Exploración del uso de técnicas de machine learning para obtener proyecciones del comportamiento de la pandemia Covid 19

dc.contributorVelasco Toledo, Nelson Fernando
dc.creatorPrado Medina, Santiago
dc.creatorQuintero Rodriguez, Santiago Andres
dc.date.accessioned2021-08-30T22:01:20Z
dc.date.accessioned2022-09-28T21:04:02Z
dc.date.available2021-08-30T22:01:20Z
dc.date.available2022-09-28T21:04:02Z
dc.date.created2021-08-30T22:01:20Z
dc.date.issued2020-09-21
dc.identifierhttp://hdl.handle.net/10654/38613
dc.identifierinstname:Universidad Militar Nueva Granada
dc.identifierreponame:Repositorio Institucional Universidad Militar Nueva Granada
dc.identifierrepourl:https://repository.unimilitar.edu.co
dc.identifier.urihttp://repositorioslatinoamericanos.uchile.cl/handle/2250/3740040
dc.description.abstractEste trabajo consistió en la realización de una serie de predicciones de la pandemia covid-19 en Colombia. Presentándose 2 tipos de modelos, modelos de machine learning y modelos analíticos basados en ecuaciones diferenciales. De modelos analíticos se realizaron 2 y de modelos basados en machine learning 3, posteriormente se realizaron las correspondientes evaluaciones de los modelos y su comparación, encontrando que modelos son los que presentan el mejor desempeño en este problema en particular.
dc.languagespa
dc.publisherIngeniería en Mecatrónica
dc.publisherFacultad de Ingeniería
dc.publisherUniversidad Militar Nueva Granada
dc.relationOrganización mundial de la salud, «COVID-19: cronología de la actuación de la OMS», who.int, 2020. https://www.who.int/es/news/item/27-04-2020-who-timeline---covid-19.
dc.relationREDACCIÓN MÉDICA, «La OMS declara la alerta internacional ante la expansión del coronavirus», ene. 30, 2020.
dc.relationSemana, «¡Sin camas! La odisea de pacientes covid para encontrar cupo en las UCI», ene. 09, 2021.
dc.relationM. C. Torres y M. I. Magaña, «En datos: La capacidad instalada del sistema de salud colombiano», Colombiacheck, abr. 01, 2020. https://colombiacheck.com/investigaciones/en-datos-la-capacidad-instalada-del-sistemade-salud-colombiano.
dc.relationinfobae, «Así está la ocupación de camas UCI en las principales ciudades de Colombia», ene. 10, 2021. https://www.infobae.com/america/colombia/2021/01/11/asi-esta-la-ocupacion-de-camas -uci-en-las-principales-ciudades-de-colombia/.
dc.relationMinisterio de Salud, «Total de camas UCI en el país para la atención de covid-19 incrementó 91%», minsalud, sep. 07, 2020. https://www.minsalud.gov.co/Paginas/Total-de-camas-UCI-en-el-pais-para-la-atencionde-covid-19-incremento-91.aspx.
dc.relationEl tiempo, «Conozca dónde y cómo puede hacerse la prueba de covid-19 en su ciudad», dic. 18, 2020.
dc.relationInstituto Nacional de Salud- Colombia & Observatorio Nacional de Salud, «Modelo de transmisión de coronavirus COVID-19», abr. 2020. https://www.ins.gov.co/Direcciones/ONS/SiteAssets/Modelo%20COVID-19%20Colom bia%20INS_v5.pdf.
dc.relationB. Ndiaye, L. Tendeng, y D. Seck, «Analysis of the COVID-19 pandemic by SIR model and Machine Learning technics for forecasting». arxiv.org, abr. 03, 2020, [En línea]. Disponible en: https://arxiv.org/abs/2004.01574.
dc.relationM. Baldé, «Fitting SIR model to COVID-19 pandemic data and comparative forecasting with Machine Learning». Medrxiv, may 01, 2020, [En línea]. Disponible en: https://www.medrxiv.org/content/10.1101/2020.04.26.20081042v1.
dc.relationGoogle, «Coronavirus (COVID 19)», Google Noticias, 2021. https://news.google.com/covid19/map?hl=es-419&gl=CO&ceid=CO%3Aes-419.
