The first case of the novel coronavirus in Brazil was notified on February 26, 2020. After 21 days, the first case was reported in the second largest State of the Brazilian Amazon. The State of Pará presented difficulties in combating the pandemic, ranging from underreporting and a low number of tests to a large territorial distance between cities with installed hospital capacity. Due to these factors, mathematical data-driven short-term forecasting models can be a promising initiative to assist government officials in more agile and reliable actions. This study presents an approach based on artificial neural networks for the daily and cumulative forecasts of cases and deaths caused by COVID-19, and the forecast of demand for hospital beds. Six scenarios with different periods were used to identify the quality of the generated forecasting and the period in which they start to deteriorate. Results indicated that the computational model adapted capably to the training period and was able to make consistent short-term forecasts, especially for the cumulative variables and for demand hospital beds.

ResumoOs plantios de Eucalyptus se destacam devido ao seu rápido crescimento e a elevada capacidade em fixar carbono na sua biomassa. Entretanto, os métodos diretos utilizados para quantificar essa variável são onerosos, por isso, esta pesquisa buscou avaliar a eficiência de métodos indiretos ao estimar o estoque de carbono orgânico na madeira e na casca de Eucalyptus, a partir de equações alométricas desenvolvidas por regressão linear e por rede neural artificial (RNA). Este estudo foi conduzido com dados de dez materiais genéticos de Eucalyptus implantados na região sudeste do estado do Pará. Cada material genético foi amostrado com quatro repetições aos dois anos de idade, aleatoriamente, totalizando 40 árvores amostras. Adotamos teores de carbono médio indicado na literatura para determinar a quantidade de carbono e proceder com o desenvolvimento das equações alométricas por regressão linear e por RNA para estimar o carbono estocado em cada componente (madeira e casca). Os resultados apontaram que a quantidade de carbono estocado diferem entre os materiais genéticos, com destaque para o PP-406 que apresentou as maiores médias para madeira (23,55 kg árv -1 ) e casca (2,51 kg árv -1 ). As equações alométricas desenvolvidas por regressão linear estimaram o carbono estocado nos dois componentes com menor precisão, em comparação com as estimativas das RNA. Contudo, somente para as estimativas do carbono estocado na madeira houve precisão satisfatória de ambos os métodos. Palavras-chave: Aprendizado de máquinas, Modelagem alométrica, Regressão linear, Sequestro de carbono.

No abstract

No abstract

Os plantios florestais de Eucalyptus têm se destacado pelo seu rápido crescimento, elevada capacidade em estocar carbono e potencial energético. Entretanto, devido a incipiência de informações acerca desse gênero na Amazônia, nosso estudo buscou quantificar o estoque em carbono orgânico e energia potencial na biomassa dos diferentes componentes de Eucalyptus plantados no estado do Pará; e avaliar o seu potencial em sequestrar CO2 atmosférico. Os dados são referentes a dois materiais genéticos (Clone A e Clone B) com 55 meses de idade, em que foram coletadas seis árvores amostras por clone. O experimento foi avaliando em delineamento inteiramente casualizado em esquema fatorial 2x5 (Clone x Componente). Os resultados apontaram haver diferença significativa entre os componentes analisados; em que o fuste apresentou os maiores valores em acúmulo de carbono orgânico e energia potencial em sua biomassa; além de que ambos os clones apresentaram potencial em sequestrar CO2 atmosférico.