Bioaerossol alergênico: redes neurais a serviço da saúde pública

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorTadano, Yara de Souza-
Autor(es): dc.contributorPena, Aline de Cássia Campos-
Autor(es): dc.contributorTadano, Yara de Souza-
Autor(es): dc.contributorPena, Aline de Cássia Campos-
Autor(es): dc.contributorIltchechen, Luiza Carla Calamara-
Autor(es): dc.contributorRover, Lucas-
Autor(es): dc.creatorQuadros, Leonardo José Rossoni-
Data de aceite: dc.date.accessioned2025-08-29T11:54:46Z-
Data de disponibilização: dc.date.available2025-08-29T11:54:46Z-
Data de envio: dc.date.issued2025-08-12-
Data de envio: dc.date.issued2025-08-12-
Data de envio: dc.date.issued2025-06-30-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/37867-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1085562-
Descrição: dc.descriptionPollen is one of the main allergenic bioaerosols and has been gaining prominence over the years due to the growing population with allergic or related problems. Given its relevance to public health, measuring suspended pollen levels is a tool that can assist both affected individuals and healthcare professionals during periods of high pollination. As it is a reproductive structure involved in a complex biological cycle, linear models cannot accurately explain pollen behavior. Therefore, nonlinear models, such as artificial neural networks, are necessary to address this issue. This paper proposes the application of an artificial neural network to forecast atmospheric pollen using data from Southeastern Europe (provided by the authors of the Serbian-Croatian RealForAll project). To this end, using the Python programming language and the PyTorch library, Multi-Layer Perceptron (MLP) neural networks with varying numbers of hidden neurons and hidden layers were tested. Various statistical tests were applied to select the independent variables. The models with the lowest error were selected to predict the test set, with mean absolute error and root mean square error as the evaluation criteria. The objectives were achieved, but the MLP models performed worse when compared to other models applied to the same dataset (PollenNet, SM, and RM). Nonetheless, they show potential for reliable predictions of atmospheric pollen and its concentration peaks in their respective applications: public health and agriculture.-
Descrição: dc.descriptionO pólen é um dos principais bioaerossóis alergênicos e está ganhando notoriedade com o passar dos anos em vista da crescente população com problemas alérgicos ou afins. Diante de sua relevância para a saúde populacional, aferir os valores de pólen em suspensão é uma ferramenta que pode auxiliar tanto as pessoas afetadas, quanto os profissionais da saúde em épocas de alta polinização. Tratando-se de uma estrutura reprodutiva envolvida em um complexo ciclo biológico, modelos lineares não conseguem explicar o comportamento do pólen com acurácia. Dessa forma, modelos não lineares, como as redes neurais artificiais, se fazem necessários para esta problemática. O presente trabalho é uma proposta de aplicação de uma rede neural artificial para previsão de pólen atmosférico com dados do sudeste europeu (disponibilizados pelos autores projeto sérvio-croata RealForAll). Para tal, utilizando a linguagem de programação Python e a biblioteca PyTorch, testaram-se redes neurais do tipo Multi-Layer Perceptron (MLP) com número de neurônios ocultos e camadas ocultas variáveis. Para seleção das variáveis independentes, testes estatísticos diversos foram aplicados. Os modelos com menor erro foram selecionados para prever o conjunto de testes, sendo os critérios o erro absoluto médio e a raiz do erro quadrático médio. Os objetivos foram atingidos, mas os modelos de MLP apresentaram desempenhos inferiores quando comparados aos modelos aplicados na mesma base de dados (PollenNet, SM e RM). Não obstante, apresentam potencial para previsões confiáveis de pólen atmosférico, e seus picos de concentração, em suas respectivas aplicações, saúde pública e agricultura.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherPonta Grossa-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherDepartamento Acadêmico de Engenharia de Bioprocessos e Biotecnologia-
Publicador: dc.publisherEngenharia de Bioprocessos e Biotecnologia-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Direitos: dc.rightshttp://creativecommons.org/licenses/by-nc-sa/4.0/-
Palavras-chave: dc.subjectAerossóis-
Palavras-chave: dc.subjectAgentes antialérgicos-
Palavras-chave: dc.subjectSaúde pública-
Palavras-chave: dc.subjectRedes neurais (Computação)-
Palavras-chave: dc.subjectAerosols-
Palavras-chave: dc.subjectAntiallergic agents-
Palavras-chave: dc.subjectPublic health-
Palavras-chave: dc.subjectNeural networks (Computer science)-
Palavras-chave: dc.subjectCNPQ::ENGENHARIAS::ENGENHARIA QUIMICA-
Título: dc.titleBioaerossol alergênico: redes neurais a serviço da saúde pública-
Título: dc.titleAllergenic bioaerosol: neural networks at the service of public health-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.