Usando algoritmo genético na identificação de um modelo epidemiológico baseado em autômato celular

Detalhes bibliográficos
Ano de defesa: 2018
Autor(a) principal: Gandini, Deivison Marques lattes
Orientador(a): Monteiro, Luiz Henrique Alves lattes
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Presbiteriana Mackenzie
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
algoritmo genético
autômato celular
epidemiologia
modelo SIR
varicela
Área do conhecimento CNPq:
CNPQ::CIENCIAS EXATAS E DA TERRA
Link de acesso: http://dspace.mackenzie.br/handle/10899/24474
Resumo: Estudos epidemiológicos buscam entender e prever a propagação de doen_cas contagiosas. Em muitos desses estudos, empregam-se modelos do tipo SIR. Nesses modelos, cada indivíduo da população hospedeira está, a cada passo de tempo, em um de três estados: suscetível (S), infectado (I) ou recuperado (R). Nesta dissertação, um modelo SIR é implementado usando um autômato celular probabilista (ACP). Os parâmetros do ACP são identificados usando um algoritmo genético e dois conjuntos de dados: dados fictícios e dados realistas de casos de varicela na Alemanha antes da era da vacinação. Este trabalho mostra que conjuntos distintos de parâmetros do ACP podem levar a soluções em regime permanente similares. As limitações do procedimento de identificação são discutidas, principalmente no caso de dados realistas, em que a quantidade de infectados é muito pequena.
id UPM_53cc0b54fd6f79bb2b267bb9bf5d3df1
oai_identifier_str oai:dspace.mackenzie.br:10899/24474
network_acronym_str UPM
network_name_str Repositório Digital do Mackenzie
repository_id_str
spelling Gandini, Deivison Marqueshttp://lattes.cnpq.br/1820487447148268Monteiro, Luiz Henrique Alveshttp://lattes.cnpq.br/51438233002017122018-06-08T20:54:15Z2020-05-28T18:08:53Z2020-05-28T18:08:53Z2018-02-21GANDINI, Deivison Marques. Usando algoritmo genético na identificação de um modelo epidemiológico baseado em autômato celular. 2018. 45 f. Dissertação( Engenharia Elétrica) - Universidade Presbiteriana Mackenzie, São Paulo.http://dspace.mackenzie.br/handle/10899/24474Estudos epidemiológicos buscam entender e prever a propagação de doen_cas contagiosas. Em muitos desses estudos, empregam-se modelos do tipo SIR. Nesses modelos, cada indivíduo da população hospedeira está, a cada passo de tempo, em um de três estados: suscetível (S), infectado (I) ou recuperado (R). Nesta dissertação, um modelo SIR é implementado usando um autômato celular probabilista (ACP). Os parâmetros do ACP são identificados usando um algoritmo genético e dois conjuntos de dados: dados fictícios e dados realistas de casos de varicela na Alemanha antes da era da vacinação. Este trabalho mostra que conjuntos distintos de parâmetros do ACP podem levar a soluções em regime permanente similares. As limitações do procedimento de identificação são discutidas, principalmente no caso de dados realistas, em que a quantidade de infectados é muito pequena.Epidemiological studies aim to understand and predict the spreading of contagious diseases. In many of these studies, SIR-type models are employed. In these models, each individual of the host population is, at each time step, in one of three states: susceptible (S), infected (I) or recovered (R). In this dissertation, a SIR model is implemented by using a probabilistic cellular automaton (PCA). The PCA parameters are identi ed by using a genetic algorithm and two data sets: ctitious data and realistic data of varicella cases in Germany prior to the vaccination era. This work shows that di erent sets of PCA parameters can lead to similar steady-state solutions. The limitations of the identi cation procedure are discussed, especially in the case of realistic data, in which the amount of infected individuals is too small.application/pdfporUniversidade Presbiteriana Mackenziehttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessalgoritmo genéticoautômato celularepidemiologiamodelo SIRvaricelaCNPQ::CIENCIAS EXATAS E DA TERRAUsando algoritmo genético na identificação de um modelo epidemiológico baseado em autômato celularinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://tede.mackenzie.br/jspui/retrieve/16706/DEIVISON%20MARQUES%20GANDINI.pdf.jpgcellular automatonepidemiologygenetic algorithmSIR modelvaricellareponame:Repositório Digital do Mackenzieinstname:Universidade Presbiteriana Mackenzie (MACKENZIE)instacron:MACKENZIEOliveira, Pedro Paulo Balbi dehttp://lattes.cnpq.br/9556738277476279Schimit, Pedro Henrique Triguishttp://lattes.cnpq.br/9938713955885093BrasilFaculdade de Computação e Informática (FCI)UPMEngenharia ElétricaORIGINALDEIVISON MARQUES GANDINI.pdfDEIVISON MARQUES GANDINI.pdfapplication/pdf718709https://dspace.mackenzie.br/bitstreams/7c3a5e4f-34d1-4988-acbf-6bd1875a3141/download05ee68181beadd225637b440646b7826MD51trueAnonymousREADTEXTDEIVISON MARQUES GANDINI.pdf.txtDEIVISON MARQUES GANDINI.pdf.txtExtracted texttext/plain82557https://dspace.mackenzie.br/bitstreams/9ceb1a79-7ba1-45a8-b41a-4fafbe8d8bda/download4c8c98f0fba6bbf799a412d1d8fc24b2MD52falseAnonymousREADTHUMBNAILDEIVISON MARQUES GANDINI.pdf.jpgDEIVISON MARQUES GANDINI.pdf.jpgGenerated Thumbnailimage/jpeg1345https://dspace.mackenzie.br/bitstreams/b74891a6-7ce5-4d6b-949d-bc5a8f86c366/download58f049d07fa7f1a46e2b908ea513d348MD53falseAnonymousREAD10899/244742022-03-14T21:08:35.619Zhttp://creativecommons.org/licenses/by-nc-nd/4.0/Acesso Abertoopen.accessoai:dspace.mackenzie.br:10899/24474https://dspace.mackenzie.brBiblioteca Digital de Teses e Dissertaçõeshttp://tede.mackenzie.br/jspui/PRIhttps://adelpha-api.mackenzie.br/server/oai/repositorio@mackenzie.br||paola.damato@mackenzie.bropendoar:102772022-03-14T21:08:35Repositório Digital do Mackenzie - Universidade Presbiteriana Mackenzie (MACKENZIE)false
