Predicción de mortalidad a causa del Covid 19 en Perú utilizando redes neuronales artificiales

  • Cesar Mayta Avalos Universidad Jorge Basadre Grohman de Tacna
  • Jesús Cristian Valdivia Mamani Universidad Jorge Basadre Grohman de Tacna https://orcid.org/0000-0001-9566-6988
  • Fernando Rosales Castilla Universidad Jorge Basadre Grohman de Tacna https://orcid.org/0000-0003-0668-2885
  • Milca Gines Colana Universidad Jorge Basadre Grohman de Tacna
Palabras clave: Inteligencia Artificial, Series Temporales, COVID 19, Predicción, Pronóstico

Resumen

Con el desarrollo de la pandemia en Perú, la cantidad de fallecidos ha ido en aumento y lamentablemente no se han tomado las medidas adecuadas, esto por no tener una herramienta que nos permita saber la cantidad de fallecidos posibles en un tiempo determinado. El objetivo del presente artículo es proponer una herramienta capaz de predecir la cantidad de fallecidos por COVID-19 en función del tiempo. La metodología utilizada fue redes neuronales artificiales utilizando series temporales con información obtenida del Ministerio de Salud del estado peruano a través de su portal de datos abiertos. Los resultados alcanzados tuvieron un error cuadrático medio de 0.0037 y pérdida de 0.0480. Los resultados obtenidos a lo largo del artículo confirman la validez de esta herramienta y la efectividad en la predicción de la cantidad de fallecidos a causa del COVID 19.

Descargas

La descarga de datos todavía no está disponible.

Citas

Organización Mundial de la Salud, “coronavirus COVID 19” July, 2021. [Online]. Available: https://www.who.int/es/emergencies/diseases/novel-coronavirus-2019?gclid=CjwKCAjw55-HBhAHEiwARMCszrbbBSFmekHH9cphVjelvC85L8pGGpKMcOMiNDkbJPAMYeUrpSEXaRoCT7MQAvD_BwE. [Accessed Jul. 09, 2021].

Ministerio de salud, “datos abiertos,” July, 2021. [Online]. Available: https://www.datosabiertos.gob.pe/dataset/fallecidos-por-covid-19-ministerio-de-salud-minsa/resource/4b7636f3-5f0c-4404-8526. [Accessed Jul. 09, 2021].

R. Pino, A. Gómez, N.de Abajo, "Introducción a la inteligencia artificial: sistemas expertos, redes neuronales artificiales y computación evolutiva," Universidad de Oviedo, pp. 01, 2001.

C. Guisande, A. Vaamonde, A. Barreiro, "Tratamiento de datos con R, Statistica y SPSS," Ediciones Diaz de santos, pp. 585, 2013.

J. Arnau, "Diseños de Series Temporales: Técnicas de Análisis," Edicions Universitat Barcelona, pp. 92, 2001.

W. McKinney, "Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython," O'Reilly Media, pp. 04, 2012.

F. Nelli, "Python Data Analytics: With Pandas, NumPy, and Matplotlib," Apress, pp. 47, 2018.

J. Torres, "DEEP LEARNING Introducción práctica con Keras," CC BY-NC-SA, pp. 97, 2018.

B. Auffarth, "Artificial Intelligence with Python Cookbook: Proven recipes for applying AI algorithms and deep learning techniques using TensorFlow 2.x and PyTorch 1.6," Packt Publishing Ltd, pp. 10, 2020.

Recibido: 2021-04-18
Aceptado: 2021-05-30
Publicado: 2021-09-30
Cómo citar
[1]
C. Mayta Avalos, J. C. Valdivia Mamani, F. Rosales Castilla, y M. Gines Colana, «Predicción de mortalidad a causa del Covid 19 en Perú utilizando redes neuronales artificiales», Innov. softw., vol. 2, n.º 2, pp. 14-26, sep. 2021.
Sección
Artículos originales