Year 2020, Volume , Issue 19, Pages 827 - 835 2020-08-31

Covid-19 Salgınına Yönelik Zaman Serisi Verileri ile Prophet Model Kullanarak Makine Öğrenmesi Temelli Vaka Tahminlemesi

Onur SEVLİ [1] , Vesile Gül BAŞER GÜLSOY [2]


Koronavirüsler 21. yüzyılda keşfedilen ve dünyada yaygın olarak görülen, insan ve hayvanlarda hastalığa sebep olan bir virüs türüdür. 2002 yılındaki SARS ve 2012 yılındaki MERS salgınlarından sonra, 2019 yılı sonunda Çin’in Wuhan eyaletinde ortaya çıkıp hızla yayılan Covid-19 bir pandemiye sebep olmuştur. Bu çalışmanın yapıldığı dönemde hala yayılmaya devam eden ve henüz kontrol altına alınamayan Covid-19 ile ilgili tıp alanı başta olmak üzere farklı disiplinlerde yoğun çalışmalar sürdürülmektedir. Yapılan çalışmaların neredeyse tamamı virüsün yapısı, kontrol ve önlemeye dair tıbbi çalışmalardır. Bilgisayar bilimlerinde öngörücü disiplinler içerisinde yer alan makine öğrenmesi, mevcut verilerden hareketle geleceğe dönük tutarlı tahminlerde bulunabilmektedir. Bu amaçla geliştirilen farklı modeller içerisinde Facebook veri bilimi ekibi tarafından geliştirilen ve açık kaynak kodla kullanıma sunulan Prophet modeli zaman serisi verileri üzerinde, günlük, haftalık, dönemsel, yıllık tutarlı tahminler ortaya koyabilmektedir. Bu çalışmada, dünya genelindeki Covid-19 vakalarına ilişkin güncel veri seti üzerinde, Prophet modeli ile geleceğe dönük tahminler yapılmış ve gerçek vakalarla karşılaştırılarak büyük oranda tutarlı sonuç verdikleri ortaya konmuştur. Doğrulanmış Covid-19 vakaları, virüsün sebep olduğu hastalık kaynaklı ölümler ve hastalıktan kurtulan vakalar için gerçekleştirilen üç ayrı tahminleme çalışmasında, doğrulanmış vaka ve ölüm sayılarındaki artışın çalışmanın yapıldığı tarihi takip eden bir haftalık süreçte tahminlerden yüksek olabileceği, kurtulan vaka sayılarının ise tahminler doğrultusunda gerçekleşeceği öngörülmüştür.
Covid-19, Makine öğrenmesi, Prophet model, Vaka tahminleme
  • K. McIntosh and S. Perlman, “Coronaviruses, including severe acute respiratory syndrome (SARS) and Middle East respiratory syndrome (MERS),” Mand. Douglas Bennetts Princ. Pract. Infect. Dis. Updat. Ed. 8th Ed Phila. PA Elsevier Saunders, 2015.
  • P. K. Chan and M. C. Chan, “Tracing the SARS-coronavirus,” J. Thorac. Dis., vol. 5, no. Suppl 2, p. S118, 2013.
  • R. J. de Groot et al., “Commentary: Middle East respiratory syndrome coronavirus (MERS-CoV): announcement of the Coronavirus Study Group,” J. Virol., vol. 87, no. 14, pp. 7790–7792, 2013.
  • E. R. Ahmet Görkem and S. ÜNAL, “2019 Koronavirüs Salgını–Anlık Durum ve İlk İzlenimler,” FLORA, vol. 25, p. 8, 2020.
  • N. Zhu et al., “A novel coronavirus from patients with pneumonia in China, 2019,” N. Engl. J. Med., 2020.
  • Johns Hopkins University (JHU), “Coronavirus COVID-19 (2019-nCoV) Global Cases.” https://gisanddata.maps.arcgis.com/apps/opsdashboard/index.html (accessed Mar. 18, 2020).