dc.title.por.fl_str_mv Usando algoritmo genético na identificação de um modelo epidemiológico baseado em autômato celular
title Usando algoritmo genético na identificação de um modelo epidemiológico baseado em autômato celular
spellingShingle Usando algoritmo genético na identificação de um modelo epidemiológico baseado em autômato celular
Gandini, Deivison Marques
algoritmo genético
autômato celular
epidemiologia
modelo SIR
varicela
CNPQ::CIENCIAS EXATAS E DA TERRA
title_short Usando algoritmo genético na identificação de um modelo epidemiológico baseado em autômato celular
title_full Usando algoritmo genético na identificação de um modelo epidemiológico baseado em autômato celular
title_fullStr Usando algoritmo genético na identificação de um modelo epidemiológico baseado em autômato celular
title_full_unstemmed Usando algoritmo genético na identificação de um modelo epidemiológico baseado em autômato celular
title_sort Usando algoritmo genético na identificação de um modelo epidemiológico baseado em autômato celular
author Gandini, Deivison Marques
author_facet Gandini, Deivison Marques
author_role author
dc.contributor.author.fl_str_mv Gandini, Deivison Marques
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/1820487447148268
dc.contributor.advisor1.fl_str_mv Monteiro, Luiz Henrique Alves
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/5143823300201712
contributor_str_mv Monteiro, Luiz Henrique Alves
dc.subject.por.fl_str_mv algoritmo genético
autômato celular
epidemiologia
modelo SIR
varicela
topic algoritmo genético
autômato celular
epidemiologia
modelo SIR
varicela
CNPQ::CIENCIAS EXATAS E DA TERRA
dc.subject.cnpq.fl_str_mv CNPQ::CIENCIAS EXATAS E DA TERRA
description Estudos epidemiológicos buscam entender e prever a propagação de doen_cas contagiosas. Em muitos desses estudos, empregam-se modelos do tipo SIR. Nesses modelos, cada indivíduo da população hospedeira está, a cada passo de tempo, em um de três estados: suscetível (S), infectado (I) ou recuperado (R). Nesta dissertação, um modelo SIR é implementado usando um autômato celular probabilista (ACP). Os parâmetros do ACP são identificados usando um algoritmo genético e dois conjuntos de dados: dados fictícios e dados realistas de casos de varicela na Alemanha antes da era da vacinação. Este trabalho mostra que conjuntos distintos de parâmetros do ACP podem levar a soluções em regime permanente similares. As limitações do procedimento de identificação são discutidas, principalmente no caso de dados realistas, em que a quantidade de infectados é muito pequena.
publishDate 2018
dc.date.accessioned.fl_str_mv 2018-06-08T20:54:15Z
2020-05-28T18:08:53Z
dc.date.issued.fl_str_mv 2018-02-21
dc.date.available.fl_str_mv 2020-05-28T18:08:53Z
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 GANDINI, Deivison Marques. Usando algoritmo genético na identificação de um modelo epidemiológico baseado em autômato celular. 2018. 45 f. Dissertação( Engenharia Elétrica) - Universidade Presbiteriana Mackenzie, São Paulo.
dc.identifier.uri.fl_str_mv http://dspace.mackenzie.br/handle/10899/24474
identifier_str_mv GANDINI, Deivison Marques. Usando algoritmo genético na identificação de um modelo epidemiológico baseado em autômato celular. 2018. 45 f. Dissertação( Engenharia Elétrica) - Universidade Presbiteriana Mackenzie, São Paulo.
url http://dspace.mackenzie.br/handle/10899/24474
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Presbiteriana Mackenzie
publisher.none.fl_str_mv Universidade Presbiteriana Mackenzie
dc.source.none.fl_str_mv reponame:Repositório Digital do Mackenzie
instname:Universidade Presbiteriana Mackenzie (MACKENZIE)
instacron:MACKENZIE
instname_str Universidade Presbiteriana Mackenzie (MACKENZIE)
instacron_str MACKENZIE
institution MACKENZIE
reponame_str Repositório Digital do Mackenzie
collection Repositório Digital do Mackenzie
bitstream.url.fl_str_mv https://dspace.mackenzie.br/bitstreams/7c3a5e4f-34d1-4988-acbf-6bd1875a3141/download
https://dspace.mackenzie.br/bitstreams/9ceb1a79-7ba1-45a8-b41a-4fafbe8d8bda/download
https://dspace.mackenzie.br/bitstreams/b74891a6-7ce5-4d6b-949d-bc5a8f86c366/download
bitstream.checksum.fl_str_mv 05ee68181beadd225637b440646b7826
4c8c98f0fba6bbf799a412d1d8fc24b2
58f049d07fa7f1a46e2b908ea513d348
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Digital do Mackenzie - Universidade Presbiteriana Mackenzie (MACKENZIE)
repository.mail.fl_str_mv repositorio@mackenzie.br||paola.damato@mackenzie.br
_version_ 1863649820418244608

Registros relacionados