dc.relationOrganización mundial de la Salud & Organización panamericana de la Salud, «Reportes de Situación COVID-19: Colombia | OPS/OMS | Organización Panamericana de la Salud», Reportes de Situación COVID-19: Colombia, 2021. https://www.paho.org/es/reportes-situacion-covid-19-colombia.
dc.relationGoogle, «Coronavirus (COVID 19) - Colombia», Google News, 2021. .
dc.relationN. Sebastian, «La respuesta inmunitaria frente a la COVID-19.», Gaceta Médica., ene. 07, 2021. https://gacetamedica.com/investigacion/la-respuesta-inmunitaria-frente-a-la-covid-19-d uraria-entre-6-y-9-meses-y-la-posibilidad-de-reinfeccion-es-baja/.
dc.relationO. A. Montesinos y C. M. Hernández, Modelos matemáticos para enfermedades infecciosas. Scientific Electronic Library Online, 2007.
dc.relation] Bill & Melinda Gates Foundation, «SIR and SIRS models — Generic Model documentation», EMOD, 2021. https://docs.idmod.org/projects/emod-generic/en/latest/model-sir.html.
dc.relation«R_t COVID-19 Colombia», Sociedad Colombiana de Matemáticas, 2020. 69 http://scm.org.co/r0-covid-19/.
dc.relationM. Dashtbali, «Optimal control and differential game solutions for social distancing in response to epidemics of infectious diseases on networks». Wiley Online Library, nov. 01, 2020, [En línea]. Disponible en: https://onlinelibrary.wiley.com/doi/full/10.1002/oca.2650.
dc.relationBolyai Institute & University of Szeged, «Influenza models with Wolfram Mathematica». 2011, [En línea]. Disponible en: http://www.math.u-szeged.hu/~rost/papers/Rost2011ebookKnipl.pdf.
dc.relationINS Instituto Nacional de Salud, «COVID-19 en Colombia», COVID-19 en Colombia. Instituto Nacional de Salud- Página Oficial, 2021. https://www.ins.gov.co/Noticias/Paginas/coronavirus-conglomerados.aspx.
dc.relationObservatorio de salud de Bogotá, «Enfermedades transmisibles - Modelo COVID», Saludata, 2021. https://saludata.saludcapital.gov.co/osb/index.php/datos-de-salud/enfermedades-trasmisi bles/modelo-covid/.
dc.relationSociedad Colombiana de Matemáticas, «Recuperado 2021», MATCOVID-19 – Sociedad Colombiana de Matemáticas., 2021. https://scm.org.co/matcovid-19-webinars/.
dc.relationInstitute of Global Health, Faculty of Medicine, University of Geneva, & Swiss Data Science Center, ETH Zürich-EPFL, «COVID-19 Daily Epidemic Forecasting». 2021, [En línea]. Disponible en: https://renkulab.shinyapps.io/COVID-19-Epidemic-Forecasting/_w_0db15ef2/?tab=jhu _pred&country=Switzerland.
dc.relationBanco Central de Chile., «Real-Time Estimates of the Effective Reproduction Rate (R ) of COVID-19. Tracking R». 2021, [En línea]. Disponible en: http://www.globalrt.live/.
dc.relationSociedad Colombiana de Matemáticas, «Modelamiento COVID-19», Sociedad Colombiana de Matemáticas, 2021. https://scm.org.co/modelamiento-covid-19/#1588342484246-0aa7f910-0bb6.
dc.relationInstituto Nacional de Salud., «Estimación de número reproductivo efectivo Rt para COVID 19 en Colombia», Número reproductivo efectivo Rt Nacional, 2021. https://www.ins.gov.co/Direcciones/ONS/modelos-de-estimacion.
dc.relationScientific Electronic Library Online, «Predicciones de un modelo SEIR para casos de COVID-19 en Cali, Colombia». Revista pública, 2020, [En línea]. Disponible en: http://www.scielo.org.co/pdf/rsap/v22n2/0124-0064-rsap-22-02-e286432.pdf.
dc.relationC. Tomé, «El modelo SIR, un enfoque matemático de la propagación de infecciones». Cuaderno de Cultura Cientifica, ago. 24, 2020, [En línea]. Disponible en: https://culturacientifica.com/2020/08/24/el-modelo-sir-un-enfoque-matematico-de-la-pr opagacion-de-infecciones/.
dc.relationS. Garhawl, A. Ahmad, S. Ray, G. Kumar, S. Malebary, y O. Barukab, «The Number of Confirmed Cases of Covid-19 by using Machine Learning: Methods and Challenges». Springer Link, ago. 04, 2020.
