Geri Dön

Ateşböceği algoritması ve yapay sinir ağları kullanılarak acil servis hasta gelişlerinin tahmin edilmesi

Forecasting of patient arrivals at emergency department using firefly algorithm and artificial neural networks

PDF İndir

  1. Tez No: 874860
  2. Yazar: MERVE GİZEM KARŞI
  3. Danışmanlar: DOÇ. DR. MERYEM ULUSKAN
  4. Tez Türü: Doktora
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Eskişehir Osmangazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Kalite Yönetimi ve Kalite Güvence Sistemleri Bilim Dalı
  13. Sayfa Sayısı: 117

Özet

Hastanelerde genellikle ilk başvurulan yer olan acil servisler planlanması zor olan sistemlerdir. Bu nedenle karar vericilerin acil servislerde personel ve malzeme kullanımını etkili bir şekilde yapabilmesi için hasta başvurularının tahmin edilmesi gerekmektedir. Bu çalışmada, bir acil servise başvuran hasta sayısının tahmin edilmesi amaçlanmıştır. Bu amaçla son yıllarda tahminleme açısından geleneksel yöntemlere göre daha iyi performans gösteren yapay sinir ağları modeli kullanılmıştır. Diğer taraftan eğitim performansı açısından öne çıkan ateş böceği algoritması ile yapay sinir ağı (FFA-ANN) eğitilmiştir. Oluşturulan bu modelin performansı zaman serisi analizi yöntemlerinden otoregresif entegre hareketli ortalama (ARIMA), Holt-Winters (HW) ve üstel düzleştirme (ÜSTEL); makine öğrenmesi yöntemlerinden rastgele orman (RF), çok katmanlı algılayıcı (MLP), uzun kısa dönem hafıza (LSTM) yöntemleri ile karşılaştırılmıştır. Tahmin modellerinin değerlendirilmesi için Konya'da yer alan bir özel hastanenin 1673 günlük 'acil servise gelen hasta sayısı' verisi kullanılmıştır. Veri seti 2018 ve 2022 yılları arasındaki verilerden oluşmaktadır. Veri seti 2018-2019-2022 yılları normal dönem ve 2020-2021 yılları pandemi dönemi olarak ikiye ayrılmıştır. Veri seti Dünya Sağlık Örgütü tarafından belirlenen 22 hastalık grubuna göre yeniden düzenlenmiştir. 22 hastalık grubu için Pareto analizi yapılmış ve analiz sonucunda tahmin modellerinde kullanılmak için 5 hastalık grubu seçilmiştir. Modeller tek girdi (seçilen 5 hastalık grubundaki günlük acil servise gelen hasta sayıları) değişkeni ve tek çıktı değişkeninden oluşan zaman serisi tahmin modelleri şeklinde oluşturulmuştur. Tahmin yöntemlerinden en başarılı yöntemin belirlenebilmesi için hata kareler ortalaması karekökü (RMSE), ortalama mutlak hata (MAE) ve ortalama mutlak yüzde hatası (MAPE) performans ölçütlerinden faydalanılmıştır. Yapılan analizler sonucunda normal dönem verileri için ateş böceği ile eğitilen yapay sinir ağı (FFA-ANN) yönteminin, acil servise yapılacak başvuru sayısının tahmin edilmesinde diğer yöntemlere göre daha etkili sonuçlar verdiği görülmüştür. Son olarak FFA-ANN modeli ile tahminleme yapan bir karar destek sistemi oluşturularak tahmin çıktısının karar vericiler tarafından görüntülenebileceği bir uygulama tasarlanmıştır.

Özet (Çeviri)

Emergency services, which are usually the first place to consult in hospitals, are systems that are difficult to plan. Therefore, patient arrivals need to be predicted so that decision makers can effectively use personnel and materials in emergency departments. This study aims to estimate the number of patients applying to an emergency department. For this purpose, artificial neural networks models, which perform better than traditional methods in terms of prediction, have been used in recent years. On the other hand, the artificial neural network was trained with the firefly algorithm (FFA-ANN), which stands out in terms of training performance. The performance of this model is based on time series analysis methods such as autoregressive integrated moving average (ARIMA), Holt-Winters (HW) and exponential smoothing (EMA); It was compared with random forest (RF), multilayer perceptron (MLP), and long short-term memory (LSTM) methods, which are machine learning methods. To evaluate the prediction models, 1673 days of 'number of patients coming to the emergency department' data of a private hospital in Konya was used. The data set consists of data between 2018 and 2022. The data set is divided into two: the normal period between 2018-2019-2022 and the pandemic period between 2020-2021. The data set has been rearranged according to 22 disease groups determined by the World Health Organization. Pareto analysis was performed for 22 disease groups, and as a result of the analysis, 5 disease groups were selected to be used in prediction models. The models were created as time series prediction models consisting of a single input variable (the number of daily patients arriving to the emergency department in the 5 selected disease groups) and a single output variable. In order to determine the most successful prediction method, root mean square error (RMSE), mean absolute error (MAE) and mean absolute percentage error (MAPE) performance criteria were used. As a result of the analysis, it was seen that FFA-ANN method for normal period data gave more effective results than other methods in predicting the number of admissions to the emergency department. Finally, a decision support system that makes predictions with the FFA-ANN model was constructed and an application was designed where the prediction output can be viewed by decision makers.

Benzer Tezler

  1. Tez No

    740037

    Carbon dioxide emissions prediction using meta-heuristic methods for renewable and non-renewable sources' applications

    Yenilenebilir ve yenilenemeyen enerji kaynaklarının uygulamaları için meta-sezgisel yöntemler kullanılarak karbondioksit emisyonları tahmini

    İNAYET ÖZGE AKSU

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAdana Alparslan Türkeş Bilim Ve Teknoloji Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TUĞÇE DEMİRDELEN

  2. Tez No

    775396

    Meta-sezgisel algoritmalar ile karayolu boykesit optimizasyonu

    Optimization of highway vertical alighment by meta-heuristic algorithms

    SINA ASHERLOU

    Doktora

    Türkçe

    Türkçe

    2022

    UlaşımOndokuz Mayıs Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ERHAN BURAK PANCAR

    PROF. DR. ŞEREF ORUÇ

  3. Tez No

    705800

    Doğadan esinlenen optimizasyon algoritmaları kullanarak top dengeleme düzeneği için PID tabanlı optimal kontrolcü tasarımı

    PID-based optimal controller design for ball balance using nature-inspired optimization algorithms

    MAHMUT GÖKHAN TURGUT

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Elektrik ve Elektronik MühendisliğiAnkara Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ÖKKEŞ TOLGA ALTINÖZ

  4. Tez No

    726808

    İnsansız hava araçlarında kümelenme ve sürü kontrolü

    Clustering and swarm control in unmanned aerial vehicle

    BATUHAN KARAÇAL

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Mekatronik MühendisliğiKarabük Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. CAN BÜLENT FİDAN

  5. Tez No

    517085

    Sezgisel optimizasyon algoritmaları kullanılarak dinamik ağırlık ölçme sisteminin kimliklendirilmesi

    System identification of dynamic weighing system with heuristic algorithm

    AHMET EMİN BAKTIR

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUSTAFA DANACI

Geri Dön