tipos de controladores logico difusos................................................................................... 22

Estrutura de um controlador difuso ...................................................................................... 24

Regras difusas ....................................................................................................................... 26

Mtodos de colapsagem existentes ........................................................................................ 27

Colapsagem pelo centro de massa ........................................................................................ 28

Colapsagem pelo centro dos centros das reas .................................................................... 28

Colapso pela mdia dos mximos .......................................................................................... 29

Propriedades de um mtodo de colapsagem.......................................................................... 30

O QUE A METEOROLOGIA BREVE INTRODUO................................................................ 31

EVOLUO DA METEOROLOGIA AT AOS DIAS DE HOJE ................................................................... 32

SISTEMAS DE PREVISO METEOROLGICA ....................................................................................... 35

ELEMENTOS METEOROLOGICOS FUNDAMENTAIS CONSIDERADOS NAS PREVISES ........................... 37

SISTEMA DE PREVISO METEOROLGICA ............................................................................. 41

SISTEMA DE INFERENCIA DIFUSA (FIS) DO MATLAB ........................................................................ 41

DEFINIO DAS FUNES DE PERTENA EXISTENTES NO FIS .......................................................... 45

SISTEMAS DE INFERNCIA DIFUSA DESENVOLVIDOS ........................................................................ 55

SISTEMA DE INFERNCIA DIFUSA TEMPO ...................................................................................... 55

SISTEMA DE INFERNCIA DIFUSA TEMPO2 .................................................................................... 64

INTERFACE GRFICA CRIADA E INTERLIGAO DOS SISTEMAS FIS DESENVOLVIDOS ...................... 68

DESENVOLVIMENTOS FUTUROS ....................................................................................................... 98

REFERNCIAS DOCUMENTAIS ............................................................................................................ 101

Figura 35 Funo de pertena da varivel difusa de sada Wind. ..................................................... 62

Calendarizao do projecto ............................................................................................ 2

Exemplos de variveis lingusticas com valores tpicos [SOUZA, 2000]. ..................... 9

Valores reais e valores da previso para dia Hoje. ................................................... 81

Valores reais e valores da previso para a manh de Amanha ................................. 84

Valores reais e valores da previso para a tarde de Amanha. ................................... 87

Valores reais e valores da previso para a manha de Depois de Amanha. ............... 90

Valores reais e valores da previso para a tarde de Depois de Amanha. .................. 93

World Meteorological Organization

Fuzzy Inference Syste

Global Forecast System

North American Mesoscale

Weather Research and Forecasting

European Centre for Medium-range Weather Forecasts

eXtensible Marcup Language

ALADIN Aire Limite Adaptation Rynamique Dveloppement InterNational

O objectivo principal deste projecto a criao de um modelo de previso meteorolgica

Esta tese encontra-se organizada em 6 captulos. No Captulo 1 contextualizado o

EVOLUO HISTRICA DO CONTROLO DIFUSO

desenvolvimento de componentes electrnicos. Esta ferramenta permite por um lado captar

Na teoria clssica dos conjuntos um dado elemento do universo pode ou no pertencer ao

Em geral, as palavras so menos precisas que os nmeros, assim sendo, o conceito de

0.0, 0.6

0.0, 1.0

0.0, 0.6

!"# 1 2 1 $ para 0.5 A(x) 1