Método de utilização do Fuzzy Logic Toolbox do software MATLAB para modelagem matemática de variáveis biométricas e nutricionais da cultura da soja
DOI:
https://doi.org/10.33448/rsd-v9i10.8938Palavras-chave:
Inteligência artificial; Sistema fuzzy; Lógica fuzzy.Resumo
A lógica fuzzy foi introduzida no meio científico na década de 1960 pelo então matemático Lotif Asker Zadeh. Seu conceito baseia-se na abordagem do princípio da incerteza não probabilística, composta de subjetividade e imprecisão nos termos linguísticos da informação, atribuindo valores para o grau de pertinência entre 0 e 1. A lógica fuzzy está presente nos mais diversos campos de atuação, desde construção de aeronaves à ampla utilização na área médica. Dessa forma, seu uso vem se intensificando no campo das ciências agrárias, dado possuir maior grau de acerto em relação aos modelos estatísticos, realizados de experimentos agronômicos. O objetivo foi realizar uma descrição didática da metodologia fuzzy utilizada para construção de um sistema fuzzy aplicado na cultura da soja cultivada em sistema plantio direto. Para modelagem foi utilizado o software MATLAB R2019a, no qual foi realizado “print” da tela de cada passo durante a construção do modelo, de modo a contribuir para ampla divulgação dos sistemas fuzzy nas ciências agrárias.
Referências
Anjos, J. C. A (2001). Um sistema de avaliação de produtividade em assentamentos rurais utilizando lógica fuzzy. 82 f. Dissertação (Mestrado) - Pós-Graduação em Ciência da Computação, Universidade Federal de Santa Catarina.
Cremasco, C. P.; Gabriel Filho, L. R. A., & Cataneo, A. (2010) Methodology for determination of fuzzy controller pertinence functions for the energy evaluation of poultry industry companies. Energia na Agricultura, 259(3):21-39.
Gabriel Filho, L. R. A.; Cremasco, C. P.; Putti, F. F., & Chacur, M. G. M. (2011) Application of fuzzy logic for the evaluation of livestock slaughtering. Engenharia Agrícola, 31(4):813-825.
Gabriel Filho, L. R. A.; Pigatto, G. A. S., & Lourenzani, A. E. B. S. (2015) Fuzzy rule-based system for evaluation of uncertainty in cassava chain. Engenharia Agrícola, 35(2):350-367.
Gabriel Filho, L. R. A.; Putti, F. F.; Cremasco, C. P.; Bordin, D.; Chacur, M. G. M., & Gabriel L. R. A. (2016) Software to assess beef cattle body mass through the fuzzy body mass index. Engenharia Agrícola, 36(1): 179-193.
Goes, R. J. (2016). Doses de Nitrogênio em Coberturas Vegetais e Molibdênio Foliar na Soja em Sucessão. 77 f. Tese (Doutorado) - Pós-Graduação em Agronomia (Sistemas de Produção), Universidade Estadual Paulista.
Janarthanan, R.; Balamurali, R.; Annapoorani, A., & Vimala, V. (2020). Prediction of rainfall using fuzzy logic. Materials Today: Proceedings, S2214785320346332.
Li, M.; Sui, R.; Meng, Y., & Yan, H. (2019). A real-time fuzzy decision support system for alfalfa irrigation. Computers and Electronics in Agriculture, 163, 104870.
Mamdani, E. H., & Assilian, S. (1975). An Experiment in Linguistic Synthesis with a Fuzzy Logic Controller. International Journal of Man-Machine Studies, 7(1), 1–13.
Martínez, M. P.; Cremasco, C. P.; Gabriel Filho, L. R. A.; Braga Junior, S. S.; Bednaski, A. V.; Quevedo-Silva, F.; Correa, C. M.; Silva, D., & Padgett, R. C. M. L. (2020) Fuzzy inference system to study the behavior of the green consumer facing the perception of greenwashing. Journal of Cleaner Production, 242: 116064.
Pereira, D. F.; Bighi, C. A.; Gabriel Filho, L. R. A., & Cremasco, C. P. C. (2008) Sistema fuzzy para estimativa do bem-estar de matrizes pesadas. Engenharia Agrícola, 28(4):624-633.
