Download - Artigo Fuzzy
SISTEMA PARA ESTIPULAR O TEMPO DE EXERCÍCIOS E A QUANTIDADE CALORIAS A SER INGERIDAS DIARIAMENTE USANDO LÓGICA FUZZY
EDLANE OLIVEIRA DA COSTA
Escola Superior de Tecnologia – Universidade do Estado do Amazonas (UEA)Manaus – AM – Brasil
Resumo. Este artigo visa apresentar um sistema baseado em lógica fuzzy, que tem como objetivo calcular o tempo de exercício e a quantidade de calorias a ser ingeridas diariamente utilizando à lógica fuzzy. O sistema desenvolvido teve como entrada as variáveis: Peso, IMC (Índice de Massa Corporal) e idade. E como saída: Tempo de Exercício e Quantidade Calorias a ingerir, e relacionando as variáveis linguísticas de Peso, IMC e Idade por exemplo “Baixo”, “Médio”, e “Alto”, através dessa relação retornar um resultado demonstrando horas e minutos de exercício a ser executado e número de calorias a ser ingeridas. Foi utilizada a ferramenta Matlab para desenvolver o modelo proposto através de simulações.
Palavra-chave: lógica fuzzy, massa e altura, índice de massa corporal, matlab.
Abstract. This article aims to present a fuzzy logic-based system, which aims to calculate the body mass index showing levels more accurately using the different fuzzy logic of the current calculation of BMI. The system developed had as input the mass and height variables, and output a fuzzy IMC, relating the linguistic variables of height and weight as "Very Low", "Low", "Medium", "High" and "Very High". And through this comparison returns a result showing the most relevant degree. Matlab was used to develop the model through simulations.
Keyword: fuzzy logic, mass and height, body mass index, matlab.
1. INTRODUÇÃO
No Brasil, 56,9% das pessoas com mais de 18 anos estão com excesso
de peso, ou seja, têm um índice de massa corporal (IMC) igual ou maior que
25. Além disso, 20,8% das pessoas são classificadas como obesas por terem
IMC igual ou maior que 30. A obesidade é um fator de risco importante para
doenças como hipertensão, diabetes e câncer. Os dados são da Pesquisa
Nacional de Saúde (PNS), feita pelo Instituto Brasileiro de Geografia e
Estatística (IBGE).
Em suma, o comportamento de consumo dos brasileiros vem se
alterando com a expansão da renda e a maior concentração urbana (Coelho,
2006; Menezes, Silveira e Azzoni, 2008), o que impacta na qualidade da
composição alimentar das famílias e, portanto, na saúde pública do país.
Apesar de todos os dados abordados na pesquisa ainda não há uma
conscientização da população em relação a sua alimentação. Através do
cálculo gerado pelo Índice de Massa Corporal (IMC) utilizando os valores de
massa e altura obtém resultados que estão representados numa tabela já pré-
estabelecida, se o indivíduo está abaixo do peso, ou se tem o peso ideal ou
esta acima do peso.
O presente trabalho tem como objetivo desenvolver um sistema
utilizando lógica Fuzzy que verifique através das variáveis de entrada e saída
a condição física do individuo identificando se o mesmo está no seu peso ideal
ou não, e a partir do resultado ajustar o tempo que ele deve gastar em
atividade física e seu consumo calórico possibilitando a avaliação periódica de
seu peso buscando um estilo de vida mais saudável.
2. Lógica Fuzzy
Diferente da Lógica Booleana que admite apenas valores booleanos, ou
seja, verdadeiro ou falso, a lógica difusa ou fuzzy, trata de valores que variam
entre 0 e 1. Assim, uma pertinência de 0.5 pode representar meio verdade,
logo 0.9 e 0.1, representam quase verdade e quase falso, respectivamente
(SILVA, 2005).
As variáveis de entrada são fuzzificadas associando-as com termos
linguísticos, cujos valores são definidos por funções de pertinência. Um
mecanismo de inferência aplica as operações da lógica fuzzy no sistema
baseado em regras para possibilitar as implicações das regras individuais e
determinar uma conclusão geral representada por uma saída fuzzy. Por fim,
esta saída é traduzida em um valor crisp usando um método de defuzzificação.
Funções de pertinência fuzzy representam os aspectos fundamentais de
todas as ações teóricas e práticas de sistemas fuzzy. Uma função de
pertinência é uma função numérica gráfica ou tabulada que atribui valores de
pertinência fuzzy para valores de uma variável em seu conjunto universo. O
universo de uma variável representa o intervalo numérico de todos os possíveis
valores reais que uma variável específica pode assumir. (PEIXOTO, 2005). Os
números fuzzy mais comuns são os triangulares e os trapezoidais. Um número
fuzzy A é dito triangular se sua função de pertinência é da forma:
Para a<b<c
3. Descrição da Proposta
O principal objetivo do sistema será estimar horas/minutos de atividade
física a ser executado e o consumo de calorias que a pessoa deverá incluir na
sua rotina diária, isto calculado através das variáveis de entrada Peso, IMC e
Idade, relacionando suas respectivas variáveis linguísticas.
4. Métodos
4.1 Variáveis do sistema baseado em lógica fuzzy
Para a criação de um sistema baseado em regras fuzzy, foi necessário
definir um processador de entrada conhecido como fuzzificador, um conjunto
de regras linguísticas, um método de inferência fuzzy e um processador de
saída ou defuzzificador, que gera um número real como saída. Ilustrado na
figura 1 o sistema baseado em regras fuzzy proposto.
