Análise comparativa entre os modelos ARIMA e LSTM aplicados à modelagem de séries temporais de notificações de dengue na cidade de Mossoró

Abstract

As arboviroses constituem um relevante desafio para a saúde pública brasileira, com destaque para a dengue, doença transmitida pelo mosquito Aedes aegypti e amplamente disseminada em todo o território nacional. A compreensão da dinâmica temporal dessa enfermidade, bem como a capacidade de modelar e analisar seu comportamento histórico, são fundamentais para subsidiar ações de vigilância epidemiológica. Nesse contexto, este trabalho realiza uma análise comparativa entre dois modelos preditivos de naturezas distintas: um modelo estatístico clássico, o ARIMA, e uma rede neural recorrente baseada em Long Short-Term Memory (LSTM). Foram utilizados dados reais de notificações de dengue registradas na cidade de Mossoró, Rio Grande do Norte, Brasil, no período de 2010 a 2020. Após a realização do pré-processamento e da transformação dos dados em séries temporais univariadas, os modelos foram treinados e avaliados quanto à sua capacidade de aprender os padrões temporais históricos, utilizando as métricas RMSE, MAE e MAPE.