Estudo de séries de prevalência epidêmica utilizando o grafo de visibilidade

Detalhes bibliográficos
Ano de defesa: 2020
Autor(a) principal: Moraes, Juliane Teixeira de
Orientador(a): Ferreira Junior, Silvio da Costa
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de Viçosa
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Área do conhecimento CNPq:
Link de acesso: https://locus.ufv.br//handle/123456789/28492
Resumo: Séries temporais emergem dos mais diversos tipos de sistemas reais. Podemos encontrar sequências de dados ordenados em valores de uma ação no mercado financeiro, em me- didas da temperatura da superfície do mar, na atividade elétrica cerebral por meio de técnicas de imagem como a ressonância magnética, entre muitos outro exemplos. Porém a análise dessas séries temporais, em geral, não é uma tarefa fácil pois os dados disponíveis nem sempre possuem qualidade e quantidade ideal. Além disso, em geral é preciso fazer a reconstrução do espaço de fase do sistema, exigindo a determinação de parâmetros que de- pende da habilidade do pesquisador. Um método moderno de análise de séries temporais é mapeá-las em redes complexas e analisar essas estruturas. Assim, para este trabalho uti- lizamos a ferramenta chamada grafo de visibilidade para transformar séries temporais em redes complexas. Esse método pode ser usado a princípio para qualquer tipo de série, mas a aplicação que escolhemos está relacionada a processos de disseminação. Um exemplo é a propagação de epidemias, campo de estudo que ganhou ainda mais relevância em 2020 com a pandemia de COVID-19. Conhecer a estrutura de rede em que a doença se disse- mina pode ser muito importante para compreender a evolução da propagação e elaborar estratégias para combater a doença. Estudamos o modelo Suscetível-Infectado-Suscetível (SIS), usado para modelar processos de disseminação. Simulamos esse modelo para dife- rentes estruturas: redes quadradas, redes regulares aleatórias e redes com distribuição de grau em lei de potência. Para cada uma delas estudamos a possível transição de fase para o estado absorvente ao variarmos a taxa de infecção do modelo. Utilizando métodos quase estacionários, geramos as séries de prevalência epidêmica, que são valores da fração de indivíduos infectados na população em função do tempo. Desta forma, mapeamos essas séries em grafos de visibilidade e utilizamos quantidades conhecidas em análise de redes complexas para estudá-los, como distribuição de grau, coeficiente de agregação, correla- ção de grau e menor caminho médio. Através dessas análises foi possível destacar fortes evidências de que o grafo de visibilidade é capaz de diferenciar comportamentos próximo e longe da transição e de captar diferenças entre os mecanismos de ativação relacionados às redes originais em que o processo de disseminação ocorre. Palavras-chave: Prevalência epidêmica. Redes complexas. Séries Temporais.
id UFV_bc14ba75a04c866454149509f1b5d214
oai_identifier_str oai:locus.ufv.br:123456789/28492
network_acronym_str UFV
network_name_str LOCUS Repositório Institucional da UFV
repository_id_str
spelling Moraes, Juliane Teixeira dehttp://lattes.cnpq.br/2932038346290131Ferreira Junior, Silvio da Costa2021-11-18T13:00:17Z2021-11-18T13:00:17Z2020-11-10MORAES, Juliane Teixeira de. Estudo de séries de prevalência epidêmica utilizando o grafo de visibilidade. 2020. 68 f. Dissertação (Mestrado em Física) - Universidade Federal de Viçosa, Viçosa. 2020.https://locus.ufv.br//handle/123456789/28492Séries temporais emergem dos mais diversos tipos de sistemas reais. Podemos encontrar sequências de dados ordenados em valores de uma ação no mercado financeiro, em me- didas da temperatura da superfície do mar, na atividade elétrica cerebral por meio de técnicas de imagem como a ressonância magnética, entre muitos outro exemplos. Porém a análise dessas séries temporais, em geral, não é uma tarefa fácil pois os dados disponíveis nem sempre possuem qualidade e quantidade ideal. Além disso, em geral é preciso fazer a reconstrução do espaço de fase do sistema, exigindo a determinação de parâmetros que de- pende da habilidade do pesquisador. Um método moderno de análise de séries temporais é mapeá-las em redes complexas e analisar essas estruturas. Assim, para este trabalho uti- lizamos a ferramenta chamada grafo de visibilidade para transformar séries temporais em redes complexas. Esse método pode ser usado a princípio para qualquer tipo de série, mas a aplicação que escolhemos está relacionada a processos de disseminação. Um exemplo é a propagação de epidemias, campo de estudo que ganhou ainda mais relevância em 2020 com a pandemia de COVID-19. Conhecer a estrutura de rede em que a doença se disse- mina pode ser muito importante para compreender a evolução da propagação e elaborar estratégias para combater a doença. Estudamos o modelo Suscetível-Infectado-Suscetível (SIS), usado para modelar processos de disseminação. Simulamos esse modelo para dife- rentes estruturas: redes quadradas, redes regulares aleatórias e redes com distribuição de grau em lei de