Redes neurais artificiais aplicadas à previsão da incidência de malária no estado de Roraima
Autor(a) principal: | |
---|---|
Data de Publicação: | 2010 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFU |
Texto Completo: | https://repositorio.ufu.br/handle/123456789/14275 |
Resumo: | The present work aims to create a prototype called SISPIMA - forecast system in the incidence of malaria, to generate estimates of the incidence of malaria in Roraima state in three different periods: short term (3 months), medium term (6 months) and long term (12 months). To develop the system, were employed techniques of artificial neural networks and time series analysis. The SISPIMA consists of four steps: collection and storage of data, preprocessing, training and predicting the incidence of malaria. Data were obtained through access to the site SIVEP-Malaria Health Ministry. These were filtered, normalized and classified by SISPIMA in the pre-processing before performing the training and prediction. For training and forecasting, used artificial neural networks. The architecture of artificial neural network used was the multilayer perceptron (MLP) with a variation of the backpropagation training algorithm, called of Resilient Propagation (RPROG). To validate the results and assess the performance and accuracy of the proposed system, we use the ARIMA model as a comparison because of its wide application in epidemiological time series forecasting. |
id |
UFU_76e81a0c57ef64870df53ec2b2568bfc |
---|---|
oai_identifier_str |
oai:repositorio.ufu.br:123456789/14275 |
network_acronym_str |
UFU |
network_name_str |
Repositório Institucional da UFU |
repository_id_str |
|
spelling |
2016-06-22T18:37:48Z2011-03-142016-06-22T18:37:48Z2010-12-17CUNHA, Guilherme Bernardino da. Redes neurais artificiais aplicadas à previsão da incidência de malária no estado de Roraima. 2010. 125 f. Tese (Doutorado em Engenharias) - Universidade Federal de Uberlândia, Uberlândia, 2010.https://repositorio.ufu.br/handle/123456789/14275The present work aims to create a prototype called SISPIMA - forecast system in the incidence of malaria, to generate estimates of the incidence of malaria in Roraima state in three different periods: short term (3 months), medium term (6 months) and long term (12 months). To develop the system, were employed techniques of artificial neural networks and time series analysis. The SISPIMA consists of four steps: collection and storage of data, preprocessing, training and predicting the incidence of malaria. Data were obtained through access to the site SIVEP-Malaria Health Ministry. These were filtered, normalized and classified by SISPIMA in the pre-processing before performing the training and prediction. For training and forecasting, used artificial neural networks. The architecture of artificial neural network used was the multilayer perceptron (MLP) with a variation of the backpropagation training algorithm, called of Resilient Propagation (RPROG). To validate the results and assess the performance and accuracy of the proposed system, we use the ARIMA model as a comparison because of its wide application in epidemiological time series forecasting.O presente trabalho objetiva a criação de um protótipo denominado de SISPIMA Sistema de Previsão da Incidência da Malária, para gerar previsões da incidência de malária no estado de Roraima em três períodos distintos: curto prazo (3 meses), médio prazo (6 meses) e longo prazo (12 meses). Para o desenvolvimento do sistema, foram empregadas técnicas de redes neurais artificiais e análise de séries temporais. O SISPIMA é constituído de quatro etapas: coleta e armazenagem dos dados, pré-processamento, treinamento e previsão da incidência de malária. Os dados foram obtidos por meio do acesso ao portal SIVEP- Malária do Ministério da Saúde. Esses foram filtrados, normalizados e classificados pelo SISPIMA na etapa de pré-processamento antes de efetuar o treinamento e a previsão. Para o treinamento e previsão, utiliza se as redes neurais artificiais. A arquitetura da rede neural artificial empregada foi o multilayer perceptron (MLP) com uma variação do algoritmo de treinamento backpropagation, denominado de Resilient Propagation (RPROG). Para validar os resultados e apurar o desempenho e acurácia do sistema proposto, utiliza-se o modelo ARIMA como comparativo, devido a sua larga aplicação na previsão de séries epidemiológicas.Doutor em Ciênciasapplication/pdfporUniversidade Federal de