Navegando por Autor "Aragão, Dunfrey Pires"
Agora exibindo 1 - 1 de 1
- Resultados por página
- Opções de Ordenação
Tese A set of independent variables for time series regression tasks of pandemic scenarios based on Covid-19(Universidade Federal do Rio Grande do Norte, 2024-05-10) Aragão, Dunfrey Pires; Gonçalves, Luiz Marcos Garcia; Distante, Cosimo; https://orcid.org/0000-0002-7735-5630; http://lattes.cnpq.br/1562357566810393; https://orcid.org/0000-0002-2401-6985; http://lattes.cnpq.br/0931705327475869; Mondini, Adriano; Silva Júnior, Andouglas Gonçalves da; http://lattes.cnpq.br/2346181034036586; Santos, Davi Henrique dos; Nascimento, Tiago Pereira doElaboramos investigações sobre uma ampla gama de variáveis que abrangem fatores, intervenções governamentais e eventos, com potenciais implicações na dinâmica de disseminação do SARS-CoV-2, seja positiva ou negativamente, com base na tendência de casos e mortes, que podem ser utilizadas como recursos na redução de erros em tarefas de regressão em contextos pandêmicos como o COVID-19. O estudo emprega uma estrutura de aprendizado de máquina para discernir características e parâmetros pertinentes que são fundamentais para elucidar a intrincada relação entre a incidência de COVID19 e as taxas de mortalidade em diversas resoluções espaciais e temporais. A estratégia envolve a realização de um levantamento sistemático de características para coleta e limpeza de dados, agrupamento, redução da dimensionalidade dos dados, aplicação de técnicas de aprendizado de máquina com suporte de modelos como ARIMA sazonal e LSTM, e avaliação da generalização do modelo por meio de análise de componentes e redes. A utilização de um conjunto específico de variáveis independentes para prever as mortes por COVID-19 pode melhorar a precisão, reduzir o desvio padrão dos valores reais e evitar a subespecificação do problema. As principais contribuições deste trabalho envolvem uma investigação abrangente dos fatores causais e potenciais inter-relações entre fenômenos, intervenções governamentais e eventos que influenciam a dinâmica de propagação do vírus em locais urbanos, abrangendo cidades e países. Ao fornecer recursos complementares, esta investigação oferece um apoio valioso aos órgãos governamentais e entidades autorizadas na navegação nos processos de tomada de decisão em meio a potenciais cenários de pandemia, como a crise da COVID-19, que, embora ainda presente, tem uma taxa de mortalidade mais baixa. Nossas descobertas não apenas oferecem insights sobre possíveis preditores da transmissão da COVID-19, mas também fornecem uma estrutura estruturada para aumentar a eficácia dos modelos de regressão de séries temporais no complexo cenário de cenários pandêmicos.