  • E. Dong, H. Du, and L. Gardner, “An interactive web-based dashboard to track COVID-19 in real time,” Lancet Infect. Dis., p. S1473309920301201, Feb. 2020, doi: 10.1016/S1473-3099(20)30120-1.
  • H. A. Rothan and S. N. Byrareddy, “The epidemiology and pathogenesis of coronavirus disease (COVID-19) outbreak,” J. Autoimmun., p. 102433, 2020.
  • V. Surveillances, “The epidemiological characteristics of an outbreak of 2019 novel coronavirus diseases (COVID-19)—China, 2020,” China CDC Wkly., vol. 2, no. 8, pp. 113–122, 2020.
  • R. M. Anderson, H. Heesterbeek, D. Klinkenberg, and T. D. Hollingsworth, “How will country-based mitigation measures influence the course of the COVID-19 epidemic?,” The Lancet, vol. 395, no. 10228, pp. 931–934, 2020.
  • A. J. Rodriguez-Morales et al., “Clinical, laboratory and imaging features of COVID-19: A systematic review and meta-analysis,” Travel Med. Infect. Dis., p. 101623, 2020.
  • T. Xu et al., “Clinical features and dynamics of viral load in imported and non-imported patients with COVID-19,” Int. J. Infect. Dis., 2020.
  • W. Yang et al., “Clinical characteristics and imaging manifestations of the 2019 novel coronavirus disease (COVID-19): A multi-center study in Wenzhou city, Zhejiang, China,” J. Infect., 2020.
  • M. A. Shereen, S. Khan, A. Kazmi, N. Bashir, and R. Siddique, “COVID-19 infection: origin, transmission, and characteristics of human coronaviruses,” J. Adv. Res., 2020.
  • S. Tian et al., “Characteristics of COVID-19 infection in Beijing,” J. Infect., 2020.
  • P. Li et al., “Transmission of COVID-19 in the terminal stage of incubation period: a familial cluster,” Int. J. Infect. Dis., 2020.
  • J. Hellewell et al., “Feasibility of controlling COVID-19 outbreaks by isolation of cases and contacts,” Lancet Glob. Health, 2020.
  • S. E. Seker, C. Mert, K. Al-Naami, N. Ozalp, and U. Ayan, “Time series analysis on stock market for text mining correlation of economy news,” Int. J. Soc. Sci. Humanity Stud., vol. 6, no. 1, pp. 69–91, 2013.
  • G. Bontempi, S. B. Taieb, and Y.-A. Le Borgne, “Machine learning strategies for time series forecasting,” in European business intelligence summer school, 2012, pp. 62–77.
  • S. J. Taylor and B. Letham, “Prophet: forecasting at scale,” Facebook Res., 2017.
  • S. J. Taylor and B. Letham, “Forecasting at scale,” Am. Stat., vol. 72, no. 1, pp. 37–45, 2018.
Primary Language tr
Subjects Engineering
Journal Section Articles
Authors

Orcid: 0000-0002-8933-8395
Author: Onur SEVLİ (Primary Author)
Institution: BURDUR MEHMET AKİF ERSOY ÜNİVERSİTESİ
Country: Turkey


Orcid: 0000-0002-0752-9498
Author: Vesile Gül BAŞER GÜLSOY
Institution: BURDUR MEHMET AKİF ERSOY ÜNİVERSİTESİ
Country: Turkey


Dates

Publication Date : August 31, 2020

APA Sevli̇, O , Başer Gülsoy, V . (2020). Covid-19 Salgınına Yönelik Zaman Serisi Verileri ile Prophet Model Kullanarak Makine Öğrenmesi Temelli Vaka Tahminlemesi . Avrupa Bilim ve Teknoloji Dergisi , (19) , 827-835 . Retrieved from https://dergipark.org.tr/en/pub/ejosat/issue/54511/766623