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
- Tez No: 884156
- Danışmanlar: DR. ÖĞR. ÜYESİ NİDA GÖKÇE NARİN
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Muğla Sıtkı Koçman Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Çin'de Aralık 2019'da ortaya çıkan ve hızla yayılım gösteren koronavirüs tüm dünyayı etkisi altına almış zamanla farklı varyantları ortaya çıkmıştır. Virüs kontrol altına alınamayıp Mart 2020 yılında Dünya Sağlık Örgütü tarafından pandemi ilan edilmiştir. Pandemiyi kontrol edebilmek içinde çeşitli aşılar geliştirilmiştir. Geliştirilen aşılara rağmen zaman zaman vaka sayılarında ve ölümlerde artışlar meydana gelmiştir. Pandemi sebebi ile uygulanan kısıtlamalar pek çok ülkede ekonomik sorunları arttırmıştır. Ülkelerde vaka sayılarındaki belirsizlik normalleşme sürecini de etkilemiştir. Bu nedenle pandemi süresince izlenen politikaların da etkisi ile ortaya çıkan tablo analiz edilerek pandeminin seyrini tahmin etmek alınacak önlemler ve kısıtlama kararları açısından önemli olmuştur. Bu çalışmada Covid 19 yayılımını tahmin etmek için Box-Jenkins modellerinden ARIMA, derin öğrenme yöntemlerinden LSTM, GRU ve YSA ile zaman serisi modellemesi yapılmıştır. Çalışmada açık kaynak olarak yayınlanan günlük veriler kullanılarak, Almanya, Fransa, İtalya, İrlanda, Polonya, Rusya ve Türkiye için on günlük ölüm ve vaka sayıları tahmin edilmiştir. Analizler için Box-Jenkins modellerinde Eviews 10 programı ve derin öğrenme yöntemleri için Python kullanılarak tahminlemeler gerçekleştirilmiştir. Model seçiminde RMSE, MAE, AIC ve BIC kriterleri kullanılmıştır. Karşılaştırılmalı analizler sonucunda ARIMA ve LSTM modellerinin kısa dönemli tahminleme de GRU ve YSA'ya göre daha başarılı oldukları sonucuna ulaşılmıştır.
Özet (Çeviri)
Covid-19, which first appeared in Chine in December 2019 and spread raidly, has affected the whole world and different variants have emerged over time. The virus could not be controlled and was declared a pandemic by the World Health Organization in March 2020. Various vaccines have been developed to control the pandemic. Despite the developed vaccines, there have been increases in the number of cases and deaths from time to time. Restrictions imposed due to the pandemic have increased economic problems in many countries. The uncertainty in the number of cases in countries has also affected the normalization process. For this reason, analyzing the picture that emerged with the influence of the policies followed during the pandemic and predicting the course of the pandemic has been important in terms of measures to be taken and restriction decisions. In this study, time series modeling was done with ARIMA, one of the Box-Jenkins models, and LSTM, GRU and ANN, one of the deep learning methods, to predict the spread of Covid 19.In the study, ten-day death and case numbers were estimated for Germany, France, Italy, Ireland, Poland, Russia and Turkey, using daily data published as open source. For analysis, predictions were made using the Eviews 10 program in Box-Jenkins models and Python for deep learning methods. RMSE, MAE, AIC and BIC criteria were used in model selection. As a result of comparative analysis, it was concluded that ARIMA and LSTM models are more successful in short-term forecasting than GRU and ANN.
Benzer Tezler
- Hüseyin Cavid'in tarihi dramları
Başlık çevirisi yok
CİHAN ÖZDEMİR
Yüksek Lisans
Türkçe
1987
Türk Dili ve EdebiyatıGazi ÜniversitesiTürk Dili ve Edebiyatı Ana Bilim Dalı
YRD. DOÇ. DR. ALEMDAR MUSTAFA YALÇIN
- Fen bilgisi öğretiminde gösteri (demostrasyon) ve radyo ile öğretim yönteminin öğrenci başarısına etkisi
Başlık çevirisi yok
GÜLRİZ İMER