Sistema de Inferência Neuro-Fuzzy para Análise Microbiológica de Processos de Compostagem

Abstract

A cama de galpões de confinamento de bovino leiteiro no modelo compost barn tem grande impacto na qualidade e produtividade animal. O objetivo deste estudo é desenvolver um modelo não-linear para estimar a quantidade de bactéria em camas de compostagem. A partir de variáveis de fácil mensuração, estimativas podem ser geradas pelo modelo e, consequentemente, análises laboratoriais caras e demoradas são evitadas. Um modelo de inferência neuro-fuzzy, ANFIS, é considerado. A pesquisa foi realizada em uma propriedade em Três Corações. Diferentes funções de pertinência fuzzy e algoritmos de aprendizado, tais como Fuzzy C-Means e Retro-Propagação de Erro, foram avaliados na construção do modelo ANFIS. Os resultados mostram que ANFIS prediz a contagem total de bactérias com boa acurácia. A melhor configuração ANFIS usa cinco atributos facilmente mensuráveis (pH, umidade, temperatura na superfície e a 0,15m de profundidade, e resíduo mineral fixo); funções de pertinência Gaussianas apropriadamente posicionadas no espaço dos dados via Fuzzy C-Means; e o algoritmo de retro-propagação para adaptar os coeficientes de funções consequentes afins. Ademais, um modelo simplificado com quatro atributos - excluído o resíduo mineral fixo - usando função de pertinência sino generalizado é sugerido alternativamente ao preço de uma pequena redução em acurácia.