Using reservoir computing to predict COVID-19 time series in Distrito Federal

Abstract

A epidemia do coronavírus, causada pelo vírus SARS-COV-2, teve seu início em dezem- bro de 2019 na china e rapidamente se espalhou para vários países ao redor do mundo, sendo então declarada uma pandemia pela Organização Mundia da Saúde (OMS) em questão de dois meses. Prever tendências de uma doença contagiosa em uma população é um assunto de grande relevância para a sociedade, pois causa impacto positivo nas tomadas de deci- são por parte dos agente competentes. Diferentes metodologias existem, como por exemplo o modelo SIR ou o modelo time-since-infection. Uma alternativa que vem cada vez mais tendo atenção de pesquisadores são os métodos baseados em aprendizado de máquina. Uma possibilidade é alimentar o algoritmo de aprendizado de máquina com a série temporal (de casos, por exemplo) e obter estimativas da evolução futura da série temporal por uma jancla de tempo. Neste trabalho usamos redes neurais baseadas em computação de reservatório para prever a evolução do coronavírus no Distrito Federal. Obtemos boas previsões para o número de reprodução instantâneo R, em até cinco dias no futuro e para as médias móveis de casos e mortes em até dez dias no futuro com um erro relativo médio de 10%.