Search

Resumo Objetivo: Relatar o produto de pesquisa e extensão universitária denominado Boletim COVID-PA, que apresentou projeções sobre o comportamento da pandemia no estado do Pará, Brasil. Métodos: Utilizou-se da técnica de inteligência artificial conhecida como ‘redes neurais artificiais’, para geração de 13 boletins com projeções de curto prazo baseadas nos dados históricos do sistema da Secretaria de Estado de Saúde Pública. Resultados: Após oito meses de projeções, a técnica gerou resultados confiáveis, com precisão média de 97% (147 dias observados) para casos confirmados, 96% (161 dias observados) para óbitos e 86% (72 dias observados) para ocupação de leitos de unidade de terapia intensiva. Conclusão: Esses boletins tornaram-se um instrumento útil para a tomada de decisão de gestores públicos, auxiliando na realocação de recursos hospitalares e otimização das estratégias de controle da COVID-19 nas diversas regiões do estado do Pará. Resumen Objetivo: Reporte el resultado de la investigación y extensión universitaria denominada ‘Boletim COVID-PA’ que presentó proyecciones sobre el comportamiento de la pandemia en el estado de Pará, con un enfoque práctico y computacionalmente eficiente. Métodos: Fue utilizada una técnica de inteligencia artificial denominadas Redes Neurales para generar trece boletines con proyecciones basado en datos históricos del sistema de la Secretaría de Salud Pública. Resultados: Después de ocho meses de previsiones, la técnica genero resultados confiables con una precisión promedio de 97% (147 días observados) para casos confirmados, 96% (161 días observados) para los fallecimientos y 86% (72 días observados) para la ocupación de camas en las unidades de cuidados intensivos. Conclusión: Estos boletines se convirtieron en una herramienta para la toma de decisiones, auxiliando en la redistribución de recursos en los hospitales en el estado de Pará. Abstract Objective: To report the university extension research result entitled ‘The COVID-PA Bulletin’, which presented forecasts on the behavior of the pandemic in the state of Pará, Brazil. Methods: The artificial intelligence technique also known as 'artificial neural networks' was used to generate 13 bulletins with short-term forecasts based on historical data from the State Department of Public Health information system. Results: After eight months of predictions, the technique generated reliable results, with an average accuracy of 97% (observed for147 days) for confirmed cases, 96% (observed for 161 days) for deaths and 86% (observed for 72 days) for Intensive Care Unit bed occupancy. Conclusion: These bulletins have become a useful decision-making tool for public managers, assisting in the reallocation of hospital resources and optimization of COVID-19 control strategies in various regions of the state of Pará.

Resumo Objetivo: Relatar o produto de pesquisa e extensão universitária denominado Boletim COVID-PA, que apresentou projeções sobre o comportamento da pandemia no estado do Pará, Brasil. Métodos: Utilizou-se da técnica de inteligência artificial conhecida como ‘redes neurais artificiais’, para geração de 13 boletins com projeções de curto prazo baseadas nos dados históricos do sistema da Secretaria de Estado de Saúde Pública. Resultados: Após oito meses de projeções, a técnica gerou resultados confiáveis, com precisão média de 97% (147 dias observados) para casos confirmados, 96% (161 dias observados) para óbitos e 86% (72 dias observados) para ocupação de leitos de unidade de terapia intensiva. Conclusão: Esses boletins tornaram-se um instrumento útil para a tomada de decisão de gestores públicos, auxiliando na realocação de recursos hospitalares e otimização das estratégias de controle da COVID-19 nas diversas regiões do estado do Pará.

Diversas atividades de planejamento e operação em sistemas de energia elétrica dependem do conhecimento antecipado e preciso da demanda de carga elétrica. Por este motivo, concessionárias de geração e distribuição de energia elétrica cada vez mais fazem uso de tecnologias de previsão de carga. Essas previsões podem ter um horizonte de curtíssimo, curto, médio ou longo prazo. Inúmeros métodos estatísticos vêm sendo utilizados para o problema de previsão. Todos estes métodos trabalham bem em condições normais, entretanto deixam a desejar em situações onde ocorrem mudanças inesperadas nos parâmetros do ambiente. Atualmente, técnicas baseadas em Inteligência Computacional vêm sendo apresentadas na literatura com resultados satisfatórios para o problema de previsão de carga. Considerando então a importância da previsão da carga elétrica para os sistemas de energia elétrica, neste trabalho, uma nova abordagem para o problema de previsão de carga via redes neurais Auto-Associativas e algoritmos genéticos é avaliada. Três modelos de previsão baseados em Inteligência Computacional são também apresentados tendo seus desempenhos avaliados e comparados com o sistema proposto. Com os resultados alcançados, pôde-se verificar que o modelo proposto se mostrou satisfatório para o problema de previsão, reforçando assim a aplicabilidade de metodologias de inteligência computacional para o problema de previsão de cargas. Several activities of planning and operation in power systems rely on knowledge of early and accurate demand of electric load. For this reason, power generation and distribution companies are increasingly using technologies for load forecasting. These estimative may have a very short, short, medium or long-term horizon. Numerous statistical methods have been used for the problem of prediction. All these methods work well under normal conditions, but fail in situations where unexpected changes in the parameters of the environment occur. Currently, techniques based on Computational Intelligence have been presented in the literature with satisfactory results for the problem of load forecasting.Considering then the importance of load forecasting for the electric power systems, in this thesis a new approach to the load forecasting problem is evaluated by Auto-Associative Neural Networks and Genetic Algorithms. Three models based on Computational Intelligence are also presented with their performance evaluated and compared with the proposed system. With the obtained results, it was found that the proposed model is satisfactory for the problem of forecasting, thereby strengthening the applicability of computational intelligence methodologies to the problem of load prediction.