dc.contributor.advisor | Welfer, Daniel | |
dc.creator | Ferreira, Raul Santos | |
dc.date.accessioned | 2024-08-05T13:05:37Z | |
dc.date.available | 2024-08-05T13:05:37Z | |
dc.date.issued | 2024-06-07 | |
dc.date.submitted | 2024 | |
dc.identifier.citation | FERREIRA, R. S. Predição semanal de números de casos de dengue em Porto Alegre por modelos de séries temporais.2024. 99 p.
Trabalho de Conclusão de Curso (Graduação em Engenharia de Controle e Automação)-Universidade Federal de Santa Maria, Santa Maria, RS, 2024. | por |
dc.identifier.uri | http://repositorio.ufsm.br/handle/1/32624 | |
dc.description | Trabalho de conclusão de curso (graduação) - Universidade Federal de Santa Maria, Centro de Tecnologia, Curso de Engenharia de Controle e Automação, RS, 2024. | por |
dc.description.abstract | This Work develops and evaluates time series models for the weekly prediction of dengue cases in the city of Porto Alegre, with the aim of offering effective tools for epidemiological surveillance and planning preventive measures. Using public health data and region-specific meteorological records, statistical models such as SARIMA (Seasonal Autoregressive Integrated Moving Average) and SARIMAX (Seasonal Autoregressive
Integrated Moving Average with Exogenous Variables) were applied and compared in terms of their predictive efficiency. The study highlighted that the inclusion of climatic variables, such as temperature and precipitation, in the SARIMAX models contributes to increasing the accuracy of predictions, adapting to dengue transmission dynamics, which are strongly influenced by environmental conditions. The work also emphasizes the importance of time
series analysis in public health, especially for diseases with a strong seasonal component and dependence on weather conditions, such as dengue. | eng |
dc.language | por | por |
dc.rights | Acesso Aberto | por |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 International | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Dengue | por |
dc.subject | Predição | por |
dc.subject | Porto Alegre | por |
dc.subject | Séries Temporais | por |
dc.subject | SARIMA | por |
dc.subject | SARIMAX | por |
dc.subject | Saúde Pública | por |
dc.subject | Dengue | eng |
dc.subject | Forecasting | eng |
dc.subject | Porto Alegre | eng |
dc.subject | Time Series Models | eng |
dc.subject | SARIMA | eng |
dc.subject | SARIMAX | eng |
dc.subject | Climatic Analysis | eng |
dc.subject | Public Health | eng |
dc.title | Predição semanal de números de casos de dengue em Porto Alegre por modelos de séries temporais | por |
dc.type | Trabalho de Conclusão de Curso de Graduação | por |
dc.degree.local | Santa Maria, RS, Brasil. | por |
dc.degree.graduation | Engenharia de Controle e Automação | por |
dc.description.resumo | Este Trabalho desenvolve e avalia modelos de séries temporais para a predição semanal de casos de dengue na cidade de Porto Alegre, com o objetivo de oferecer ferramentas eficazes para a vigilância epidemiológica e o planejamento de medidas
preventivas. Utilizando dados de saúde pública e registros meteorológicos específicos da região, modelos estatísticos como SARIMA (Seasonal Autoregressive Integrated Moving Average) e SARIMAX (Seasonal Autoregressive Integrated Moving Average with Exogenous Variables) foram aplicados e comparados em termos de sua eficiência preditiva. O estudo
destacou que a inclusão de variáveis climáticas, como temperatura e precipitação, nos modelos SARIMAX contribui para aumentar a precisão das previsões, adaptando-se às dinâmicas de transmissão da dengue, que são fortemente influenciadas por condições ambientais. O trabalho também enfatiza a importância da análise de séries temporais na saúde pública, principalmente para doenças com forte componente sazonal e dependência de condições climáticas, como a dengue. | por |
dc.publisher.country | Brasil | por |
dc.publisher.initials | UFSM | por |
dc.subject.cnpq | CNPQ::ENGENHARIAS | por |
dc.publisher.unidade | Centro de Tecnologia | por |