Título: Modelagem e Identificação de Dados Epidemiológicos Associados à Pandemia de COVID- 19 em Santa Catarina
Autores: Eduard Hermes Anschau, Alexandro Garro Brito and Pablo Andretta Jaskowiak
Resumo:
O novo coronavírus (COVID-19) difundiu-se de maneira significante por todo o globo e tornou-se uma das grandes mazelas da contemporaneidade, impactando profundamente o Brasil, o qual configura como uma das nações mais afetadas pela doença. Desse modo, a necessidade por sistemas tecnológicos de combate à crise sanitária tornou-se ainda mais urgente nesse país. À vista disso, o presente artigo apresenta um estudo comparativo entre duas técnicas de modelagem e previsão de dados epidemiológicos associados à pandemia de Covid no Brasil, especificamente no estado de Santa Catarina. Essencialmente, foram concebidos modelos do tipo Non-Linear Autoregressive model with eXogenous input (NARX) polinomiais como contraponto à modelagem de séries temporais por meio da construção de redes neurais recorrentes da variante Long short-term memory (LSTM) para séries de dados correspondentes às quantidades de casos confirmados, óbitos, pacientes recuperados e leitos do sistema público de saúde ocupados por pacientes acometidos pela doença. O desempenho preditivo dos modelos, avaliado por meio da aplicação de métricas de desempenho tradicionais, mostrou que, para três das quatro séries temporais utilizadas para previsão, o modelo NARX obteve resultados mais satisfatórios.
Palavras-chave:
COVID-19, aprendizado de máquina, NARX, long short-term memory.
Páginas: 8
Código DOI: 10.21528/CBIC2021-122
Artigo em pdf: CBIC_2021_paper_122.pdf
Arquivo BibTeX: CBIC_2021_122.bib