Derin öğrenme yöntemleri kullanılarak covid-19 vaka tahmini ve mevsimsel etkilerin analizi
Prediction of covid-19 cases using deep learning methods and analyzing of seasonal effects
- Tez No: 639628
- Danışmanlar: PROF. DR. OĞUZ FINDIK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 61
Özet
Çin' in Vuhan kentinde ortaya çıkan ve kısa zaman içerisinde tüm dünyayı etkisi altına alan yeni koronavirüs (COVID-19) salgını, milyonlarca kişiye bulaşmış ve yüz binlerce insanın hayatını kaybetmesine sebep olmuştur. Bu salgın karşısında birçok ülke ekonomik ve sosyal anlamda büyük oranda etkilenmiştir. Bu etkileri minimize etmek için çeşitli politikalar geliştirilmiş ve önlemler alınmıştır. Bununla beraber, vaka sayılarındaki artış oranlarının tahmin edilmesi özellikle sağlık altyapısı ile ilgili yönetimsel süreçlerin planlanmasında büyük öneme sahiptir. Bu tahminler için istatistiksel ve matematiksel modeller kullanılmaktadır. Ayrıca çeşitli yapay zeka tabanlı yaklaşımlarda geliştirilmektedir. Özellikle derin öğrenme yöntemleri bu alanda araştırmacıların ilgi odağı olmaktadır. Bu çalışmada, Türkiye' deki COVID-19 vaka sayılarındaki değişimleri öngörebilmek için Uzun-Kısa Süreli Bellek (LSTM) tabanlı bir sinir ağı yaklaşımı ile ileriye yönelik tahmin yapılmaktadır. Çalışmada, Türkiye' deki 18 Mart ile 7 Temmuz 2020 tarihleri arasındaki günlük vaka, ölüm ve iyileşen hasta sayıları kullanılmıştır. Ayrıca resmi vaka sayıları ile birlikte bu döneme ait meteorolojik verilerde kullanılarak mevsimsel değişimlerin salgın üzerindeki etkisi analiz edilmektedir. Bunlara ek olarak, COVID-19 salgınındaki 14 günlük kuluçka süresi göz önünde bulundurularak, meteorolojik parametrelerin geçmiş değerlerinin vakalar üzerindeki etkisi deneysel çalışmalar ile gösterilmektedir. Sonuçlar, LSTM yönteminin önleyici adımlar atabilmek için vaka tahmininde önemli bir avantaj sağlayabileceğini göstermektedir. Ayrıca mevsimsel veriler LSTM ağına eklenerek vaka tahmininde başarı oranları artırılmaktadır.
Özet (Çeviri)
The new coronavirus (COVID-19) outbreak that emerged in Wuhan, China, and affected the world in a short time, which has spread to millions of people and has caused hundreds of thousands of people to die. Many countries have been greatly affected economically and socially in the face of this outbreak. To minimize these effects, various policies have been developed and taken measures. In addition, estimating the rate of increase in the number of cases is of great importance, especially in the planning of administrative processes related to the health infrastructure. Statistical and mathematical models are used for these estimates. It is also being developed in various artificial intelligence-based approaches. In particular, deep learning methods are the focus of researchers in this field. In this study, a forward-looking prediction is made with a Neural Network approach based on Long-Short Term Memory (LSTM) for anticipate changes in the number of cases of COVID-19 in Turkey. In the study, daily cases, the number of deaths and recovered patient's dataset were used. This dataset was created with data between March 18 and July 7, 2020. In addition, the effect of seasonal changes on the outbreak is analyzed with an approach that combines official case numbers with seasonal data from this period. In addition, considering the 14-day incubation period in the COVID-19 outbreak, the effect of the historical values of meteorological parameters on the cases is demonstrated by experimental studies. The results show that the LSTM method can provide a significant advantage in case estimation to take preventive steps. In addition, with the addition of seasonal data to the LSTM network, success rates are increased in case estimation.
Benzer Tezler
- Combining covid-19 case prediction and analysis of seasonal data impacts using deep learning methods
Derin öğrenme yöntemleri kullanılarak özgeçmişler üzerinde anahtar kelime çıkarımı
YİĞİTCAN İPEKÇİ
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankaya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAYRİ SEVER
- Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini
Forecasting the spread of covid-19 using deep learning and big data analytics methods
CYLAS KIGANDA
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. MUHAMMET ALİ AKCAYOL
- COVID-19 ölüm ve vaka sayılarının arıma ve derin öğrenme modelleri ile öngörüsü
Prediction of COVID-19 death and case number using arima and deep learning models
BÜŞRA ÇETİN
Yüksek Lisans
Türkçe
2024
İstatistikMuğla Sıtkı Koçman Üniversitesiİstatistik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NİDA GÖKÇE NARİN
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Prediction of corona-virus infection by using deep learning and machine learning
Derin öğrenme ve makine öğrenmeyle korona-virüs enfeksiyonunun tahmini
LAITH IBRAHIM SALIH AL-ALI
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Okan ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. PINAR YILDIRIM