Modelagem e identificação de dados epidemiológicos associados à pandemia de COVID-19 no estado de Santa Catarina

Abstract

O coronavírus (COVID-19) difundiu-se por todo o globo e tornou-se uma das grandes mazelas da contemporaneidade, impactando profundamente o Brasil, o qual configura como uma das nações mais afetadas pela doença. Desse modo, a necessidade por sistemas tecnológicos de combate à crise sanitária tornou-se ainda mais urgente nesse país. À vista disso, o presente trabalho apresenta um estudo comparativo entre três técnicas de modelagem e previsão de dados epidemiológicos associados à pandemia de COVID-19 no Brasil, especificamente no estado de Santa Catarina. Foram considerados modelos do tipo ARIMA, Non-Linear Autoregressive model with eXogenous input (NARX) e Non-Linear Autoregressive model Moving Average with eXogenous input (NARMAX) polinomiais para importantes séries de dados associadas à doença. O paradigma de validação dos modelos preditivos consistiu em janelas deslizantes de avanço não ancorado, sendo que o desempenho preditivo, avaliado por meio da aplicação de métricas de desempenho tradicionais, mostrou que, num âmbito geral, a técnica ARIMA gerou predições superiores em comparação com as modelagens NARX e NARMAX.

Abstract: The coronavirus (COVID-19) has spread all over the globe and has become one of the great ailments of contemporaneity, deeply impacting Brazil, which is one of the nations most affected by the disease. Thus, the need for technological systems to combat the health crisis has become even more urgent in this country. In view of this, the present work presents a comparative study between three modeling and forecasting techniques for epidemiological data associated with the pandemic of COVID-19 in Brazil, specifically in the state of Santa Catarina. We considered polynomial ARIMA-type models, Non-Linear Autoregressive model with eXogenous input (NARX) and Non-Linear Autoregressive model Moving Average with eXogenous input (NARMAX) for important data series associated with the disease. The validation paradigm for the predictive models consisted of unanchored forward sliding windows, and the predictive performance, assessed by applying traditional performance metrics, showed that, overall, the ARIMA technique generated superior predictions compared to the NARX and NARMAX models.