Please use this identifier to cite or link to this item: https://repositorio.ufu.br/handle/123456789/14275
Document type: Tese
Access type: Acesso Aberto
Title: 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
Author: Cunha, Guilherme Bernardino da
First Advisor: Pereira, Adriano Alves
First member of the Committee: Naves, Eduardo Lázaro Martins
Second member of the Committee: Milagre, Selma Terezinha
Third member of the Committee: Yamanaka, Keiji
Fourth member of the Committee: Codeço, Cláudia Torres
Fifth member of the Committee: Parreira, Fábio José
Summary: 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.
Abstract: 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.
Keywords: Redes neurais artificiais
Previsão da incidência de malária
Backpropagation
Modelo ARIMA
Suavização exponencial
Artificial neural network
Forecasting of malaria
Backpropagation
ARIMA models
Exponential smoothing
Redes neurais (Computação)
Malária - Roraima
Area (s) of CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Language: por
Country: BR
Publisher: Universidade Federal de Uberlândia
Institution Acronym: UFU
Department: Engenharias
Program: Programa de Pós-graduação em Engenharia Elétrica
Quote: 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.
URI: https://repositorio.ufu.br/handle/123456789/14275
Date of defense: 17-Dec-2010
Appears in Collections:TESE - Engenharia Elétrica

Files in This Item:
File Description SizeFormat 
Tese Guilherme.pdf3.41 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.