Redes Convolucionais Temporais para Previsão de Séries Epidemiológicas de COVID-19 no Período Pós-Pandêmico
Year: 2026
Type: conference-paper
Abstract: A previsão de séries temporais de COVID-19 permanece desafiadora no período pós-pandêmico devido à redução da testagem, subnotificação e quebras de regime. Este trabalho avalia Temporal Convolutional Networks (TCN) para previsão de longo prazo de casos em Nova York e no Brasil, sob um protocolo experimental unificado. A TCN é comparada com LSTM, RNN, ARIMA e SARIMA usando MAE, RMSE, MAPE e R2. Os resultados indicam melhor desempenho em Nova York, enquanto a série brasileira apresenta maior dificuldade devido à irregularidade e possível subnotificação. A TCN otimizada obteve o melhor desempenho geral e baixo custo de inferência, indicando potencial para monitoramento epidemiológico.
Institution: Universidade Estadual Paulista (Unesp)
Language: Portuguese
Subfield: Modeling and Simulation
Field: Mathematics
Domain: Physical Sciences
Open Access status: gold
OpenAlex ID: W7204223000
