Modelagem e identificação de dados epidemiológicos associados à pandemia de COVID-19 no estado de Santa Catarina

Detalhes bibliográficos
Autor(a) principal: Anschau, Eduard Hermes
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/242599
Resumo: Dissertação (mestrado) - Universidade Federal de Santa Catarina, Campus Joinville, Programa de Pós-Graduação em Engenharia de Sistemas Eletrônicos, Joinville, 2022.
id UFSC_4b3068865d2797ad70db895680f15f6d
oai_identifier_str oai:repositorio.ufsc.br:123456789/242599
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Universidade Federal de Santa CatarinaAnschau, Eduard HermesBrito, Alexandro GarroJaskowiak, Pablo Andretta2022-12-13T11:50:57Z2022-12-13T11:50:57Z2022379142https://repositorio.ufsc.br/handle/123456789/242599Dissertação (mestrado) - Universidade Federal de Santa Catarina, Campus Joinville, Programa de Pós-Graduação em Engenharia de Sistemas Eletrônicos, Joinville, 2022.O coronavírus (COVID-19) difundiu-se 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 trabalho apresenta um estudo comparativo entre três técnicas de modelagem e previsão de dados epidemiológicos associados à pandemia de COVID-19 no Brasil, especificamente no estado de Santa Catarina. Foram considerados modelos do tipo ARIMA, Non-Linear Autoregressive model with eXogenous input (NARX) e Non-Linear Autoregressive model Moving Average with eXogenous input (NARMAX) polinomiais para importantes séries de dados associadas à doença. O paradigma de validação dos modelos preditivos consistiu em janelas deslizantes de avanço não ancorado, sendo que o desempenho preditivo, avaliado por meio da aplicação de métricas de desempenho tradicionais, mostrou que, num âmbito geral, a técnica ARIMA gerou predições superiores em comparação com as modelagens NARX e NARMAX.Abstract: The coronavirus (COVID-19) has spread all over the globe and has become one of the great ailments of contemporaneity, deeply impacting Brazil, which is one of the nations most affected by the disease. Thus, the need for technological systems to combat the health crisis has become even more urgent in this country. In view of this, the present work presents a comparative study between three modeling and forecasting techniques for epidemiological data associated with the pandemic of COVID-19 in Brazil, specifically in the state of Santa Catarina. We considered polynomial ARIMA-type models, Non-Linear Autoregressive model with eXogenous input (NARX) and Non-Linear Autoregressive model Moving Average with eXogenous input (NARMAX) for important data series associated with the disease. The validation paradigm for the predictive models consisted of unanchored forward sliding windows, and the predictive performance, assessed by applying traditional performance metrics, showed that, overall, the ARIMA technique generated superior predictions compared to the NARX and NARMAX models.154 p.| il., gráfs.porSistemas eletrônicosEpidemiologiaCOVID-19Modelagem e identificação de dados epidemiológicos associados à pandemia de COVID-19 no estado de Santa Catarinainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSCinfo:eu-repo/semantics/openAccessORIGINALPESE0014-D.pdfPESE0014-D.pdfapplication/pdf4105750https://repositorio.ufsc.br/bitstream/123456789/242599/-1/PESE0014-D.pdfc268d84896a996baf1ed50b1fcf48421MD5-1123456789/2425992022-12-13 08:50:57.841oai:repositorio.ufsc.br:123456789/242599Repositório de PublicaçõesPUBhttp://150.162.242.35/oai/requestopendoar:23732022-12-13T11:50:57Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Modelagem e identificação de dados epidemiológicos associados à pandemia de COVID-19 no estado de Santa Catarina
title Modelagem e identificação de dados epidemiológicos associados à pandemia de COVID-19 no estado de Santa Catarina
spellingShingle Modelagem e identificação de dados epidemiológicos associados à pandemia de COVID-19 no estado de Santa Catarina
Anschau, Eduard Hermes
Sistemas eletrônicos
Epidemiologia
COVID-19
title_short Modelagem e identificação de dados epidemiológicos associados à pandemia de COVID-19 no estado de Santa Catarina
title_full Modelagem e identificação de dados epidemiológicos associados à pandemia de COVID-19 no estado de Santa Catarina
title_fullStr Modelagem e identificação de dados epidemiológicos associados à pandemia de COVID-19 no estado de Santa Catarina
title_full_unstemmed Modelagem e identificação de dados epidemiológicos associados à pandemia de COVID-19 no estado de Santa Catarina
title_sort Modelagem e identificação de dados epidemiológicos associados à pandemia de COVID-19 no estado de Santa Catarina
author Anschau, Eduard Hermes
author_facet Anschau, Eduard Hermes
author_role author
dc.contributor.none.fl_str_mv Universidade Federal de Santa Catarina
dc.contributor.author.fl_str_mv Anschau, Eduard Hermes
dc.contributor.advisor1.fl_str_mv Brito, Alexandro Garro
dc.contributor.advisor-co1.fl_str_mv Jaskowiak, Pablo Andretta
contributor_str_mv Brito, Alexandro Garro
Jaskowiak, Pablo Andretta
dc.subject.classification.none.fl_str_mv Sistemas eletrônicos
Epidemiologia
COVID-19
topic Sistemas eletrônicos
Epidemiologia
COVID-19
description Dissertação (mestrado) - Universidade Federal de Santa Catarina, Campus Joinville, Programa de Pós-Graduação em Engenharia de Sistemas Eletrônicos, Joinville, 2022.
publishDate 2022
dc.date.accessioned.fl_str_mv 2022-12-13T11:50:57Z
dc.date.available.fl_str_mv 2022-12-13T11:50:57Z
dc.date.issued.fl_str_mv 2022
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 https://repositorio.ufsc.br/handle/123456789/242599
dc.identifier.other.none.fl_str_mv 379142
identifier_str_mv 379142
url https://repositorio.ufsc.br/handle/123456789/242599
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 154 p.| il., gráfs.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
bitstream.url.fl_str_mv https://repositorio.ufsc.br/bitstream/123456789/242599/-1/PESE0014-D.pdf
bitstream.checksum.fl_str_mv c268d84896a996baf1ed50b1fcf48421
bitstream.checksumAlgorithm.fl_str_mv MD5
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1766805178730676224

Registros relacionados