| dc.contributor | Fundação Araucária | pt-BR |
| dc.creator | Lucas Caldeira de Oliveira; Universidade Tecnológica Federal do Paraná, Pato Branco, Paraná, Brasil | |
| dc.creator | Dalcimar Casanova; Universidade Tecnológica Federal do Paraná, Pato Branco, Paraná, Brasil | |
| dc.date | 2021-10-18 16:01:05 | |
| dc.date.accessioned | 2022-12-07T18:24:24Z | |
| dc.date.available | 2022-12-07T18:24:24Z | |
| dc.identifier | https://eventos.utfpr.edu.br//sicite/sicite2021/paper/view/7774 | |
| dc.identifier.uri | https://repositorioslatinoamericanos.uchile.cl/handle/2250/5308824 | |
| dc.description | Dado o impacto que o vírus SARS-CoV-2 tem causado no mundo, o entendimento de como as curvas de contágios e óbitos vão evoluir possuem grande relevância, permitindo que decisões no âmbito de conter o avanço da pandemia sejam tomadas assertivamente e em tempo hábil. Este trabalho se propõe a abordar o problema de previsão de séries temporais no contexto das curvas municipais de casos e mortes por Covid-19, utilizando um modelo de Redes Neurais de Grafos. A modelagem do problema deu-se na forma de um grafo, contemplando os 5570 municípios brasileiros e suas dependências espaciais e temporais, sendo as relações de vizinhança expressas pelas malhas viárias (rodovias, ferrovias, hidrovias e rotas aéreas), enquanto que as relações no tempo são compostas pelas curvas a serem previstas. O modelo proposto foi implementado como uma GNN espaço-temporal, e os resultados qualitativos obtidos se mostraram promissores, embora necessitem de análises quantitativas para se determinar a real eficácia do modelo na previsão dos números da pandemia. | pt-BR |
| dc.format | application/pdf | |
| dc.language | pt | |
| dc.publisher | Seminário de Iniciação Científica e Tecnológica da UTFPR | pt-BR |
| dc.rights | Autores que submetem a esta conferência concordam com os seguintes termos:<br /> <strong>a)</strong> Autores mantém os direitos autorais sobre o trabalho, permitindo à conferência colocá-lo sob uma licença <a href="https://creativecommons.org/licenses/by/4.0/">Licença Creative Commons-Attribution</a>, que permite livremente a outros acessar, usar e compartilhar o trabalho com o crédito de autoria e apresentação inicial nesta conferência.<br /> <strong>b)</strong> Autores podem abrir mão dos termos da licença CC e definir contratos adicionais para a distribuição não-exclusiva e subsequente publicação deste trabalho (ex.: publicar uma versão atualizada em um periódico, disponibilizar em repositório institucional, ou publicá-lo em livro), com o crédito de autoria e apresentação inicial nesta conferência.<br /> <strong>c)</strong> Além disso, autores são incentivados a publicar e compartilhar seus trabalhos online (ex.: em repositório institucional ou em sua página pessoal) a qualquer momento antes e depois da conferência. | |
| dc.source | Seminário de Iniciação Científica e Tecnológica da UTFPR; XXVI Seminário de Iniciação Científica e Tecnológica da UTFPR | 0 |
| dc.subject | | pt-BR |
| dc.subject | Covid-19. Redes Neurais de Grafos. Grafo do Brasil. Previsão de casos e mortes. | pt-BR |
| dc.title | Casos e mortes por Covid-19 no Brasil: uma abordagem por redes neurais de grafos | 0 |
| dc.type | Documento avaliado pelos pares | pt-BR |