Figura 2: Sistema baseado em regras fuzzy
Peso (KG)
IMC Fuzzy
Hora/Minuto Atividade Física
Idade
Consumo Calórico
6. Modelagem das variáveis linguísticas
Com as variáveis linguísticas definidas são determinados seu universo
de discurso (Figura 2), as partes do conjunto de etiquetas dos respectivos
conjuntos fuzzy moldados na tabela 1.
Variáveis de entrada
Etiquetas entradas
Regras Etiqueta saídaVariáveis de saída
Peso
Leve
Médio
Pesado
R1
R2
R3
R4
R5
R6
R7
...
R36
Baixo
Médio
Alto
BaixoConsumo
ConsumoMedio
AltoConsumo
TempoExercicio
ConsumoCaloria
IMC
Abaixo
Normal
Acima do Peso
Obeso
IdadeJovem
Adulto
Idoso
Tabela 1: Tabela detalhando controlador fuzzy
Variáveis linguísticas
Universo de discurso
Termos linguísticos
Valores
Entrada
Peso [30 150]
Leve
Médio
Pesado
30 a 65
50 a 110
95 a 140
IMC [17 40]
Abaixo
Normal
Acima Peso
Obeso
<18
18 a 25,5
25 a 30
29,5 a 40
Idade [10 80]
Jovem
Adulto
Idoso
10 a 21
18 a 60
50 a 80
Saída
TempoExercicio [0 90]
Baixo
Medio
Alto
0 a 30
30 a 60
60 a 90
ConsumoCaloria[1000 a 3500]
BaixoConsumo
ConsumoMedio
AltoConsumo
1000 a 1700
1500 a 2700
2500 a 3500
Tabela 2: Detalhamento das variáveis linguísticas
6.1 Entradas
As variáveis de entrada Peso, IMC e idade foram analisadas de acordo
com as regras fuzzy, para cada variável foram definida as suas funções de
pertinência denominada de acordo com tabela abaixo:
Conjunto Fuzzy
Tipo
Peso
“Leve”
“Médio”
“Pesado”
Triangular
Triangular
Triangular
IMC
“Abaixo”Trapezoida
l
“Normal” Triangular
“AcimaPeso” Triangular
“Obeso”Trapezoida
l
Idade
“Jovem”
“Adulto”
“Idoso”
Triangular
Triangular
Triangular
Tabela 3: Definição das funções de pertinência das variáveis de entrada
Figura 3: Função de pertinência da variável linguística “Peso”
Saída
As variáveis de saída quantidade de tempo de exercício a ser
executado (TempoExercicio) e quantidade de ingestão de
caloria(ConsumoCaloria), geraram um número real no intervalo [0,1]. As
Figura 4: Função de pertinência da variável linguística “altura”
Figura 5: Função de Pertinência da variável linguística “Idade”.
funções de pertinência destas variáveis possuíram as mesmas denominações
das funções da variável de entrada.
Tabela 4: Definição das funções de pertinência das variáveis de saída.
Conjunto Fuzzy Tipo Delimitadores
TempoExercicio
Baixo Trapezoidal [-32.4 -3.6 2.99 29.88]
Médio Triangular [30.4 44.8 60.36]
Alto Trapezoidal [60.36 87.1 93.6 122]
ConsumoCalórico BaixoConsumo
ConsumoMedio
AltoConsumo
Trapezoidal
Trapezoidal
Trapezoidal
[1000 1090 1370 1704]
[1510 1840 2300 2700]
[2490 3397 3600 4400]
Figura 5: Função de pertinência da variável linguísticas “TempoExercicio”
7. Superfície
Após a realização desta simulação foi possível comparar os valores obtidos para o Tempo de Exercício e Consumo de Caloria com os valores relacionados do Peso, IMC e Idade sendo representados na Figura 6 e 7 com os dados ordenados do TempoExercicio e ConsumoCaloria.
Figura 6: TempoExercicio
Figura 6: Função de pertinência da variável linguísticas “ConsumoCaloria”
Resultado da defuzificação figura 8:
Figura 7: ConsumoCaloria
8. CONSIDERAÇÕES FINAIS
A teoria fuzzy permite a programação de conceitos não exatos, tornando
possível a realização de cálculos com informações imprecisas, a exemplo dos
conceitos imprecisos dos seres humanos (BARROS, 2002).
O controlador fuzzy nos dá a possibilidade de chegar a resultados
minuciosamente calculados que a matemática exata não nos permite. Assim,
neste artigo podemos perceber que o programa possibilita chegar a um
resultados mais concisos, diferente do calculo IMC(Índice de Massa Corporal).
Tabela 7: Defuzificação
Pois o sistema utiliza mais variáveis precisas, como idade que pode determinar
o tempo de exercício para determinada idade.
REFERÊNCIAS
JAFELICE, R., BARROS, L., BASSANEZI, R. e GOMIDE, F. – Modelos
COELHO, A. B. A demanda de alimentos no Brasil. 2006. Dissertação (Ph.D.) – Universidade Federal de Viçosa, Viçosa, 2006.
IBGE instituto Brasileiro de Geografia e Estatística- Disponível em:<http://www.ibge.gov.br/home/estatistica/pesquisas/calendario. php>. Acesso em: 26 de outubro de 2015.
MENEZES, T. A.; SILVEIRA, F. G.; AZZONI, C. R. Demand elasticities for food products: a two-stage budgeting system. Applied economics, v. 40, p. 2.557-2.572, 2008.
SILVA, Renato Afonso Cota. Inteligência artificial aplicada à ambientes de Engenharia de Software: Uma visão geral. Universidade Federal de Viçosa, 2005.