Population Growth Models Using Fuzzy Ordinary Differential Equation

Diogo Sampaio da Silva; Roberto Antonio Cordeiro Prata

doi:10.5433/1679-0375.2025.v46.53167

Modelos de Crescimento Populacional através de Equações Diferenciais Ordinárias Fuzzy

Autores

Diogo Sampaio da Silva Universidade Federal do Amazonas https://orcid.org/0009-0000-5597-1355
Roberto Antonio Cordeiro Prata Federal University of Amazonas https://orcid.org/0000-0001-7578-1014

DOI:

https://doi.org/10.5433/1679-0375.2025.v46.53167

Palavras-chave:

matemática fuzzy, modelos de crescimento populacional, equações diferenciais ordinárias, números fuzzy, modelagem matemática

Resumo

A matemática fuzzy é uma área da matemática que apresenta uma nova abordagem para a noção clássica de conjunto, permitindo a generalização de conceitos e resultados da matemática clássica. Usando o conceito de número fuzzy, uma generalização do número real, estudamos equações diferenciais ordinárias fuzzy, gerando soluções mais amplas para equações diferenciais que modelam o crescimento populacional. Em particular, estudamos um modelo para o crescimento de microrganismos no leite e, por meio da solução fuzzy, expandimos os possíveis valores de parâmetros dos modelos e estudamos suas relações. Nesse contexto, estudamos as propriedades dos números fuzzy interativos, bem como suas aplicações na modelagem matemática. Por meio de exemplos concretos, ilustraremos como a Matemática Fuzzy e os números fuzzy interativos são aplicados em situações do mundo real, destacando sua relevância na tomada de decisões em ambientes de incerteza e imprecisão. Através das soluções e valores dos parâmetros já obtidos na literatura, juntamente com teoria dos números fuzzy interativos, obtivemos modelos preditivos que abarcam intervalos centrados nos valores previstos deterministicamente, através de desvios previstos dentro do intervalo de confiança obtido para um dos parâmetros em cada modelo.

Downloads

Não há dados estatísticos.

Biografia do Autor

Diogo Sampaio da Silva, Universidade Federal do Amazonas

Mestrando do Programa de Pós-Graduação em Matemática da Universidade Federal do Amazonas (UFAM), Manaus, AM, Brasil.

Roberto Antonio Cordeiro Prata, Federal University of Amazonas

Prof. Dr., Departamento de Matemática, Universidade Federal do Amazonas (UFAM), Manaus, AM, Brasil.

Referências

Barros, L. C., Bassanezi, R. C., & Lodwick, W. A. (2017). A First Course in Fuzzy Logic, Fuzzy Dynamical Systems, and Biomathematics Theory and Applications. Springer.

Bassanezi, R. (2002). Ensino - aprendizagem com Modelagem matemática. Contexto.

Cabral, V. M., & Barros, L. C. (2019). On differential equations with interactive fuzzy parameter via t-norms. Fuzzy Sets and Systems, 358, 97–107. https://doi.org/10.1016/j.fss.2018.07.010

Cabral, V. M., Prata, R. A. C., & Barros, L. C. (2015). f-correlated fuzzy numbers applied to HIV model with protease inhibitor therapy. Mathware & soft computing: The Magazine of the European Society for Fuzzy Logic and Technology, 22(1), 46–51.

Carlsson, C., Fullér, R., & Majlender, P. (2004). Additions of completely correlated fuzzy numbers. 2004 IEEE International Conference on Fuzzy Systems (IEEE Cat. No. 04CH37542), 1, 535–539. https://doi.org/https://doi.org/10.1109/FUZZY.2004.1375791

Dubois, D., & Prade, H. (1981). Additions of interactive fuzzy numbers. IEEE Transactions on Automatic Control, 26(4), 926–936. https://doi.org/10.1109/TAC.1981.1102744

Gomes, L. T., Barros, L. C., & Bede, B. (2015). Fuzzy Differential Equations in Various Approaches. SBMAC-Springer. https://doi.org/10.1007/978-3-319-22575-3

Longhi, D. A., Dalcanton, F., Aragão, G. M. F., Carciofi, B. A. M., & Laurindo, J. B. (2013). Assessing the prediction ability of different mathematical models for the growth of Lactobacillus plantarum under non-isothermal conditions. Journal of Theoretical Biology, 335, 88–96. https://doi.org/10.1016/j.jtbi.2013.06.030

Longhi, D. A., Dalcanton, F., Aragão, G. M. F., Carciofi, B. A. M., & Laurindo, J. B. (2017). Microbial growth models: A general mathematical approach to obtain μmax and λ parameters from sigmoidal empirical primary models. Brazilian Journal of Chemical Engineering, 34(2), 369–375. https://ouci.dntb.gov.ua/en/works/lRX0pXW7/

Robazza, W., Teleken, J., & Gomes, G. (2010). Modelagem Matemática do Crescimento de Microrganismos em Alimentos. Trends in Computational and Applied Mathematics, 11(1), 101–110. https://doi.org/10.5540/tema.2010.011.01.0101

Zadeh, L. (1965). Fuzzy sets. Information and Control, 8(3), 338–353. https://doi.org/10.1016/S0019-9958(65)90241-X

Zadeh, L. (1975). The concept of a linguistic variable and its application to approximate reasoning—II. Information Sciences, 8(4), 301–357. https://doi.org/10.1016/0020-0255(75)90046-8