| Título: | Predizendo epidemias de dengue, no Distrito Federal, utilizando algoritmos de regressão |
| Autor(es): | Brilhante, Lucas Vilela Taveira |
| Orientador(es): | Aguiar, Carla Silva Rocha |
| Coorientador(es): | Ramalho, Walter Massa |
| Assunto: | Aprendizado do computador |
| Data de apresentação: | 8-Jul-2018 |
| Data de publicação: | 1-Mar-2019 |
| Referência: | BRILHANTE, Lucas Vilela Taveira. Predizendo epidemias de dengue, no Distrito Federal, utilizando algoritmos de regressão. 2018. 77 f., il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Software)—Universidade de Brasília, Brasília, 2018. |
| Resumo: | O dengue é um dos maiores problemas de saúde pública do Brasil. Desde sua origem
na África e Ásia, até a descoberta do vírus, foram desenvolvidas muitas pesquisas. Atualmente,
muitas abordagens utilizando aprendizado de máquina foram desenvolvidas na
Ásia, Brasil e México. Todas elas utilizam bases de dados com registros de Dengue no
intuito de observar um comportamento do número de registros de dengue ao longo do
tempo. Para essa pesquisa utiliza-se de dados ambientais como precipitação, umidade e
temperatura do Instituto Nacional de Meteorologia, além dos registros de dengue provenientes
do Sistema de Informação de Agravos de Notificação que serão relacionados
pelas datas de seus registros. Utilizando algoritmos de regressão busca-se com esses dados
predizer o número de casos de Dengue que ocorrerão no ano de 2014, treinando o algoritmo
com dados de 2007 até 2013. Os resultados esperados são um modelo de predição
que consiga acertar mais de 80% dos casos de Dengue, além de estabelecer uma função
de predição que antecipe o número de casos de dengue e tal modelo seja utilizado por
Órgãos responsáveis. Os resultados obtidos foram satisfatórios desde que não use somente
dos dados ambientais e do Dengue puramente. É necessário que se realimente o modelo
com dados de semanas anteriores para que haja um aperfeiçoamento do treinamento.
Além disso observou-se que os algoritmos ADA, GRAD e Random Forest foram os que
obtiveram melhores resultados. |
| Abstract: | Dengue is one of the biggest public health problems in Brazil. Since its origin in Africa
and Asia, until the discovery of the virus, many researches have been developed. Currently,
many approaches using machine learning have been developed in Asia, Brazil and
Mexico. All of them use databases with Dengue records in order to observe a behavior of
the number of dengue registries over time. For this research we use environmental data
such as precipitation, humidity and temperature of the National Meteorological Institute,
in addition to the records of dengue from the Information System of Notifiable Diseases
that will be related by the dates of their records. Using regression algorithms, this data is
used to predict the number of Dengue cases that will occur in 2014, training the algorithm
with data from 2007 to 2013. The expected results are a prediction model that can achieve
more than 80 % of Dengue cases, in addition to establishing a prediction function that anticipates
the number of dengue cases and such a model is used by responsible organs. The
results obtained were satisfactory provided that they did not use only the environmental
data and Dengue purely. It is necessary to realign the model with data from previous
weeks so that there is an improvement of the training. In addition it was observed that
the ADA, GRAD and Random Forest algorithms were the ones that obtained the best
results. |
| Informações adicionais: | Trabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Faculdade UnB Gama, 2018. |
| Aparece na Coleção: | Engenharia de Software
|
