Análisis de estrategias de aprendizaje del modelo SIR (Susceptible – Infectado - Recuperado) para el pronóstico del Covid-19 en Colombia

Autor: Marín Pérez, Jasmin Alejandra
Přispěvatelé: Velásquez Henao, Juan David, Big Data y Data Analytics
Jazyk: Spanish; Castilian
Rok vydání: 2023
Předmět:
Popis: ilustraciones, diagramas En esta tesis de maestría se presenta un modelo para pronosticar la enfermedad infecciosa Covid-19 a nivel nacional y departamental por medio del modelo SIR (Susceptible – Infectado - Recuperado) incorporando la información del desarrollo de la enfermedad para el caso colombiano; para ello, se analizaron diversos escenarios de la contingencia del Covid-19 y se contrasta o compara el modelo con los resultados de otros trabajos de investigación frente al mismo universo y al mismo periodo de evaluación. El modelo propuesto es el SSE-SIR que relaciona el modelo SIR con el Suavizado Exponencial Simple, en el que presenta las características de la historia natural de la enfermedad y permite auto-adaptarse a nuevos cambios en la dinámica del sistema como la apertura y cierre de fronteras, cuarentenas generales o parciales o programas de vacunación escalados. Así mismo, se analiza un segundo modelo que parte de la Regresión Lineal y de la aplicación de un modelo de combinación de pronósticos entre la Regresión Lineal y el modelo adaptado SSE-SIR; como resultado, el modelo adaptado presenta resultados más favorables que aquellos publicados en los casos de comparación. Además, los datos de contagios predichos presentan mayor acierto con los valores reales de la pandemia. Se identificó, también desaciertos en el modelo, cuando se evalúan periodos críticos o picos de contagios y cuando el periodo de evaluación para la predicción es amplio. Finalmente, se concluye que, el modelo adaptado SSE-SIR se adapta al comportamiento y a la dinámica de Colombia, arrojando mejores resultados en periodos de alcance corto y estimaciones optimas frente a la desagregación territorial. (Texto tomado de la fuenbte) This master's thesis presents a model to predict the infectious disease Covid-19 at the national and departmental level through the SIR model (susceptible - infected - recovered) incorporating the information of the development of the disease for the Colombian case; To do this, different scenarios of the Covid-19 contingency were analyzed and the model is compared with the results of other research works against the same universe and the same evaluation period. The proposed model is the SSE-SIR that relates the SIR model with the Simple Exponential Smoothing, in which it presents the characteristics of the natural history of the disease and allows self-adaptation to new changes in the dynamics of the system such as the opening and closing of borders, general or partial quarantines or scaled vaccination programs. Likewise, a second model is analyzed that starts from the linear regression and the application of a model of combination of forecasts between the linear regression and the adapted SSE-SIR model; as a result, the adapted model presents more favorable results than those published in the comparison cases. In addition, the predicted contagion data are more accurate with the actual values of the pandemic. We also identified failures in the model when critical periods or peaks of contagion are evaluated and when the evaluation period for prediction is large. Finally, it is concluded that the adapted SSE-SIR model adapts to the behavior and dynamics of Colombia, yielding better results in short-range periods and optimal estimates against territorial disaggregation. Maestría Magister en Ingeniería - Analítica Analítica predictiva Área Curricular de Ingeniería de Sistemas e Informática
Databáze: OpenAIRE
Externí odkaz: