Uso de redes neurais artificiais para classificação de municípios quanto à vulnerabilidade social no Estado do Rio Grande do Norte, Brasil / The use of artificial neural networks to classify the social vulnerability of municipalities in Rio Grande do Norte State, Brazil / Uso de redes neuronales artificiales para la clasificación de municipios respecto a la vulnerabilidad social en Estado del Rio Grande do Norte, Brasil

RESUMO

Resumo O objetivo foi aplicar as redes neurais artificiais para classificar os municípios do Estado do Rio Grande do Norte, Brasil, de acordo com sua vulnerabilidade social. Estudo ecológico que utilizou 17 variáveis que refletissem os indicadores epidemiológicos, demográficos, socioeconômicos e educacionais para o ano de 2010. As fontes pesquisadas foram o Atlas do Desenvolvimento Humano no Brasil e o Instituto Brasileiro de Geografia e Estatística. Para a classificação dos municípios, foram aplicadas as redes neurais artificiais, dos tipos PNN e Multilayer feedforward, resultando a classificação em cinco categorias de vulnerabilidade muito alta, alta, média, baixa e muito baixa. A fase de treinamento das redes utilizou os valores de mínimo, máximo, percentis 25 e 75 e mediana das 17 variáveis selecionadas. A rede Multilayer feedforward com seis nós apresentou os melhores resultados. Os municípios da região metropolitana (Natal, Parnamirim), das microrregiões do Seridó oriental e ocidental (Caicó, Currais Novos, São José do Seridó, Jardim do Seridó, Parelhas, Carnaúba dos Dantas) apresentaram níveis mais baixos de vulnerabilidade. Os municípios de alta e muito alta vulnerabilidade encontram-se na mesorregião do Leste potiguar nas microrregiões do Litoral Nordeste (municípios de João Câmara, Touros, Caiçara do Rio dos Ventos) e do Litoral Sul (Nísia Floresta, São José do Mipibu, Arês, Canguaretama). A rede neural classificou os municípios com elevada precisão, destacando os que possuem extrema vulnerabilidade daqueles que detêm os melhores indicadores sociais.

ABSTRACT

Abstract The objective was to apply artificial neural networks to classify municipalities (counties) in Rio Grande do Norte State, Brazil, according to their social vulnerability. This was an ecological study using 17 variables that reflected epidemiological, demographic, socioeconomic, and educational indicators for the year 2010. The sources were the Human Development Atlas for Brazil and the Brazilian Institute of Geography and Statistics. For classification of the municipalities, the study applied the artificial neural networks of the PNN and Multilayer feedforward types, resulting in a classification in five categories of vulnerability very high, high, medium, low, and very low. The networks' training phase used the minimum and maximum values, 25th and 75th percentiles, and medians for the 17 selected variables. The Multilayer feedforward network with six nodes showed the best results. The municipalities from the Metropolitan Area (Natal, Parnamirim) and the eastern and western Seridó micro-regions (Caicó, Currais Novos, São José do Seridó, Jardim do Seridó, Parelhas, Carnaúba dos Dantas) showed the lowest levels of vulnerability. The municipalities with high and very high vulnerability were located in the East of the state, in the micro-regions of the Northeast Coast (João Câmara, Touros, Caiçara do Rio dos Ventos) and Southern Coast (Nísia Floresta, São José do Mipibu, Arês, Canguaretama). The neural network classified the municipalities with high precision, distinguishing those with extreme vulnerability from those with better social indicators.

RESUMEN

Resumen El objetivo fue aplicar las redes neuronales artificiales para clasificar los municipios del estado de Rio Grande do Norte, Brasil, de acuerdo con su vulnerabilidad social. Se realizó un estudio ecológico que utilizó 17 variables que reflejaron los indicadores epidemiológicos, demográficos, socioeconómicos y educacionales durante el año 2010. Las fuentes investigadas fueron el Atlas de Desarrollo Humano en Brasil y el Instituto Brasileño de Geografía y Estadística. Para la clasificación de los municipios, se aplicaron las redes neuronales artificiales de los tipos PNN y Multilayer feedforward, resultando la clasificación en cinco categorías de vulnerabilidad muy alta, alta, media, baja y muy baja. La fase de entrenamiento de las redes utilizó los valores mínimo, máximo, percentiles 25 y 75 y mediana de las 17 variables seleccionadas. La red Multilayer feedforward con seis nudos presentó los mejores resultados. Los municipios de la región metropolitana (Natal, Parnamirim), de las microrregiones del Seridó oriental y ocidental (Caicó, Currais Novos, São José do Seridó, Jardim do Seridó, Parelhas, Carnaúba dos Dantas) presentaron niveles más bajos de vulnerabilidad. Los municipios de alta y muy alta vulnerabilidad se encuentran en la mesorregión del este potiguar en las microrregiones del litoral nordeste (municipios de João Câmara, Touros, Caiçara do Rio dos Ventos) y del litoral sur (Nísia Floresta, São José do Mipibu, Arês, Canguaretama). La red neuronal clasificó los municipios con elevada precisión, destacando los que poseen extrema vulnerabilidad de aquellos que ostentan los mejores indicadores sociales.