Salgın hastalıklarda vaka sayılarının makine öğrenmesi ile tahmini
Forecasting the number of cases in pandemic with machine learning
- Tez No: 692086
- Danışmanlar: DOÇ. DR. MELİK KOYUNCU
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 99
Özet
Koronavirüs, ilk olarak 2019 yılının Aralık ayında Çin Halk Cumhuriyeti'ndeki Wuhan kentinde görülmüş ve Dünya Sağlık Örgütü tarafından 11 Mart 2020'de salgın hastalık (pandemi) olarak ilan edilmiştir. Pandemi, ülkelerin halk sağlığını tehdit etmeye başladığından itibaren ülkeler tarafından vaka sayılarını ve ölüm oranlarını kontrol etmeye yönelik önlemler alınmıştır. Karantina, sokağa çıkma yasağı, periyodik kısıtlamalar, yeme-içme yerlerinin ve sosyal alanların bir süreliğine kapatılması bu önlemlerin temelini oluşturan tedbirler olmuştur. Bir seneden fazladır tüm dünyayı etkileyen COVID-19 pandemisi halen etkisini sürdürmekle beraber ciddiyetini de korumaktadır. Aşı geliştirici şirketler tarafından çeşitli aşılar geliştirilse de aktif vaka ve ölüm oranları yeterli aşı üretimi olmaması ve üretilen aşıların optimal bir şekilde dağıtılmaması sebebiyle tam anlamıyla pandemi şiddetini sönümleyememiştir. Pandemi döneminde karar alıcılar tarafından gelecek günlerin planlamasını yapmak halk sağlığı açısından büyük önem arz etmektedir. Gelecek günlerin aktif vaka sayısının tahminlemesi, hastaneler için personel ve malzeme planlaması, lojistik ve tedarik planlamaları, aşılama senaryoları, aşı dağıtım modelleri için son derece yardımcı olacak bir öngörüdür. Literatürde bölmeli modeller, türetilmiş bölmeli modeller, makine öğrenmesi algoritmaları, zaman serisi analizleri gibi farklı metotlar kullanılarak birçok COVID-19 aktif vaka tahminlemesi yapılmıştır. Bu çalışmada, Amerika Birleşik Devletleri (ABD) ve Türkiye'nin aktif vaka sayılarını kullanarak gelecek günlerdeki aktif vaka sayısı tahminleri makine öğrenmesi algoritmasıyla üretilmiştir. Python 3.8.5 programlama dili kullanılarak çalıştırılan algoritmalar Prophet, ARIMA, Doğrusal Regresyon, Polinom Regresyon, Destek Vektör Regresyonu modelleri ile gerçekleştirilmiştir. Algoritmaların performansları ortalama mutlak yüzde hatası (MAPE), ortalama karekök sapması (RMSE) ve ortalama mutlak hata (MAE) kullanılarak değerlendirilmiştir. Sonuç olarak, denediğimiz yöntemler ve kullandığımız veri setleri için Prophet algoritması ABD için, ARIMA modeli ise Türkiye için en iyi performansı göstermiştir.
Özet (Çeviri)
The coronavirus initially appeared in the city of Wuhan in the Republic of China in December 2019. It was declared as a pandemic by the World Health Organization on March 11, 2020. Since the pandemic started to threaten countries' public health, measures have been taken by the countries to control the number of cases and deaths. Measures such as quarantine, curfew and periodic restrictions, closure of eating and drinking places and social areas for a while form the basis of precautions. The COVID-19 pandemic, which has been affecting the whole world for more than a year, is still effective and remains serious. Although vaccine developer companies have developed various vaccines, the active cases and death rates have not fully extinguished the severity of the pandemic due to the lack of sufficient vaccine production and the optimal distribution of the vaccines produced. During the pandemic period, planning the future days by the decision makers is of great importance in terms of public health. Forecasting the number of active cases in the coming days is an extremely helpful foresight in order to staff and material planning for hospitals, logistics and supply planning, vaccination scenarios, construct vaccine distribution models. In the literature, many COVID-19 active case predictions have been conducting using different methods such as compartmental models, derived compartmental models, machine learning algorithms, and time series analysis. In this study, the United States and Turkey's number of active cases in the coming days were forecasted by machine learning algorithms. Python programming language was used to implement machine learning algorithms such as Prophet, ARIMA, Linear Regression, Polynomial Regression and Support Vector Regression models. The performances of the algorithms were evaluated using the mean absolute percent error (MAPE), root mean square error (RMSE) and mean absolute error (MAE). As a result, for the methods we tried and the data sets we used, the Prophet algorithm showed the best performance for the United States and the ARIMA model for Turkey.
Benzer Tezler
- Salgın hastalıklarda vaka sayısının temel çoğalma sayısı ile tahmini ve hastane kaynkalarının yeterliliğinin incelenmesi
Predicting case numbers in the epidemics with basic reproduction number and analysis of hospital resources sufficiency
PINAR MİÇ
Yüksek Lisans
Türkçe
2014
Endüstri ve Endüstri MühendisliğiÇukurova ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MELİK KOYUNCU
- Şehir düzeyindeki göstergelerin COVİD-19 salgını ile ilişkisinin mekansal değişimi: Türkiye örneği
Spatial change of the relationship of city level indicators with the COVID-19 pandemic: The case of Turkey
İHSAN TUTUK
Yüksek Lisans
Türkçe
2024
Şehircilik ve Bölge PlanlamaGebze Teknik ÜniversitesiŞehir ve Bölge Planlama Ana Bilim Dalı
DOÇ. DR. TAYFUN SALİHOĞLU
- OECD ülkelerinde Covıd-19 pandemisinin zamana dayalı karşılaştırılması
Time-based comparison of the Covid-19 pandemic in OECD countries
MUSTAFA KAYA
Doktora
Türkçe
2023
Sağlık YönetimiAnkara ÜniversitesiSağlık Kurumları Yönetimi Ana Bilim Dalı
PROF. DR. GÜLBİYE YENİMAHALLELİ YAŞAR
- İkinci Dünya Savaşı'nda Türkiye'de bulaşıcı hastalıklarla mücadele
Struggle within infectious diseases in Turkey during in World War II
İSMAİL ÇAKIRÇOBAN
- Türkiye'de illerin COVID-19 toplam vaka sayılarını etkileyen belirleyicilerinin mekânsal ekonometrik analizi
Spatial econometric analysis of determinants effecting the total number of COVID-19 cases of provinces in Turkey
SERKAN CAHİT DİNÇ
Yüksek Lisans
Türkçe
2021
EkonometriSivas Cumhuriyet ÜniversitesiEkonometri Ana Bilim Dalı
DOÇ. DR. NECATİ ALP ERİLLİ