Submitted by Marta Toyoda (1144061@mackenzie.br) on 2018-05-02T21:35:34Z
No. of bitstreams: 2
DEIVISON MARQUES GANDINI.pdf: 718569 bytes, checksum: 17068734115834a9f648e43cf2ee4b15 (MD5)
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Approved for entry into archive by Paola Damato (repositorio@mackenzie.br) on 2018-06-08T20:54:15Z (GMT) No. of bitstreams: 2
DEIVISON MARQUES GANDINI.pdf: 718569 bytes, checksum: 17068734115834a9f648e43cf2ee4b15 (MD5)
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) / Made available in DSpace on 2018-06-08T20:54:15Z (GMT). No. of bitstreams: 2
DEIVISON MARQUES GANDINI.pdf: 718569 bytes, checksum: 17068734115834a9f648e43cf2ee4b15 (MD5)
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)
Previous issue date: 2018-02-21 / 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. / 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.
| Identifer | oai:union.ndltd.org:IBICT/oai:tede.mackenzie.br:tede/3609 |
| Date | 21 February 2018 |
| Creators | Gandini, Deivison Marques |
| Contributors | Monteiro, Luiz Henrique Alves, Oliveira, Pedro Paulo Balbi de, Schimit, Pedro Henrique Triguis |
| Publisher | Universidade Presbiteriana Mackenzie, Engenharia Elétrica, UPM, Brasil, Faculdade de Computação e Informática (FCI) |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | English |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Biblioteca Digital de Teses e Dissertações do Mackenzie, instname:Universidade Presbiteriana Mackenzie, instacron:MACKENZIE |
| Rights | http://creativecommons.org/licenses/by-nc-nd/4.0/, info:eu-repo/semantics/openAccess |
Page generated in 0.0022 seconds