Predição do número de alunos por municípios do projeto “Saúde com Agente” utilizando Redes Neurais de Grafos (GNN)

Abstract

A previsão de dados espaciais tem ganhado crescente importância em diversas áreas do conhecimento. Nesse contexto, modelos baseados em redes neurais e aprendizado profundo emergem como opções viáveis para realizar tais previsões. Destaca-se o papel das redes neurais de grafos (GNN), as quais são exploradas neste estudo para capturar a dependência espacial. Isso ocorre por meio da agregação realizada entre regiões vizinhas, fundamentada na tendência de regiões próximas de apresentarem comportamentos semelhantes. O foco deste trabalho será na exploração de diferentes configurações de GNNs aplicadas a dados espaciais de área, com o objetivo de predição do número de alunos do projeto “Saúde com Agente” por município, considerando informações demográficas específicas.

Spatial data forecasting has been gaining increasing importance in various fields of knowledge. In this context, models based on neural networks and deep learning emerge as viable options for making such predictions. The role of graph neural networks (GNN) stands out, and they are explored in this study to capture spatial dependencies. This is achieved through aggregation performed between neighboring regions, based on the tendency of nearby regions to exhibit similar behaviors. The focus of this work is on exploring different configurations of GNNs applied to spatial area data, with the aim of predicting the number of students in the “Saúde com Agente” project per municipality, considering specific demographic information.