potência. Para cada uma delas estudamos a possível transição de fase para o estado absorvente ao variarmos a taxa de infecção do modelo. Utilizando métodos quase estacionários, geramos as séries de prevalência epidêmica, que são valores da fração de indivíduos infectados na população em função do tempo. Desta forma, mapeamos essas séries em grafos de visibilidade e utilizamos quantidades conhecidas em análise de redes complexas para estudá-los, como distribuição de grau, coeficiente de agregação, correla- ção de grau e menor caminho médio. Através dessas análises foi possível destacar fortes evidências de que o grafo de visibilidade é capaz de diferenciar comportamentos próximo e longe da transição e de captar diferenças entre os mecanismos de ativação relacionados às redes originais em que o processo de disseminação ocorre. Palavras-chave: Prevalência epidêmica. Redes complexas. Séries Temporais.Time series emerge from diverse types of real systems. We can find sequences of ordered data in the values of an exchange in financial market, in measurements of sea surface temperature, in the brain electrical activity by means of imaging techniques such as magnetic ressonance, and many other examples. However, time series analysis is not an easy task, because the available data are often not ideal in quality and quantity. In addition, reconstruction of the system phase space is usually necessary, requiring the determination of parameters that depend on the researcher skills. A modern method of time series analysis is to map them into complex networks and analyze these structures. Thus, for this work, we have used a tool called visibility graph to transform time series into complex networks. This method can be used, in principle, for any type of time series, but the application which we have choosen is related to spreading processes. An example is the epidemic spreading, a field that received even more attention in 2020 due to the COVID-19 pandemic. Knowing the network structure in which the disease spreads can be very important to understand the spreading evolution and to elaborate strategies for combating the disease. We studied the susceptible-infected-susceptible (SIS) model, used for modeling spreading processes. We simulate this model for different structures: square lattices, regular random networks and networks with power-law degree distributions. For each one, we studied the absorbing-state phase transition by varying the infection rate of the model. Using quasistationary methods, we generate the epidemic prevalence time series, which are the fraction of infected individuals in the population as a function of time. Therefore, we maped these time series into visibility graphs and calculated some quantities of complex networks analysis in order to study them, such as the degree distribution, clustering coefficient, degree correlation and shortest average path length. By means of these analyzes, we could present strong evidences that the visibility graph is able to distinguish behaviors near and far from the transition, and also to discriminate between activation mechanisms related to the original networks in which the dissemination process takes place. Keywords: Epidemic prevalence. Complex networks. Time series.porUniversidade Federal de ViçosaEpidemias - Modelos matemáticosTeoria das redes complexas (Física)Análise de séries temporaisFísica Estatística e TermodinâmicaEstudo de séries de prevalência epidêmica utilizando o grafo de visibilidadeStudy of epidemic prevalence time series using the visibility graphinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal de ViçosaDepartamento de FísicaMestre em FísicaViçosa - MG2020-11-10Mestradoinfo:eu-repo/semantics/openAccessreponame:LOCUS Repositório Institucional da UFVinstname:Universidade Federal de Viçosa (UFV)instacron:UFVORIGINALtexto completo.pdftexto completo.pdftexto completoapplication/pdf8879496https://locus.ufv.br//bitstream/123456789/28492/1/texto%20completo.pdf259a0fd9791b37f8081ab66f94f763dcMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://locus.ufv.br//bitstream/123456789/28492/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52123456789/284922021-11-18 10:00:59.663oai:locus.ufv.br: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Repositório InstitucionalPUBhttps://www.locus.ufv.br/oai/requestfabiojreis@ufv.bropendoar:21452021-11-18T13:00:59LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV)false
dc.title.pt-BR.fl_str_mv Estudo de séries de prevalência epidêmica utilizando o grafo de visibilidade
dc.title.en.fl_str_mv Study of epidemic prevalence time series using the visibility graph
title Estudo de séries de prevalência epidêmica utilizando o grafo de visibilidade
spellingShingle Estudo de séries de prevalência epidêmica utilizando o grafo de visibilidade
Moraes, Juliane Teixeira de
Epidemias - Modelos matemáticos
Teoria das redes complexas (Física)
Análise de séries temporais
Física Estatística e Termodinâmica
title_short Estudo de séries de prevalência epidêmica utilizando o grafo de visibilidade
