Registration Number
0824U000431, PhD dissertation
Status
Доктор філософії
Date
23-02-2024
popup.evolution
.
Title
Information technology for forecasting time series of the number of patients with coronavirus using machine learning methods
Author
Arsen LOSENKO,
popup.head Vitalii Mokin
popup.opponent Petro BIDYUK
popup.opponent Serhii HOLUB
popup.review OLEH BISIKALO
popup.review YURII IVANOV
popup.rada
Vinnytsia national technical university
Description
1.укр.
Дисертаційна робота: 203 с., 4 табл., 63 рис., 5 дод., 100 джерел.
ІНФОРМАЦІЙНА ТЕХНОЛОГІЯ ПРОГНОЗУВАННЯ ЧАСОВИХ РЯДІВ КІЛЬКОСТІ ХВОРИХ НА КОРОНАВІРУС МЕТОДАМИ МАШИННОГО НАВЧАННЯ
Мета роботи полягає в підвищенні точності прогнозування кількості хворих на коронавірус у короткостроковій перспективі за допомогою методів машинного навчання..
Об’єктом дослідження прогнозування кількості хворих на коронавірус у різних регіонах.
Предметом дослідження є інформаційна технологія, методи, алгоритми та програми для прогнозування кількості хворих на коронавірус..
Методи дослідження містять загальнонаукову методологію проведення досліджень і принципи системного підходу, а саме: аналіз літературних джерел, відкритих даних, експериментальні дослідження, об’єктно-орієнтоване програмування, системний аналіз, методи теорії часових рядів, методи машинного навчання та інші інтелектуальні методи.
Пандемія COVID-19 зробила актуальною задачу прогнозування захворюваності інфекційних хвороб та коронавірусу в цілому. Але, враховуючи кількість чинників, які впливають на розповсюдження хвороби та хаотичність їх значень, з’явилась потреба в оптимізації методів прогнозування. Вже існують моделі прогнозування часових рядів, створені для вирішення такої типової задачі, але дане інфекційне захворювання створює нові виклики, такі як оптимальна ідентифікація параметрів моделі прогнозування, а також здатність характеризувати багатохвильову природу часового ряду захворюваності. Крім, власне прогнозування захворюваності в тому чи іншому регіоні (або країні), варто також звернути увагу на аналіз можливого інфекційного впливу сусідніх регіонів, тому що це безпосередньо впливає на обʼєкт дослідження.
Отримані під час написання дисертаційної роботи наукові положення сприяли розробленню і створенню комплексу програм на Python, які автоматизують розрахунки за усіма запропонованими методами та підходами і реалізують побудову та використання розроблених моделей. У Google-платформі Kaggle опубліковано у відкритому доступі 10 програм-ноутбуків у співавторстві з науковим керівником, які за 2020-2023 роки були переглянуті більше 36 тисяч разів (станом на 07.12.2023 р.). Основні наукові результати та практичні розробки дисертаційної роботи пройшли апробацію на 4 наукових конференціях, у т.ч. на 2-х міжнародних у НАН України у м. Київ, та у нарадах Робочої групи з математичного моделювання проблем, пов'язаних з епідемією коронавірусу SARS-CoV-2 в Україні: протягом 2020-2022 рр., в результаті яких їх було включено у 25 звітів цієї робочої групи, що підтверджено актом впровадження з Інституту проблем математичних машин і систем НАН України.
Registration Date
2024-01-17
popup.nrat_date
2024-01-17 / 2026-07-01
