MINERAÇÃO DE DADOS PARA ANÁLISE E DAGNÓSTICO AMBIENTAL
Documento
Informações da Tese
Título
MINERAÇÃO DE DADOS PARA ANÁLISE E DAGNÓSTICO AMBIENTAL
Autor
Gilberto Carvalho Pereira
Resumo
A zona costeira brasileira apresenta grande extensão e variedade de ambientes. Nesta região, concentram-se mais de sessenta por cento da população e da atividade econômica do país, o que causa enorme pressão nos recursos naturais. Contudo, pouco se sabe sobre sua diversidade biológica e o funcionamento dos ecossistemas. Mudanças ambientais são constantes, sendo importante distinguir entre variabilidade natural e antrópica. Neste cenário, o objetivo deste trabalho é apresentar uma metodologia para o desenvolvimento de um Sistema Inteligente de Gerenciamento Integrado do Ecossistema Costeiro (SIGIEC), capaz de avaliar o nível de qualidade e saúde ambiental através do conceito de Integridade Biológica. Foram usadas séries temporais de dez anos de parâmetros físicos, químicos e biológicos para extrair conhecimento e gerar modelos de regras de associação para classificar sete diferentes tipos de condições ambientais, analisadas através da diversidade biológica, assim como um novo índice trófico (PLIX). Redes neurais artificiais foram otimizadas por algoritmos genéticos para fazer predições destes índices, apresentando um diagnóstico ambiental baseado na análise dos mecanismos de controle da topologia, estabilidade e propriedades do comportamento complexo de redes alimentares, além das possibilidades de extinções em cascata.
Abstract
The Brazilian coastal zone presents a large extension and a variety environments. More than sixty percent of the population and economic activities in the country take place in this region which is characterized by a huge pressure on environmental resources. Nevertheless, little is known about biological diversity and ecosystem dynamics. Environmental changes always occurs; however, it is important to distinguish natural from anthropic variability. Under these scenarios, the aim of this work is to present a methodology to develop an Intelligent System for Coastal Ecosystem Integrated Management (SIGIEC), which is able to access the quality and health levels of the environment through the biological integrity concept.Ten year time series of physical, chemical and biological parameters were used to generate a classification model based on association rules that recognizes seven different classes based on biological diversity and a new trophic index (PLIX). Artificial neural networks were evolved and optimized by genetic algorithms to forecast these indices, enabling environmental diagnostic to be made taking into account control mechanisms of topology, stability and complex behavioral properties of food web, as well as cascade extinction possibilities.
Ano
2005
Orientadores
Nelson Francisco Favilla Ebecken | Ricardo Coutinho