Técnicas de aprendizagem máquina aplicadas à COVID-19
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
Texto Completo: | http://hdl.handle.net/10348/11521 |
Resumo: | O Coronavírus, ou COVID-19, é um dos problemas mais sérios que atualmente o mundo enfrenta, colocando em risco a saúde de muitas pessoas afetando diretamente os pulmões e com muitas outras eventuais complicações dependendo das comorbidades de cada paciente. Várias pesquisas em todo o mundo têm sido feitas em diversos domínios da ciência na tentativa de desacelerar ou conter a tendência crescente da disseminação deste vírus. Sendo que, para entender e gerir esta pandemia, a estimativa do total de casos confirmados é essencial. Os sistemas multiagente têm sido cada vez mais utilizados. Oferecendo grandes potencialidades no estudo de sistemas sociais em domínios multidisciplinares, e permitindo simular fenómenos complexos que não podem ser facilmente descritos analiticamente. Neste trabalho propõe-se implementar sistemas de simulação multiagente no ambiente Netlogo para simular a propagação do vírus Covid-19 e analisar o impacto do confinamento, tempo de imunidade, utilização de máscara e vacinação. Apresentam-se dois casos de estudo na simulação da propagação da Covid-19 utilizando o NetLogo. No primeiro caso desenvolveu-se uma réplica de um modelo em que se considerou para cada cenário de confinamento diferentes períodos de imunidade, podendo verificar que a maioria das simulações apresentam curvas epidêmicas cíclicas, podendo este comportamento desaparecer caso haja um aumento na percentagem de indivíduos confinados (superior a 80%). Mostrando também que o aumento do confinamento, independentemente do tempo de imunidade, provoca uma curva epidêmica mais achatada. No segundo caso de estudo, consideram-se diferentes cenários de indivíduos relativamente à utilização da máscara, vacinação e diferentes probabilidades de contágio. Os resultados obtidos permitem concluir que dentro dos parâmetros utilizados, mantendo sempre o modelo o mais próximo da realidade, em todas as simulações temos curvas epidêmicas cíclicas, sendo que a que obtém um melhor resultado é no cenário em que indivíduos vacinados utilizam também máscara reduzindo a sua probabilidade de contágio. |
id |
RCAP_0e152f4c6ace8be0fd8cc50cbc9c927a |
---|---|
oai_identifier_str |
oai:repositorio.utad.pt:10348/11521 |
network_acronym_str |
RCAP |
network_name_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository_id_str |
7160 |
spelling |
Técnicas de aprendizagem máquina aplicadas à COVID-19Inteligência artificialAprendizagem máquinaO Coronavírus, ou COVID-19, é um dos problemas mais sérios que atualmente o mundo enfrenta, colocando em risco a saúde de muitas pessoas afetando diretamente os pulmões e com muitas outras eventuais complicações dependendo das comorbidades de cada paciente. Várias pesquisas em todo o mundo têm sido feitas em diversos domínios da ciência na tentativa de desacelerar ou conter a tendência crescente da disseminação deste vírus. Sendo que, para entender e gerir esta pandemia, a estimativa do total de casos confirmados é essencial. Os sistemas multiagente têm sido cada vez mais utilizados. Oferecendo grandes potencialidades no estudo de sistemas sociais em domínios multidisciplinares, e permitindo simular fenómenos complexos que não podem ser facilmente descritos analiticamente. Neste trabalho propõe-se implementar sistemas de simulação multiagente no ambiente Netlogo para simular a propagação do vírus Covid-19 e analisar o impacto do confinamento, tempo de imunidade, utilização de máscara e vacinação. Apresentam-se dois casos de estudo na simulação da propagação da Covid-19 utilizando o NetLogo. No primeiro caso desenvolveu-se uma réplica de um modelo em que se considerou para cada cenário de confinamento diferentes períodos de imunidade, podendo verificar que a maioria das simulações apresentam curvas epidêmicas cíclicas, podendo este comportamento desaparecer caso haja um aumento na percentagem de indivíduos confinados (superior a 80%). Mostrando também que o aumento do confinamento, independentemente do tempo de imunidade, provoca uma curva epidêmica mais achatada. No segundo caso de estudo, consideram-se diferentes cenários de indivíduos relativamente à utilização da máscara, vacinação e diferentes probabilidades de contágio. Os resultados obtidos permitem concluir que dentro dos parâmetros utilizados, mantendo sempre o modelo o mais próximo da realidade, em todas as simulações temos curvas epidêmicas cíclicas, sendo que a que obtém um melhor resultado é no cenário em que indivíduos vacinados utilizam também máscara reduzindo a sua probabilidade de contágio.The Coronavirus, or COVID-19, is one of the most serious problems that our world is currently facing, putting the health of many people at risk, directly affecting the lungs and with many other possible complications depending on the comorbidities of each patient. Several researches around the world have been done in various fields of science in an attempt to slow down or contain the growing trend of dissemination of this virus. To understand and manage this pandemic, estimating the total number of confirmed cases is essential. Multi-agent systems have been increasingly used. Offering great potential in the study of social systems in multidisciplinary domains and allowing to simulate complex phenomena that cannot be easily described analytically. This work proposes to implement