Evaluación del impacto de las medidas de confinamiento sobre la propagación de la enfermedad COVID-19 mediante técnicas de aprendizaje automático
RESUMEN: El brote de la enfermedad COVID-19, causada por el virus SARS-CoV- 2, ha afectado a más de 170 países, acumulando más de 25 millones de contagios y miles de muertes en todo el mundo. Siendo así una de las mayores pandemias mundiales vividas en la historia. No existe tratamiento efectivo con...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2020 |
| País: | España |
| Institución: | Universidad de Cantabria (UC) |
| Repositorio: | UCrea Repositorio Abierto de la Universidad de Cantabria |
| Idioma: | español |
| OAI Identifier: | oai:repositorio.unican.es:10902/20659 |
| Acceso en línea: | http://hdl.handle.net/10902/20659 |
| Access Level: | acceso abierto |
| Palabra clave: | COVID-19 Random forest Redes neuronales Aprendizaje automático Neural networks Machine learning |
| Sumario: | RESUMEN: El brote de la enfermedad COVID-19, causada por el virus SARS-CoV- 2, ha afectado a más de 170 países, acumulando más de 25 millones de contagios y miles de muertes en todo el mundo. Siendo así una de las mayores pandemias mundiales vividas en la historia. No existe tratamiento efectivo contra la enfermedad, lo que ha hecho que los gobiernos adopten medidas de confinamiento para frenar la expansión del virus. En este trabajo se aplican técnicas de aprendizaje automático para evaluar el impacto de las medidas de confinamiento sobre la propagación de la enfermedad en España. El objetivo es diseñar un modelo que pueda aplicar- se sobre los datos a nivel provincial y que permita predecir la evolución de la pandemia en un periodo corto de plazo. En particular, se pretende estudiar qué medidas de distanciamiento social fueron más efectivas a la hora de frenar su expansión. Se han calculado tanto el número básico reproductivo como el porcentaje de incremento de casos a partir del número de contagios por día. Posteriormente se han ajustado un modelo random forest y una red neuronal perceptrón multicapa y se ha comprobado cuál de los dos tiene mejor desempeño. Finalmente, se ha evaluado qué medidas de confinamiento tuvieron mayor impacto a la hora de frenar el virus creando nuevos escenarios y viendo como afectan a las variables objetivo. |
|---|