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.
Highlights
A rede neural classificou os municípios com elevada precisão, destacando os que possuem extrema vulnerabilidade daqueles que detêm os melhores indicadores sociais
As variáveis relacionadas aos aspectos habitacionais, renda e educacionais chamaram atenção no estabelecimento do modelo de classificação dos municípios norte-rio-grandenses com maior vulnerabilidade social, como o percentual da população em domicílios com densidade > 2, o percentual de vulneráveis à pobreza e a taxa de analfabetismo entre pessoas de 15 anos ou mais (Tabela 3)
É possível refletir sobre as interseções entre as políticas públicas e o desenvolvimento de ações voltadas para prevenção da gravidez na adolescência no estado, assim como também é possível a avaliação para a concentração de municípios com baixa ou muito baixa vulnerabilidade na Mesorregião do Seridó, que indica que aquela região possui melhores indicadores, e que os resultados podem ser estendidos ao restante do estado
Summary
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. Essa análise tem por objetivo avaliar estatisticamente quais as informações e variáveis relacionadas ao problema em estudo que são realmente importantes para alimentar a RNA, de modo que o modelo consiga captar a variância de cada variável e sua influência nos resultados da rede; havendo colinearidade, tornar-se-á muito difícil haver variação em uma sem que haja em outra. A análise estatística aplicada ao resultado do modelo de previsão possibilitou a distribuição dos municípios do Rio Grande do Norte em cinco categorias, classificados a seguir: dez municípios que apresentaram os melhores indicadores e foram classificados como de “muito baixa vulnerabilidade”; Tabela 1. Percentual de pessoas em domicílios em que ninguém tem Ensino Fundamental completo Percentual de pessoas de 15 a 24 anos que não estudam, não trabalham e são vulneráveis Percentual de pessoas em domicílios vulneráveis à pobreza e em que ninguém tem Ensino Fundamental completo Percentual de vulneráveis e dependentes de idosos Percentual de pessoas em domicílios com abastecimento de água e esgotamento sanitário inadequados Razão de dependência Taxa de analfabetismo de pessoas de 15 anos ou mais Percentual de pobres Percentual de vulneráveis à pobreza Percentual de crianças extremamente pobres
Sign-in/Register to view highlights & summary Sign-in/Register to access full text options 
Free) 
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a call
