정보과학회 컴퓨팅의 실제 논문지 (KIISE Transactions on Computing Practices)
Current Result Document : 1 / 2
| 한글제목(Korean Title) |
사회적 변수를 고려한 LSTM 기반 코로나19 일별 확진자 수 예측 기법 |
| 영문제목(English Title) |
LSTM-based Daily COVID-19 Forecasting Scheme Considering Social Variables |
| 저자(Author) |
임승호
박찬현
Seungho Lim
Chanhyun Park
노윤아
정승원
문재욱
황인준
Yoona Noh
Seungwon Jung
Jaeuk Moon
Eenjun Hwang
|
| 원문수록처(Citation) |
VOL 28 NO. 02 PP. 0116 ~ 0121 (2022. 02) |
한글내용
(Korean Abstract) |
코로나19의 확산으로 인해 세계적으로 많은 피해가 보고되고 있다. 피해를 줄이기 위해서는 바이러스의 확산을 조기에 파악하고 적절한 대책을 신속히 준비하는 것이 중요하다. 이를 위해 시계열 예측에 탁월한 LSTM 모델과 같은 기계학습 모델을 활용한 코로나19 확진자 수 예측 연구가 수행되었으나, 대부분 확진자 수 데이터만 입력 변수로 사용하여 다소 부정확했다. 한편, 코로나19 대응 정책이나 유동인구 등은 사회적 변화를 나타내기에 예측 모델에 적용될 필요가 있다. 특히, 백신 접종으로 인해 변화된 확산 패턴을 예측 가능한 모델이 필요하다. 이에, 본 논문에서는 사회적 변화를 반영하는 변수들을 활용한 LSTM 기반 코로나19 확진자 수 예측 기법을 제안한다. 예측 모델 구성을 위해 사회적 거리두기 단계, 지하철 승차 인원, “코로나” 키워드 검색량, 백신 접종자 수 등의 데이터를 수집하고 모델의 입력 변수로 활용한다. 다양한 모델과의 비교 실험을 통하여 제안한 기법의 우수성을 보인다. |
영문내용
(English Abstract) |
Due to the spread of COVID-19, many losses are being reported worldwide. In order to reduce losses, it is important to identify the spread of the virus early and prepare appropriate countermeasures quickly. Various studies have been conducted to forecast the number of COVID-19 cases using machine learning models such as the LSTM model, which shows excellent performance in time series forecasting. However, most of them do not have high forecasting accuracy because they use only confirmed cases data as input variables. Meanwhile, COVID-19 response policy, floating population, and so on that can represent social changes need to be applied to a forecasting model. In particular, due to the introduction of vaccines, a forecasting model suitable for changed spread pattern is needed. Therefore, we proposed an LSTM-based forecasting scheme to predict the number of COVID-19 confirmed cases using social variables in this study. To construct the forecasting model, we collected data such as social distancing level, number of subway passengers, "COVID-19" keyword searches, and number of vaccinations and used them as input variables. Through comparative experiments with various models, the proposed scheme demonstrated an excellent forecasting performance. |
| 키워드(Keyword) |
SSD
NVMe
스토리지 시스템
컴퓨터 시스템
성능 분석
storage system
computer system
performance analysis
코로나19
감염병 예측
백신 접종
LSTM
COVID-19
infectious disease forecasting
vaccination
LSTM
|
| 파일첨부 |
PDF 다운로드
|
