Revisitando o Codificador Automático Modificado para Previsão da Dinâmica da Covid-19
Aprendizado de Máquina, Redes Neurais Artificiais, Auto-encoder, Pandemia, COVID-19
Devido a declaração da pandemia mundial ocasionada pela propagação do vírus SARS-COV-2, também chamado de COVID-19, governos, instituições e pesquisadores do mundo todo se mobilizaram para tentar mitigar os efeitos causados pelos efeitos do vírus na sociedade. Diversos tipos de abordagens foram propostas e empregadas na tentativa de prever o comportamento de indicadores que possuam algum tipo de ligação com a pandemia. Dentre estas metodologias, os modelos que utilizam orientação a dados, são conhecidos como modelos data-driven, no qual obtiveram considerável destaque dentre os demais. As Redes Neurais Artificias são um tipo de modelo significativamente disseminado dentro os modelos data-driven. Neste trabalho, é proposto uma nova arquitetura de uma RNA denominada Auto-Encoder. Esta nova arquitetura tem como objetivo fazer predições de séries temporais relacionadas a pandemia da COVID-19, em especial o número de óbitos. Para isso, são utilizadas outras séries temporais que podem vir a estar diretamente relacionadas ao que se deseja prever. Como entradas foram utilizadas as séries temporais correspondentes ao número de casos, temperatura, umidade e qualidade do ar (Air Quality Index - AQI) da cidade de São Paulo, Brasil. Os resultados parciais obtidos demonstram que o a proposta possui uma promissora acurácia na predição da série temporal referente ao número de óbitos da COVID-19.