정보과학회 컴퓨팅의 실제 논문지 (KIISE Transactions on Computing Practices)
Current Result Document :
| 한글제목(Korean Title) |
DARNN 기반 서울시 행정구역별 COVID-19 확산 예측 모델 |
| 영문제목(English Title) |
DARNN-Based Prediction Model for COVID-19 Diffusion for Each Administrative District in Seoul |
| 저자(Author) |
박연재
전영표
이홍래
조영래
Yeonjae Park
Young Pyo Jun
Hongrae Lee
Young-Rae Cho
|
| 원문수록처(Citation) |
VOL 27 NO. 11 PP. 0510 ~ 0518 (2021. 11) |
한글내용
(Korean Abstract) |
2020년 한해동안 서울시에는 코로나바이러스 확진자가 지속적으로 발생하였다. 서울시 각 행정 구역마다 코로나바이러스 확진자의 주 발생 원인이 다를 수 있지만, 공통적인 요인도 존재한다. 이 발생 원인은 소규모 감염 요인과 집단 감염 요인으로 구분된다. 본 연구에서는 다양한 감염 요인에 대한 변수들을 최적화하는 DARNN (Dual-Stage Attention-Based Recurrent Neural Network) 기법을 사용하여 COVID-19 확산 예측 모델을 제시한다. 2020년 서울시의 각 행정구역별 코로나바이러스 확진자 수에 대한 시계열 데이터와 확진자 발생 패턴에 대한 행정구역들 사이의 상관관계, 각 행정구역별 유동인구 등의 정보를 활용한 실험에서, 제안된 DARNN 모델은 기존에 널리 활용되는 LSTM (Long Short-Term Memory) 모델과 비교하여 우수한 예측 정확도를 보였다. |
영문내용
(English Abstract) |
In 2020, several coronavirus confirmed cases had been reported in Seoul. Although each administrative district in Seoul might have distinct causes of coronavirus infection, there also exist common causes between administrative districts. The cause of this occurrence can be divided into small-scale infection and mass infection. In this study, we propose a model for predicting COVID-19 diffusion using the DARNN (Dual-Stage Attention-Based Recurrent Neural Network) technique that optimizes the variables related to various causes of infection. In the experiment using the time-series data of the number of confirmed cases, the correlations between administrative districts in respect to the confirmation patterns, and the floating populations in each administrative district, the proposed DARNN model outperformed the widely used LSTM (Long Short-Term Memory) model in terms of prediction accuracy. |
| 키워드(Keyword) |
COVID-19
코로나 바이러스
확산 예측 모델
DARNN
딥러닝
상관관계 분석
COVID-19
coronavirus
diffusion prediction model
DARNN
deep learning
correlation analysis
|
| 파일첨부 |
PDF 다운로드
|