dc.relationM. Akhtar, M. Kraemer, y L. Gardner, «A dynamic neural network model for predicting risk of Zika in real time». BMC Medicine, sep. 02, 2019, [En línea]. Disponible en: https://bmcmedicine.biomedcentral.com/articles/10.1186/s12916-019-1389-3?ref=hacke rnoon.com.
dc.relationK. Murphy, Probabilistic Machine Learning: An Introduction. MIT Press, 2021.
dc.relationA. Menon, «Linear Regression Using Least Squares», Towardsdatascience.com, sep. 08, 2018. https://towardsdatascience.com/linear-regression-using-least-squares-a4c3456e8570.
dc.relationG. Rajan, G. Pandey, P. Chaudhary, y S. Pal, «SEIR and Regression Model based COVID-19 outbreak predictions in India». medRixiv, abr. 03, 2020, [En línea]. 70 Disponible en: https://www.medrxiv.org/content/10.1101/2020.04.01.20049825v1.
dc.relationM. Batista, «Estimation of the final size of the COVID-19 epidemic». medRixiv, feb. 28, 2020, [En línea]. Disponible en: https://www.medrxiv.org/content/10.1101/2020.02.16.20023606v5.
dc.relationM. Batista, «Estimation of the final size of the second phase of the coronavirus COVID 19 epidemic by the logistic model». medRixiv, mar. 17, 2020, [En línea]. Disponible en: https://www.medrxiv.org/content/10.1101/2020.03.11.20024901v2.
dc.relationJ. P. Rueda, «Así va Colombia en pruebas para detectar covid-19», ago. 13, 2020.
dc.relationY. Li et al., «COVID-19 Epidemic Outside China: 34 Founders and Exponential Growth». medRixiv, mar. 05, 2020, [En línea]. Disponible en: https://www.medrxiv.org/content/10.1101/2020.03.01.20029819v2.
dc.relationJ. Rodrigo, «Máquinas de Vector Soporte (Support Vector Machines, SVMs)». www.cienciadedatos.net, abr. 2017, [En línea]. Disponible en: https://www.cienciadedatos.net/documentos/34_maquinas_de_vector_soporte_support_ vector_machines#M%C3%A1quinas_de_Vector_Soporte.
dc.relationT. Sharp, «An Introduction to Support Vector Regression (SVR)», Towardsdatascience.com, mar. 03, 2020. https://towardsdatascience.com/an-introduction-to-support-vector-regression-svr-a3ebc1 672c2.
dc.relationV. Singh et al., «Prediction of COVID-19 corona virus pandemic based on time series data using support vector machine». tandfonline, dic. 14, 2020, [En línea]. Disponible en: https://www.tandfonline.com/doi/abs/10.1080/09720529.2020.1784535.
dc.relationF. Rustam et al., «COVID-19 Future Forecasting Using Supervised Machine Learning Models». IEEE Xplore, may 25, 2020, [En línea]. Disponible en: https://ieeexplore.ieee.org/document/9099302.
dc.relationS. Sreenivasa, «Radial Basis Function (RBF) Kernel: The Go-To Kernel», towardsdatascience.com, oct. 12, 2020. https://towardsdatascience.com/radial-basis-function-rbf-kernel-the-go-to-kernel-acf0d2 2c798a.
dc.relationA. Mañas, «Notas sobre pronóstico del flujo de tráfico en la ciudad de Madrid», bookdown.org, jun. 16, 2019. https://bookdown.org/amanas/traficomadrid/resumen.html.
dc.relationZ. Yang et al., «Modified SEIR and AI prediction of the epidemics trend of COVID-19 in China under public health interventions.» PMC, mar. 12, 2020, [En línea]. Disponible en: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7139011/.
dc.relationS. Bandyopadhyay y S. Dutta, «Machine Learning Approach for Confirmation of COVID-19 Cases: Positive, Negative, Death and Release». medRixiv, mar. 30, 202d. C., [En línea]. Disponible en: https://www.medrxiv.org/content/10.1101/2020.03.25.20043505v1.
