Predição de casos de dengue para o município de Recife-PE utilizando algoritmos de predição de séries temporais (2023)
- Authors:
- USP affiliated author: NISHIMURA, ÉRICA KAMIMURA - ICMC
- School: ICMC
- Subjects: DENGUE; PREDIÇÃO; ANÁLISE DE SÉRIES TEMPORAIS; APRENDIZADO COMPUTACIONAL
- Keywords: MLPRegressor; AutoARIMA; Média móvel; AdaBoost
- Language: Português
- Abstract: A dengue é uma doença viral causada por arbovírus e transmitida principalmente pelo vetor Aedes aegypti e Aedes albopictus. Em números absolutos, o Brasil apresentou o maior volume de casos de dengue da região das Américas no ano de 2022, e foi o 4º território americano com maior quantidade de casos de dengue por habitante. Em âmbito nacional, a cidade de Recife, capital do estado de Pernambuco é considerada uma área endêmica e foi utilizada como objeto de estudo neste trabalho. Entende-se que a predição do número de infectados com o vírus é de fundamental relevância para que órgãos públicos competentes possam realizar o planejamento de suas ações de prevenção e remediação de maneira efetiva. A partir dos dados relativos aos casos de dengue coletados e disponibilizados pela Prefeitura Municipal de Recife durante o período de 2017 a 2021, pretendeu-se avaliar a ditribuição temporal dos casos de dengue em Recife, identificar se diferentes agregações temporais (diária, semanal e mensal) da variável objetivo (número de casos de dengue) influenciam na eficiência da predição e comparar diferentes métodos de predição para verificar qual tem a maior acurácia. Os métodos aplicados neste estudo foram os estatísticos: média móvel de sete dias, e AutoARIMA; modelos de aprendizado de máquina: KNN e AdaBoost; e o modelo de redes neurais MLPRegressor. Como resultados, verificou-se que a variação do número de casos de dengue no município de Recife apresenta características sazonais com picos durante o período de inverno, o que pode estar relacionado ao fato de ser uma estação chuvosa na região. Também foi identificado um aumento considerável na amplitude dos picos de casos de dengue nos anos de 2019 e 2021. Em relação aos resultados de predição obtidos, verificou-se que a agregação temporal da variável objetivo influencia na eficiência dos resultados da predição, sendo a agregação semanal a queapresentou, em média, os melhores resultados para todos os modelos. Ao se tratar dos modelos aplicados, obteve-se melhores resultados de predição dos casos de dengue através do modelo de rede neural MLPRegressor.
- Imprenta:
- Place of publication: São Carlos
- Date published: 2023
-
ABNT
NISHIMURA, Érica Kamimura. Predição de casos de dengue para o município de Recife-PE utilizando algoritmos de predição de séries temporais. 2023. Trabalho de Conclusão de Curso (MBA) – Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos, 2023. Disponível em: https://bdta.abcd.usp.br/directbitstream/1a7a5a25-c931-45cf-b716-9854865b408f/%C3%89rica%20K.%20Nishimura.pdf. Acesso em: 30 abr. 2024. -
APA
Nishimura, É. K. (2023). Predição de casos de dengue para o município de Recife-PE utilizando algoritmos de predição de séries temporais (Trabalho de Conclusão de Curso (MBA). Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos. Recuperado de https://bdta.abcd.usp.br/directbitstream/1a7a5a25-c931-45cf-b716-9854865b408f/%C3%89rica%20K.%20Nishimura.pdf -
NLM
Nishimura ÉK. Predição de casos de dengue para o município de Recife-PE utilizando algoritmos de predição de séries temporais [Internet]. 2023 ;[citado 2024 abr. 30 ] Available from: https://bdta.abcd.usp.br/directbitstream/1a7a5a25-c931-45cf-b716-9854865b408f/%C3%89rica%20K.%20Nishimura.pdf -
Vancouver
Nishimura ÉK. Predição de casos de dengue para o município de Recife-PE utilizando algoritmos de predição de séries temporais [Internet]. 2023 ;[citado 2024 abr. 30 ] Available from: https://bdta.abcd.usp.br/directbitstream/1a7a5a25-c931-45cf-b716-9854865b408f/%C3%89rica%20K.%20Nishimura.pdf
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
Érica K. Nishimura.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
