Jornal Internacional de Swarm Intelligence e Computação Evolutiva

Abstrato

Atratores caóticos de baixa dimensão nos dados epidemiológicos regionais do SARS-CoV-2

Carlos Pedro Gonçalves

Background: Recent studies applying chaos theory methods have found the existence of chaotic markers in SARSCoV- 2's epidemiological data, evidence that has implications on the prediction, modeling and epidemiological analysis of the SARS-CoV-2/COVID-19 pandemic with implications for healthcare gestão.

Objectivo e métodos: Estudámos os dados agregados para os novos casos por milhão e as novas mortes por milhão de COVID-19 em África, Ásia, Europa, América do Norte e do Sul e Oceânia, aplicando métodos empíricos da teoria do caos, incluindo a estimativa de dimensão incorporada, estimativa de espectros de Lyapunov, análise espectral e métodos de análise de dados topológicos de última geração combinando homologia persistente, análise de recorrência e aprendizagem automática com o objetivo de caracterizar a natureza da dinâmica e a sua previsibilidade.

Resultados e conclusão: Os resultados mostram que para todas as regiões, exceto a Oceânia, existem evidências de atratores caóticos ruidosos de baixa dimensão que estão próximos do início do caos, com uma estrutura de recorrência que pode ser utilizada por soluções adaptativas de inteligência artificial equipadas com aprendizagem automática dos vizinhos mais próximos módulos para prever com um desempenho muito elevado os valores futuros das duas séries alvo para cada região. A persistente análise de homologia revela uma divisão em dois grupos, o primeiro grupo composto pela África e Ásia e o segundo pela Europa, América do Norte e do Sul. Para a Oceânia, encontrámos evidências da ocorrência de uma bifurcação que caracterizámos detalhadamente aplicando uma combinação de métodos de aprendizagem automática e análise topológica; descobrimos que a bifurcação na região está relacionada com o aparecimento de novas variantes.