Yapay sinir ağları ile pandemi sürecinde kısıtlama stratejilerinin etkinliğinin belirlenmesi için bir model önerisi
A model proposal to determine the efficiency of mitigation strategies during the pandemic with artificial neural networks
- Tez No: 685730
- Danışmanlar: DR. ÖĞR. ÜYESİ YEŞİM OK, DR. ÖĞR. ÜYESİ MAHMUT TUTAM
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Atatürk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 56
Özet
Amaç: Yakın dönemde artış gösteren salgın hastalıklar birçok insanın ölümüne sebep olmaktadır. Covid-19 gibi ortaya çıkan ve çok kısa bir sürede tüm dünyayı etkisi altına alan bulaşıcı hastalıklarla mücadelede ülkeler tarafında çeşitli kısıtlama stratejileri uygulanmaktadır. Bu çalışmanın amacı; uygulanan kısıtlamaların, salgının yayılımı üzerindeki etkisini açıklayabilen genel bir model oluşturmaktır. Oluşturulan model kullanılarak Covid-19 salgını ve gelecekte görülebilecek pandemiler için kısıtlama stratejileri, aşı ve mutasyon üzerinden olası senaryo tahminleri yapmak amaçlanmaktadır. Materyal ve Metot: Bu çalışmada, temel yöntem olarak yapay sinir ağları kullanılmış ve kısıtlamaların farklı kombinasyonlarının hastalığın seyri üzerindeki etkisini tahmin etmek amacıyla iki farklı yöntem kullanılmıştır. Bunlardan birincisinde benzeri çalışmalarda sıklıkla kullanılan bulaşıcılık katsayısı esas alınırken; ikinci yöntemde ise kısıtın/kısıtların etkilediği nüfus oranının göz önüne alındığı kısıtlanan nüfus oranı katsayısını esas alan tahmin modeli kullanılmıştır. Bulgular: Önerilen her iki tahmin modeli de başarılı sonuçlar vermiştir. Bulaşıcılık katsayısını esas alan model, diğer nüfus esaslı modelden, nispeten daha iyi sonuçlar vermiş olsa da kurulmak istenen pandemi sürecinde kısıtlama stratejilerinin etkinliğinin belirlenmesi modeli için ikinci modelin daha uygun olduğu görülmektedir. Sonuç: Bu çalışma ile başarılı bir aşılama programına ek olarak pandemilerin yayılmasını kontrol etmek için etkisi önceden öngörülebilen kısıtlama stratejilerinin planlı uygulamasının etkin sonuçlar doğuracağı gösterilmiştir. Çalışmada uygulanan Türkiye örneğinde kısıtlama stratejilerinin yanında aşılama ve mutasyon oranlarının hastalığın seyri üzerinde önemli bir rol oynadığı görülmektedir.
Özet (Çeviri)
Aim: Epidemic diseases that have increased in the recent period cause the death of many people. Various mitigation policies are implemented by countries in the fight against infectious diseases such as Covid-19, which have emerged in a very short time and affected the whole world. The aim of this study is to create a general model that can explain the effect of the applied mitigation policies on the spread of the epidemic. By using the created model, it is aimed to predict possible scenarios based on mitigation policies, vaccines and mutations for Covid-19 and future pandemics. Material and method: In this study, artificial neural networks were used as the basic method and two different methods were used to predict the effect of different combinations of mitigation policies on the course of the disease. In the first of these, the reproduction number, which is frequently used in similar studies, is taken as a basis; In the second method, the estimation model based on the restricted population ratio coefficient, which takes into account the proportion of the population affected by the constraint(s), was used. Results: Both proposed prediction models have yielded successful results. Although the model based on the reproduction number gave relatively better results than the other population based model, it seems that the second model is more suitable for the model of determining the effectiveness of mitigation policies in the pandemic process to be established. Conclusion: In this study, it has been shown that a successful vaccination program and the implementation of predictable mitigation policies together will yield effective results in order to control the spread of pandemics. It is seen that vaccination and mutation rates play an important role on the course of the disease, as well as mitigation policies in the case of Turkey applied in the study.
Benzer Tezler
- Order dispatching via deep reinforcement learning
Başlık çevirisi yok
ERAY MERT KAVUK
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYŞE TOSUN KÜHN
- Matrix norm based-solution methods and machine learning: Stochastic games and their applications
Matris norm tabanlı çözüm yöntemleri ve makine öğrenmesi: Stokastik oyunlar ve uygulamaları
MURAT ÖZKAYA
Doktora
İngilizce
2024
Matematikİstanbul Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
DOÇ. DR. BURHANEDDİN İZGİ
- Tıbbi görüntü işleme ile akciğer grafisinde COVID-19 pozitif tespiti için veri madenciliği ve derin öğrenme yöntemlerinin performanslarının incelenmesi
Investigation of the performance of data mining and deep learning methods for COVID-19 positive detection in lung graph with medical image processing
FATMA GÜL KURT
Yüksek Lisans
Türkçe
2022
BiyoistatistikHacettepe ÜniversitesiBiyoistatistik Ana Bilim Dalı
DOÇ. DR. JALE KARAKAYA KARABULUT
- 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
- Öğrencilerin işlemsel uzaklık algılarının farklı değişkenlerle ilişkisinin yapay sinir ağları ile incelenmesi
Investigation of the relationship of students' transactional distance perceptions with different variables by artificial neural networks
MUHAMMED ÖZBEY
Yüksek Lisans
Türkçe
2021
Eğitim ve ÖğretimVan Yüzüncü Yıl ÜniversitesiBilgisayar ve Öğretim Teknolojileri Eğitimi Ana Bilim Dalı
PROF. DR. MURAT KAYRİ