Abstract:
RESUMO: Neste trabalho, apresentaremos as descrições detalhadas de um software preditivo
fuzzy, baseado em regras descritas por um especialista, portanto, a partir do
conhecimento humano. Usaremos a lógica fuzzy para predição de números de casos
de leishmaniose visceral no município de Teresina, o controle preditivo é usado como
técnica avançada para calcular um sinal de controle aplicado a um determinado
processo tendo como princípio preditivo um comportamento futuro, ao longo do tempo,
dessa forma conseguiremos uma modelagem fuzzy de identificação de um modelo
capaz de adquirir conhecimento do processo, além de evoluir essa estrutura e
atualizar seus parâmetros. Sabemos que a endemia em questão evidencia muitos
problemas não só de saúde, como também sociais e econômicos, a ferramenta
preditiva usando a lógica fuzzy, fomentará gestores no auxílio a tomada de decisão,
considerando que ao entender como se propaga a doença, por exemplo, um gestor
poderá embasar melhor suas decisões de modo a reduzir impacto social e econômico,
independentemente de setor, seja na saúde pública ou privada. O modelo preditivo de
número de casos da doença por meio de um sistema p-fuzzy, que significa puramente
fuzzy, contará com equações diferencias ordinárias (EDO) utilizadas em modelos
epidemiológicos clássicos, e, para a solução deste modelo, contamos com um código
de programação em linguagem Python. Os resultados estimados na defuzzificação
deverão mostrar que temos uma grande possibilidade para a utilização deste modelo
como ferramenta no apoio a tomada de decisão.
ABSTRACT: In this work, we will present detailed descriptions of fuzzy predictive software, based
on rules described by an expert, therefore, based on human knowledge. We will use
fuzzy logic to predict the number of cases of visceral leishmaniasis in the city of
Teresina. Predictive control is used as an advanced technique to calculate a control
signal applied to a given process with the predictive principle of future behavior, over
time, In this way, we will achieve fuzzy modeling to identify a model capable of
acquiring knowledge of the process, in addition to evolving this structure and updating
its parameters. We know that the endemic in question highlights many problems, not
only health, but also social and economic, the predictive tool using fuzzy logic will
encourage managers to help decision-making, considering that by understanding how
the disease spreads, for example, a manager will be able to better base their decisions
in order to reduce social and economic impact, regardless of the sector, whether in
public or private health. The predictive model for the number of cases of the disease
through a p-fuzzy system, which means purely fuzzy, will rely on ordinary differential
equations (ODE) used in classical epidemiological models, and, to solve this model,
we have a code of programming in Python language. The results estimated in
defuzzification should show that we have a great possibility of using this model as a
tool to support decision making.