dc.relationR. Salas, «Redes Neuronales Artificiales. Redes Neuronales Artificiales.» Universidad de Valparaiso, 2021, [En línea]. Disponible en: https://d1wqtxts1xzle7.cloudfront.net/50358783/Redes_Neuronales_Artificiales.pdf?14 79332205=&response-content-disposition=inline%3B+filename%3DRedes_Neuronales _Artificiales.pdf&Expires=1615913947&Signature=BizcRaXlTjoU4xI8oODm4iW3orE SZP272uj9jVq4Z-WuheWSNfp~gfY4G0l2TyyCZYzue4bWLHEOPGg06fwnYVv~SxT cdsOgo2G5cLbeneWLSvfQX1Bn~OPvtGCev0lgu314kn-4PkQ1i4VfDJ26bdPrbRcq6r OoecpjY6wE2JcMVAXAi1oywlgiYyLReOgWrHxsLDrVD~JafEaOLCcvlWeQnYVC~ LM6birjhyqyvuAhqx4~oe6~IhFI32Dnt2Q2bR-uHfuJJExf5GxDdOD-Zfl3D~~OtAMfu TUpvzFJZ4-MWyBQcWgecjQjgxehJHUyVbWvs8ELJGcW-9eRPmtu1A__&Key-PairId=APKAJLOHF5GGSLRBV4ZA.
dc.relationD. Matich, «Redes Neuronales: Conceptos Básicos y Aplicaciones.» Universidad 71 tecnologica nacional, 2001, [En línea]. Disponible en: https://d1wqtxts1xzle7.cloudfront.net/36957218/redesneuronales.pdf?1426217658=&re sponse-content-disposition=inline%3B+filename%3DRedes_Neuronales_Conceptos_B asicos_y_Apl.pdf&Expires=1615915935&Signature=Aka6kUaRRgbX2M~cM8OJJS3S SInVoXf8nx4lJ1z3hOU21BjlM74JXS4BVQrzFqiLfD9v7bkL5kNINn5XdIXw2Y3ytHJ qY0gMoA0JutwF4apv81W~qi8iZORKgI7rVOhJ9ryeJJyfFZaH1WhbHaHAIzP~-NgO ROZY0Oj5S5IIvE4SYRsuOsdrR4Hxqwc-YEgEJhGQx6GBGYWFoWyU1ENLnFsHx 4AUbSil~tu-AmJ-mHbBGaQSycCTthf6ARvHuJo4l0uxEDX5J5DDN2XSTdaZ0n4QO AUZJpYnp0KfkzR8LV8gdUSSef95XspPtRwE8mqadGOXBnq8xyOoZjRpAnDfRQ__ &Key-Pair-Id=APKAJLOHF5GGSLRBV4ZA.
dc.relationH. Tandon, P. Ranjan, T. Chakraboty, y V. Suhag, «Coronavirus (COVID-19): ARIMA based time-series analysis to forecast near future». arxiv.org, abr. 16, 2020, [En línea]. Disponible en: https://arxiv.org/abs/2004.07859.
dc.relationM. Maleki, M. Mahmoudi, D. Wraith, y K.-H. Pho, «Time series modelling to forecast the confirmed and recovered cases of COVID-19». sciencedirect, mar. 13, 2020, [En línea]. Disponible en: https://www.sciencedirect.com/science/article/abs/pii/S1477893920302210.
dc.relationD. Parbat y M. Chakraborty, «A python based support vector regression model for prediction of COVID19 cases in India». sciencedirect, may 31, 2020, [En línea]. Disponible en: https://www.sciencedirect.com/science/article/pii/S0960077920303416.
dc.relationR. Domínguez-Guevara, M. del Cármen Cabrera-Hernández, M. A. Aceves-Fernández, y J. C. Pedraza-Ortega, «Propuesta de red neuronal convolutiva para la predicción de partículas contaminantes PM10». Research in Computing Science, 2019.
dc.relationKeras Team, «Keras documentation: Losses. Keras documentation», 2021. https://keras.io/api/losses/#usage-of-losses-with-compile-amp-fit.
dc.relationMartinez, Jose, «Error Cuadrático Medio para Regresión» iartificial.net, nov. 10, 2020, [En línea]. Disponible en: https://www.iartificial.net/error-cuadratico-medio-para-regresion/ 72
dc.rightshttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightshttp://purl.org/coar/access_right/c_abf2
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 International
dc.rightsAcceso abierto
dc.titleExploración del uso de técnicas de machine learning para obtener proyecciones del comportamiento de la pandemia Covid 19


Este ítem pertenece a la siguiente institución