UberlândiaPrograma de Pós-graduação em Engenharia ElétricaUFUBREngenhariasRedes neurais artificiaisPrevisão da incidência de maláriaBackpropagationModelo ARIMASuavização exponencialRedes neurais (Computação)Malária - RoraimaArtificial neural networkForecasting of malariaBackpropagationARIMA modelsExponential smoothingCNPQ::ENGENHARIAS::ENGENHARIA ELETRICARedes neurais artificiais aplicadas à previsão da incidência de malária no estado de RoraimaRedes neurais artificiais aplicadas à previsão da incidência de malária no estado de Roraimainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisPereira, Adriano Alveshttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4708323H0Naves, Eduardo Lázaro Martinshttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4737362U8Milagre, Selma Terezinhahttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4227249A8Yamanaka, Keijihttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4798494D8Codeço, Cláudia Torreshttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4790532T7Parreira, Fábio Joséhttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4559579A2http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4751513T2Cunha, Guilherme Bernardino dainfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFUinstname:Universidade Federal de Uberlândia (UFU)instacron:UFUTHUMBNAILTese Guilherme.pdf.jpgTese Guilherme.pdf.jpgGenerated Thumbnailimage/jpeg1348https://repositorio.ufu.br/bitstream/123456789/14275/3/Tese%20Guilherme.pdf.jpg077298d8a3cc74c15641b5ebce7be9a9MD53ORIGINALTese Guilherme.pdfapplication/pdf3490974https://repositorio.ufu.br/bitstream/123456789/14275/1/Tese%20Guilherme.pdfffea5e5757fc42775c663340250ecf71MD51TEXTTese Guilherme.pdf.txtTese Guilherme.pdf.txtExtracted texttext/plain144306https://repositorio.ufu.br/bitstream/123456789/14275/2/Tese%20Guilherme.pdf.txt551e2bd12879b51c869fdbfd588c0366MD52123456789/142752016-06-23 03:50:06.006oai:repositorio.ufu.br:123456789/14275Repositório InstitucionalONGhttp://repositorio.ufu.br/oai/requestdiinf@dirbi.ufu.bropendoar:2024-04-26T15:07:20.422968Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU)false |
dc.title.por.fl_str_mv |
Redes neurais artificiais aplicadas à previsão da incidência de malária no estado de Roraima Redes neurais artificiais aplicadas à previsão da incidência de malária no estado de Roraima |
title |
Redes neurais artificiais aplicadas à previsão da incidência de malária no estado de Roraima |
spellingShingle |
Redes neurais artificiais aplicadas à previsão da incidência de malária no estado de Roraima Cunha, Guilherme Bernardino da Redes neurais artificiais Previsão da incidência de malária Backpropagation Modelo ARIMA Suavização exponencial Redes neurais (Computação) Malária - Roraima Artificial neural network Forecasting of malaria Backpropagation ARIMA models Exponential smoothing CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
title_short |
Redes neurais artificiais aplicadas à previsão da incidência de malária no estado de Roraima |
title_full |
Redes neurais artificiais aplicadas à previsão da incidência de malária no estado de Roraima |
title_fullStr |
Redes neurais artificiais aplicadas à previsão da incidência de malária no estado de Roraima |
title_full_unstemmed |
Redes neurais artificiais aplicadas à previsão da incidência de malária no estado de Roraima |
title_sort |
Redes neurais artificiais aplicadas à previsão da incidência de malária no estado de Roraima |
author |
Cunha, Guilherme Bernardino da |
author_facet |
Cunha, Guilherme Bernardino da |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Pereira, Adriano Alves |
dc.contributor.advisor1Lattes.fl_str_mv |
http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4708323H0 |
dc.contributor.referee1.fl_str_mv |
Naves, Eduardo Lázaro Martins |
dc.contributor.referee1Lattes.fl_str_mv |
http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4737362U8 |
dc.contributor.referee2.fl_str_mv |
Milagre, Selma Terezinha |
dc.contributor.referee2Lattes.fl_str_mv |
http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4227249A8 |
dc.contributor.referee3.fl_str_mv |
Yamanaka, Keiji |
dc.contributor.referee3Lattes.fl_str_mv |
http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4798494D8 |
dc.contributor.referee4.fl_str_mv |
Codeço, Cláudia Torres |
dc.contributor.referee4Lattes.fl_str_mv |
http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4790532T7 |
dc.contributor.referee5.fl_str_mv |
Parreira, Fábio José |
