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 | Size | Format | |
---|---|---|---|---|
Tese Guilherme.pdf | 3.41 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.