title_full Estudo de séries de prevalência epidêmica utilizando o grafo de visibilidade
title_fullStr Estudo de séries de prevalência epidêmica utilizando o grafo de visibilidade
title_full_unstemmed Estudo de séries de prevalência epidêmica utilizando o grafo de visibilidade
title_sort Estudo de séries de prevalência epidêmica utilizando o grafo de visibilidade
author Moraes, Juliane Teixeira de
author_facet Moraes, Juliane Teixeira de
author_role author
dc.contributor.authorLattes.pt-BR.fl_str_mv http://lattes.cnpq.br/2932038346290131
dc.contributor.author.fl_str_mv Moraes, Juliane Teixeira de
dc.contributor.advisor1.fl_str_mv Ferreira Junior, Silvio da Costa
contributor_str_mv Ferreira Junior, Silvio da Costa
dc.subject.pt-BR.fl_str_mv Epidemias - Modelos matemáticos
Teoria das redes complexas (Física)
Análise de séries temporais
topic Epidemias - Modelos matemáticos
Teoria das redes complexas (Física)
Análise de séries temporais
Física Estatística e Termodinâmica
dc.subject.cnpq.fl_str_mv Física Estatística e Termodinâmica
description Séries temporais emergem dos mais diversos tipos de sistemas reais. Podemos encontrar sequências de dados ordenados em valores de uma ação no mercado financeiro, em me- didas da temperatura da superfície do mar, na atividade elétrica cerebral por meio de técnicas de imagem como a ressonância magnética, entre muitos outro exemplos. Porém a análise dessas séries temporais, em geral, não é uma tarefa fácil pois os dados disponíveis nem sempre possuem qualidade e quantidade ideal. Além disso, em geral é preciso fazer a reconstrução do espaço de fase do sistema, exigindo a determinação de parâmetros que de- pende da habilidade do pesquisador. Um método moderno de análise de séries temporais é mapeá-las em redes complexas e analisar essas estruturas. Assim, para este trabalho uti- lizamos a ferramenta chamada grafo de visibilidade para transformar séries temporais em redes complexas. Esse método pode ser usado a princípio para qualquer tipo de série, mas a aplicação que escolhemos está relacionada a processos de disseminação. Um exemplo é a propagação de epidemias, campo de estudo que ganhou ainda mais relevância em 2020 com a pandemia de COVID-19. Conhecer a estrutura de rede em que a doença se disse- mina pode ser muito importante para compreender a evolução da propagação e elaborar estratégias para combater a doença. Estudamos o modelo Suscetível-Infectado-Suscetível (SIS), usado para modelar processos de disseminação. Simulamos esse modelo para dife- rentes estruturas: redes quadradas, redes regulares aleatórias e redes com distribuição de grau em lei de potência. Para cada uma delas estudamos a possível transição de fase para o estado absorvente ao variarmos a taxa de infecção do modelo. Utilizando métodos quase estacionários, geramos as séries de prevalência epidêmica, que são valores da fração de indivíduos infectados na população em função do tempo. Desta forma, mapeamos essas séries em grafos de visibilidade e utilizamos quantidades conhecidas em análise de redes complexas para estudá-los, como distribuição de grau, coeficiente de agregação, correla- ção de grau e menor caminho médio. Através dessas análises foi possível destacar fortes evidências de que o grafo de visibilidade é capaz de diferenciar comportamentos próximo e longe da transição e de captar diferenças entre os mecanismos de ativação relacionados às redes originais em que o processo de disseminação ocorre. Palavras-chave: Prevalência epidêmica. Redes complexas. Séries Temporais.
publishDate 2020
dc.date.issued.fl_str_mv 2020-11-10
dc.date.accessioned.fl_str_mv 2021-11-18T13:00:17Z
dc.date.available.fl_str_mv 2021-11-18T13:00:17Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv MORAES, Juliane Teixeira de. Estudo de séries de prevalência epidêmica utilizando o grafo de visibilidade. 2020. 68 f. Dissertação (Mestrado em Física) - Universidade Federal de Viçosa, Viçosa. 2020.
dc.identifier.uri.fl_str_mv https://locus.ufv.br//handle/123456789/28492
identifier_str_mv MORAES, Juliane Teixeira de. Estudo de séries de prevalência epidêmica utilizando o grafo de visibilidade. 2020. 68 f. Dissertação (Mestrado em Física) - Universidade Federal de Viçosa, Viçosa. 2020.
url https://locus.ufv.br//handle/123456789/28492
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Viçosa
publisher.none.fl_str_mv Universidade Federal de Viçosa
dc.source.none.fl_str_mv reponame:LOCUS Repositório Institucional da UFV
instname:Universidade Federal de Viçosa (UFV)
instacron:UFV
instname_str Universidade Federal de Viçosa (UFV)
instacron_str UFV
institution UFV
reponame_str LOCUS Repositório Institucional da UFV
collection LOCUS Repositório Institucional da UFV
bitstream.url.fl_str_mv https://locus.ufv.br//bitstream/123456789/28492/1/texto%20completo.pdf
https://locus.ufv.br//bitstream/123456789/28492/2/license.txt
bitstream.checksum.fl_str_mv 259a0fd9791b37f8081ab66f94f763dc
8a4605be74aa9ea9d79846c1fba20a33
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV)
repository.mail.fl_str_mv fabiojreis@ufv.br
_version_ 1801213746029264896