Dissertação PPG.EGPSA

URI permanente para esta coleçãohttps://rigalileo.itegam.org.br/handle/123456789/3

Navegar

Filtros

20243

Configurações

Assunto: search.filters.subject.Inferência fuzzy

Resultados da Pesquisa

Agora exibindo 1 - 3 de 3
  • Imagem de Miniatura
    Item
    Sistema de inferência fuzzy para avaliação dos impactos ambientais sobre o aspecto da caminhabilidade
    (Instituto de Tecnologia e Educação Galileo da Amazônia, 2024) TOLEDO, Ulli Guerreiro de; CAMPOS, Paola Souto
    This dissertation investigates the applicability of a fuzzy inference system to evaluate environmental impacts on urban walkability in Manaus, Amazonas. The central problem lies in the need for precise methodologies to measure pedestrian infrastructure quality and guide sustainable public policies. The main objective of the study is to develop a fuzzy inference model capable of classifying the level of pedestrian mobility in different city zones, using the walkability indicators (iCam) from the Institute for Transportation and Development Policy (ITDP). The methodology involved the collection of primary and secondary data, the application of walkability indicators in four city zones, and the modeling of the fuzzy system using MATLAB software. The results demonstrated that the developed model is effective in identifying areas with different levels of walkability, contributing to the formulation of public policies aimed at sustainable urban development. It is concluded that the fuzzy inference system is a useful tool for assessing urban walkability and improving the quality of life in cities.
  • Imagem de Miniatura
    Item
    Modelo de avaliação da qualidade do saneamento básico por sistema de inferência fuzzy
    (Instituto de Tecnologia e Educação Galileo da Amazônia, 2024) NASCIMENTO, Aline Santos do; ALENCAR, David Barbosa de
    O debate sobre abastecimento de água e gestão de resíduos é uma questão econômica e ambiental discutida desde as primeiras cidades. Inicialmente, o esgoto era despejado nos rios sem tratamento, mas os avanços científicos levaram a novas soluções. No Brasil, a Lei nº 11.445/2007 regulamenta o saneamento básico, que inclui abastecimento de água, sistemas de esgoto, gestão de resíduos sólidos e drenagem urbana. Investimentos neste setor são essenciais para a saúde pública e o desenvolvimento sustentável, mas muitas pessoas ainda não têm acesso a esses serviços, agravando problemas de saúde e degradação ambiental, segundo a UNICEF (2020). Tecnologias como inteligência artificial e sistemas de inferência fuzzy têm sido aplicadas para otimizar a gestão desses serviços. Este estudo desenvolveu um modelo de inferência fuzzy para avaliar a qualidade dos serviços de saneamento básico. O modelo analisou indicadores como abastecimento de água, sistemas de esgoto e gestão de resíduos, usando a metodologia fuzzy para abordar incertezas e fornecer diagnósticos mais precisos. O processo incluiu fuzzificação de entradas, aplicação de regras de inferência e defuzzificação para transformar os resultados em dados interpretáveis. Os resultados mostraram que a lógica fuzzy é eficaz na identificação de pontos críticos em saneamento, oferecendo soluções para redução de custos e melhoria da eficiência. O modelo é adaptável a diferentes contextos regionais, tornando-o adequado para aplicação em outras localidades. Com essa ferramenta, ações corretivas foram efetivamente direcionadas, contribuindo para a melhoria dos serviços e a universalização do saneamento. Isso apoia o alcance do Objetivo de Desenvolvimento Sustentável (ODS) 6, que visa garantir o acesso universal e sustentável à água e ao saneamento.
  • Imagem de Miniatura
    Item
    Sistema de inferência fuzzy para análise dos requisitos técnicos dos taxímetros
    (Instituto de Tecnologia e Educação Galileo da Amazônia, 2024-11) LEITE, Yago Ruan Binda; NASCIMENTO, Manoel Henrique Reis
    This research implements a fuzzy inference model to support the preliminary technical analysis of taximeters, aiming for greater accuracy and reliability in inspections according to Ordinance No. 124, March 24, 2022. The methodology was structured in three phases: identification of technical indicators, fuzzy system modeling, and model experimentation. Using Matlab R2013a - Fuzzy Toolbox, variables, fuzzy sets, and inference rules were defined. Results indicated that the model replicates real inspection conditions, reducing subjectivity and promoting uniformity in evaluations.