dc.contributor.referee5Lattes.fl_str_mv |
http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4559579A2 |
dc.contributor.authorLattes.fl_str_mv |
http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4751513T2 |
dc.contributor.author.fl_str_mv |
Cunha, Guilherme Bernardino da |
contributor_str_mv |
Pereira, Adriano Alves Naves, Eduardo Lázaro Martins Milagre, Selma Terezinha Yamanaka, Keiji Codeço, Cláudia Torres Parreira, Fábio José |
dc.subject.por.fl_str_mv |
Redes neurais artificiais Previsão da incidência de malária Backpropagation Modelo ARIMA Suavização exponencial Redes neurais (Computação) Malária - Roraima |
topic |
Redes neurais artificiais Previsão da incidência de malária Backpropagation Modelo ARIMA Suavização exponencial Redes neurais (Computação) Malária - Roraima Artificial neural network Forecasting of malaria Backpropagation ARIMA models Exponential smoothing CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
dc.subject.eng.fl_str_mv |
Artificial neural network Forecasting of malaria Backpropagation ARIMA models Exponential smoothing |
dc.subject.cnpq.fl_str_mv |
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
description |
The present work aims to create a prototype called SISPIMA - forecast system in the incidence of malaria, to generate estimates of the incidence of malaria in Roraima state in three different periods: short term (3 months), medium term (6 months) and long term (12 months). To develop the system, were employed techniques of artificial neural networks and time series analysis. The SISPIMA consists of four steps: collection and storage of data, preprocessing, training and predicting the incidence of malaria. Data were obtained through access to the site SIVEP-Malaria Health Ministry. These were filtered, normalized and classified by SISPIMA in the pre-processing before performing the training and prediction. For training and forecasting, used artificial neural networks. The architecture of artificial neural network used was the multilayer perceptron (MLP) with a variation of the backpropagation training algorithm, called of Resilient Propagation (RPROG). To validate the results and assess the performance and accuracy of the proposed system, we use the ARIMA model as a comparison because of its wide application in epidemiological time series forecasting. |
publishDate |
2010 |
dc.date.issued.fl_str_mv |
2010-12-17 |
dc.date.available.fl_str_mv |
2011-03-14 2016-06-22T18:37:48Z |
dc.date.accessioned.fl_str_mv |
2016-06-22T18:37:48Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
CUNHA, Guilherme Bernardino da. Redes neurais artificiais aplicadas à previsão da incidência de malária no estado de Roraima. 2010. 125 f. Tese (Doutorado em Engenharias) - Universidade Federal de Uberlândia, Uberlândia, 2010. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufu.br/handle/123456789/14275 |
identifier_str_mv |
CUNHA, Guilherme Bernardino da. Redes neurais artificiais aplicadas à previsão da incidência de malária no estado de Roraima. 2010. 125 f. Tese (Doutorado em Engenharias) - Universidade Federal de Uberlândia, Uberlândia, 2010. |
url |
https://repositorio.ufu.br/handle/123456789/14275 |
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 |
dc.publisher.none.fl_str_mv |
Universidade Federal de Uberlândia |
dc.publisher.program.fl_str_mv |
Programa de Pós-graduação em Engenharia Elétrica |
dc.publisher.initials.fl_str_mv |
UFU |
dc.publisher.country.fl_str_mv |
BR |
dc.publisher.department.fl_str_mv |
Engenharias |
publisher.none.fl_str_mv |
Universidade Federal de Uberlândia |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFU instname:Universidade Federal de Uberlândia (UFU) instacron:UFU |
instname_str |
Universidade Federal de Uberlândia (UFU) |
instacron_str |
UFU |
institution |
UFU |
reponame_str |
Repositório Institucional da UFU |
collection |
Repositório Institucional da UFU |
bitstream.url.fl_str_mv |
https://repositorio.ufu.br/bitstream/123456789/14275/3/Tese%20Guilherme.pdf.jpg https://repositorio.ufu.br/bitstream/123456789/14275/1/Tese%20Guilherme.pdf https://repositorio.ufu.br/bitstream/123456789/14275/2/Tese%20Guilherme.pdf.txt |
bitstream.checksum.fl_str_mv |
077298d8a3cc74c15641b5ebce7be9a9 ffea5e5757fc42775c663340250ecf71 551e2bd12879b51c869fdbfd588c0366 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFU - Universidade Federal de Uberlândia (UFU) |
repository.mail.fl_str_mv |
diinf@dirbi.ufu.br |
_version_ |
1797425571787964416 |