Phuong, N. H., & Kreinovich, V. (2001). Fuzzy logic and its applications in medicine. International Journal of Medical Informatics, 62(2–3), 165–173.
Prabakaran, G.; Vaithiyanathan, D., & Ganesan, M. (2018). Fuzzy decision support system for improving the crop productivity and efficient use of fertilizers. Computers and Electronics in Agriculture, 150, 88–97.
Putti, F. F.; Gabriel Filho, L. R. A.; Cremasco, C. P.; Bonini Neto, A.; Bonini, C. S. B., & Reis, A. R. (2017a) A Fuzzy mathematical model to estimate the effects of global warming on the vitality of Laelia purpurata orchids. Mathematical Biosciences, 288:124-129.
Putti, F. F.; Gabriel Filho, L. R. A.; Silva, A. O.; Ludwig, R., & Cremasco, C. P. (2014) Fuzzy logic to evaluate vitality of catasetum fimbiratum species (Orchidacea). Irriga, 19(3):405-413.
Putti, F. F.; Kummer, A. C. B.; Grassi Filho, H.; Gabriel Filho, L. R. A., & Cremasco, C. P. (2017b) Fuzzy modeling on wheat productivity under different doses of sludge and sewage effluent. Engenharia Agrícola, 37(6):1103-1115.
Putti, F. F. (2015). Análise dos indicadores biométricos e nutricionais da cultura da alface (Lactuca sativa L.) irrigada com água tratada magneticamente utilizando modelagem fuzzy. 186 f. Tese (Doutorado) - Pós-Graduação em Agronomia (Irrigação e Drenagem), Universidade Estadual Paulista.
Ren, Z.; Liao, H., & Liu, Y. (2020). Generalized Z-numbers with hesitant fuzzy linguistic information and its application to medicine selection for the patients with mild symptoms of the COVID-19. Computers & Industrial Engineering, 145, 106517.
Rignel, D. G.; Chenci, G. P., & Lucas, C. A. (2011). Uma introdução a lógica fuzzy. Revista Eletrônica de Sistemas de Informação e Gestão Tecnológica, 1(1), 12.
Salgado, C. M.; Vieira, S. M.; Mendonça, L. F.; Finkelstein, S., & Sousa, J. M. C. (2016). Ensemble fuzzy models in personalized medicine: Application to vasopressors administration. Engineering Applications of Artificial Intelligence, 49, 141–148.
Slavyanov, K. (2018). An algorithm of fuzzy inference system for human resources selection tools. Society Integration Education. Proceedings of the International Scientific Conference, 5, 445–454.
Viais Neto, D. S.; Cremasco, C. P.; Bordin, D.; Putti, F. F.; Silva Junior, J. F., & Gabriel Filho, L. R. A. (2019a) Fuzzy modeling of the effects of irrigation and water salinity in harvest point of tomato crop. Part I: description of the method. Engenharia Agrícola, 39(3):294-304.
Viais Neto, D. S.; Cremasco, C. P.; Bordin, D.; Putti, F. F.; Silva Junior, J. F., & Gabriel Filho, L. R. A. (2019b) Fuzzy modeling of the effects of irrigation and water salinity in harvest point of tomato crop. Part II: application and interpretation. Engenharia Agrícola, 39(3):305-14.
Viais Neto, D. S. (2016). Modelagem fuzzy para avaliação do desenvolvimento do tomate em tensões de água no solo e doses de salinidade na irrigação. 70 f. Tese (Doutorado) - Pós-Graduação em Agronomia (Irrigação e Drenagem), Universidade Estadual Paulista.
Zadeh, L. A. (1965). Fuzzy sets. Information and Control, 8(3), 338–353.
Zimmermann, H. J. (2010). Fuzzy set theory: Fuzzy set theory. Wiley Interdisciplinary Reviews: Computational Statistics, 2(3), 317–332.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2020 Bruno César Góes; Renato Jaqueto Goes; Camila Pires Cremasco; Luís Roberto Almeida Gabriel Filho
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam nesta revista concordam com os seguintes termos:
1) Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
2) Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
3) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.
