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.