Monitoração de Qualidade de água com o uso de Dados simbólicos Afonso Gustavo Ataide Ferreira

Cenário  Preocupação Mundial Escassez Escassez Conflitos Armados Conflitos Armados Mundo volta-se para a qualidade. (IQA) Mundo volta-se para a qualidade. (IQA)  Iniciativas Brasileiras Conama Conama ANA ANA

Roteiro  Estado da Arte  Metodologia  Resultados  Conclusões e Trabalhos Futuros

Estado da Arte Classificação de Amostras de Água

 CONRADS (MLP x Branch/BLTM)  YONG (SOM x MLP)  BARUAH (MLP)

Estado da Arte Análise de Dados Simbólicos

 Dado Numérico  Dado Categórico  Conjuntos  Intervalos Numéricos  Conjuntos associados a pesos

Análise de Dados Simbólicos PessoaIdadeAltura(m)Peso(kg)Sexo W1W1 181,795M W2W2 251,651F W3W3 601,5860F W4W4 141,555M W5W5 101,142F GrupoIdadeAltura (m)Peso (kg)Sexo G1G1 {(Pré-adolescente, 2/5), (Adolescente,1/5), (Adulto, 2/5)} {(Alto, 1/5), (Médio, 2/5), (Baixo, 1/5) } { (Magro, 1/5), (Normal, 3/5), (Gordo, 1/5) } {(M, 2/5), (F, 3/5)}

Classificador Simbólico  Amostras:  Espaço:

Classificador Simbólico  Join:

Classificador Simbólico  Aprendizagem:  Sem Mutual Neighborhood Graph  Mutual Neighborhood Graph: Múltiplas regiões. Múltiplas regiões. Sem interseção com outras classes. Sem interseção com outras classes.

Classificador Simbólico  Classificação:

Metodologia Coleta de Dados Seleção de Variáveis Limpeza dos Dados Análise dos Dados Divisão dos Conjuntos

Coleta de Dados  Bases da CETESB  35 Características  IQA e outros índices  onze rios, 239 amostras.

Seleção de Variáveis

 Oxigênio Dissolvidos  Coliformes Fecais  Potencial Hidrogeniônico (pH)  Demanda Bioquímica de Oxigênio  Temperatura  Nitrogênio Total  Fósforo Total  Turbidez  Resíduo Total

Limpeza dos Dados  Valores não numéricos Ex: NKT < 0,2 Ex: NKT < 0,2

Limpeza dos Dados  Valores Ausentes: Substituídos pela média da classe Substituídos pela média da classe

Análise dos Dados  Tamanho do conjunto

Análise dos Dados

Conjuntos de Treinamento e Teste  Hold-out estratificado (50 – 50) ClasseTreinamentoTeste C01009 C277 C312 C421

Resultados ProtótipoExperimentos

Protótipo  Java J2SE1.5  Tanagra

Experimentos  Classificador Simbólico: Taxa de Erro: 21,20% Taxa de Erro: 21,20% Desempate: Maior Volume Desempate: Maior Volume

Experimentos  K-Vizinhos (5-nn) Distância: Euclidiana Distância: Euclidiana Taxa de Erro: 28,84% Taxa de Erro: 28,84%

Experimentos  Classificador Simbólico: Taxa de Erro: 29,63% Taxa de Erro: 29,63% Desempate: Menor Volume Desempate: Menor Volume

Resultados  Teste Estatístico 1000 iterações 1000 iterações

Conclusões

Conclusões  Classificador Simbólico um pouco melhor que o k-vizinhos  Performance ruim em algumas classes  Utilização de MNG aumentou taxa de erro.

Trabalhos Futuros

 Mudança do formato de Região H-Region H-Region  Adaptação do algoritmo de MNG  Testes com outras bases de Dados

Referências  ANA – Agência Nacional de Águas  Java –  ICHINO, M., YAGUCHI, H. AND DIDAY, E.: A fuzzy symbolic pattern classifier In: Diday, E. et al (Eds.): Ordinal and Symbolic Data Analysis. Springer, Berlin, (1996) 92–102  D’OLIVEIRA, S. T., CARVALHO, F.A.T., SOUZA, R. M. C. R.. A Classifier for Quantitative Feature Values Based on a Region Oriented Symbolic Approach. C. Lemaître, C.A. Reyes, J. A. Gonzalez: IBERAMIA 2004, LNAI 3315 pp ,2004  TANAGRA. TANAGRA - A Free DATA MINING Software for Teaching and Research. Disponível em:. Acesso em: Janeiro 2006.