multi-agent simulation systems in the Netlogo environment to simulate the spread of the Covid-19 virus and analyze the impact of confinement, immunity time, mask use and vaccination on its spread. Two case studies are presented in the simulation of the spread of Covid-19 using Netlogo. In the first case, a replica of a model was made, in which different immunity times were considered for each confinement scenario. The results obtained in this study allowed us to confirm that most simulations present cyclic epidemic curves, and this behavior may disappear if there is an increase in the percentage of confined individuals (above 80%). Also showing that the increase in confinement, regardless of the immunity time, causes a “flatter” epidemic curve. In the second case study, different scenarios of individuals are considered regarding the use of the mask, vaccination and different probabilities of contamination. The results obtained allow us to conclude that within the parameters used, always keeping the model as close to reality, in all simulations we have cyclic epidemic curves, and the one that obtains a better result is the scenario in which vaccinated individuals also use a mask, reducing its probability of contamination.2023-04-18T14:11:14Z2022-11-18T00:00:00Z2022-11-18info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfapplication/pdfapplication/pdfhttp://hdl.handle.net/10348/11521porFraga, Milene Sofia Alvesinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2024-02-02T12:34:01Zoai:repositorio.utad.pt:10348/11521Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-20T02:01:01.568500Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse |
dc.title.none.fl_str_mv |
Técnicas de aprendizagem máquina aplicadas à COVID-19 |
title |
Técnicas de aprendizagem máquina aplicadas à COVID-19 |
spellingShingle |
Técnicas de aprendizagem máquina aplicadas à COVID-19 Fraga, Milene Sofia Alves Inteligência artificial Aprendizagem máquina |
title_short |
Técnicas de aprendizagem máquina aplicadas à COVID-19 |
title_full |
Técnicas de aprendizagem máquina aplicadas à COVID-19 |
title_fullStr |
Técnicas de aprendizagem máquina aplicadas à COVID-19 |
title_full_unstemmed |
Técnicas de aprendizagem máquina aplicadas à COVID-19 |
title_sort |
Técnicas de aprendizagem máquina aplicadas à COVID-19 |
author |
Fraga, Milene Sofia Alves |
author_facet |
Fraga, Milene Sofia Alves |
author_role |
author |
dc.contributor.author.fl_str_mv |
Fraga, Milene Sofia Alves |
dc.subject.por.fl_str_mv |
Inteligência artificial Aprendizagem máquina |
topic |
Inteligência artificial Aprendizagem máquina |
description |
O Coronavírus, ou COVID-19, é um dos problemas mais sérios que atualmente o mundo enfrenta, colocando em risco a saúde de muitas pessoas afetando diretamente os pulmões e com muitas outras eventuais complicações dependendo das comorbidades de cada paciente. Várias pesquisas em todo o mundo têm sido feitas em diversos domínios da ciência na tentativa de desacelerar ou conter a tendência crescente da disseminação deste vírus. Sendo que, para entender e gerir esta pandemia, a estimativa do total de casos confirmados é essencial. Os sistemas multiagente têm sido cada vez mais utilizados. Oferecendo grandes potencialidades no estudo de sistemas sociais em domínios multidisciplinares, e permitindo simular fenómenos complexos que não podem ser facilmente descritos analiticamente. Neste trabalho propõe-se implementar sistemas de simulação multiagente no ambiente Netlogo para simular a propagação do vírus Covid-19 e analisar o impacto do confinamento, tempo de imunidade, utilização de máscara e vacinação. Apresentam-se dois casos de estudo na simulação da propagação da Covid-19 utilizando o NetLogo. No primeiro caso desenvolveu-se uma réplica de um modelo em que se considerou para cada cenário de confinamento diferentes períodos de imunidade, podendo verificar que a maioria das simulações apresentam curvas epidêmicas cíclicas, podendo este comportamento desaparecer caso haja um aumento na percentagem de indivíduos confinados (superior a 80%). Mostrando também que o aumento do confinamento, independentemente do tempo de imunidade, provoca uma curva epidêmica mais achatada. No segundo caso de estudo, consideram-se diferentes cenários de indivíduos relativamente à utilização da máscara, vacinação e diferentes probabilidades de contágio. Os resultados obtidos permitem concluir que dentro dos parâmetros utilizados, mantendo sempre o modelo o mais próximo da realidade, em todas as simulações temos curvas epidêmicas cíclicas, sendo que a que obtém um melhor resultado é no cenário em que indivíduos vacinados utilizam também máscara reduzindo a sua probabilidade de contágio. |
publishDate |
2022 |
dc.date.none.fl_str_mv |
2022-11-18T00:00:00Z 2022-11-18 2023-04-18T14:11:14Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10348/11521 |
url |
http://hdl.handle.net/10348/11521 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf application/pdf application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação instacron:RCAAP |
instname_str |
Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
instacron_str |
RCAAP |
institution |
RCAAP |
reponame_str |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
collection |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) |
repository.name.fl_str_mv |
Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação |
repository.mail.fl_str_mv |
|
_version_ |
1799137093916557312 |