지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술대회자료
- 저자정보
- 발행연도
- 2020.6
- 수록면
- 59 - 64 (6page)
이용수
DBpia Top 0.1%동일한 주제분류 기준으로최근 2년간 이용수 순으로 정렬했을 때
해당 논문이 위치하는 상위 비율을 의미합니다.
초록· 키워드
오류제보하기
2019년 12일 중국 후베이성 우한 시에서 시작된 코로나바이러스감염증-19(이하 COVID-19)은 2020년 1월부터 전 세계로 퍼져, 일부 국가 및 지역을 따라 제외한 대부분의 나라와 모든 대륙으로 확산되었다. 이에 따라 WHO는 2020년 1월 30일 국제적 공중보건 비상사태(PHEIC)를 선포한 후, 2020년 3월 11일 범 유행 전염병(Pandemic)을 선언하였다. COVID-19의 영향은 생명 손실에 국한되지 않고, 사회경제적 영역으로 불안 등을 감소시키기 위해 전염병 확산에 대한 예측은 필수 불가결 하다.
본 논문은 이처럼 최근 유행하고 있는 전염병인 COVID-19에 대해 전염병 모형과 순환 신경망(Recurrent Neural Network) 두 기법을 통해 확산을 예측하고 결과를 비교한다. 전 세계의 국가별 확진자와 사망자 통계를 활용하여 예측 결과를 도출하였다. 전염병 모형을 통한 예측에는 SIR(Susceptible-Infected-Recovered) 모형을 사용하며, 기계 학습의 최적화 알고리즘 중 L-BFGS를 사용하여 SIR 모형의 곡선 적합을 진행하였다. RNN 기반 예측 모델로는 LSTM 모델을 사용하였다. 예측을 실시하여 각 기법의 결론을 도출하고 실제 확진자 통계와의 정확도를 비교하였다. 본 논문은 특정한 나라들에 대하여 전염병 초기의 SIR 모형을 사용한 예측과, 현재(2020.5.29)까지 진행된 상태에서의 예측을 비교한다. 두 예측의 오차를 통하여 방역 수준에 대한 추론을 제시한다. 추가 확진자와 누적 확진자의 관계 그래프를 제공, 기울기와 두 예측 그래프 사이의 오차와 관계성을 확인하고 대략적 방역 수준을 정의한다.
본 논문은 이처럼 최근 유행하고 있는 전염병인 COVID-19에 대해 전염병 모형과 순환 신경망(Recurrent Neural Network) 두 기법을 통해 확산을 예측하고 결과를 비교한다. 전 세계의 국가별 확진자와 사망자 통계를 활용하여 예측 결과를 도출하였다. 전염병 모형을 통한 예측에는 SIR(Susceptible-Infected-Recovered) 모형을 사용하며, 기계 학습의 최적화 알고리즘 중 L-BFGS를 사용하여 SIR 모형의 곡선 적합을 진행하였다. RNN 기반 예측 모델로는 LSTM 모델을 사용하였다. 예측을 실시하여 각 기법의 결론을 도출하고 실제 확진자 통계와의 정확도를 비교하였다. 본 논문은 특정한 나라들에 대하여 전염병 초기의 SIR 모형을 사용한 예측과, 현재(2020.5.29)까지 진행된 상태에서의 예측을 비교한다. 두 예측의 오차를 통하여 방역 수준에 대한 추론을 제시한다. 추가 확진자와 누적 확진자의 관계 그래프를 제공, 기울기와 두 예측 그래프 사이의 오차와 관계성을 확인하고 대략적 방역 수준을 정의한다.
목차
국문초록
1. 서론
2. 본론
3. 결론
참고문헌
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
Neural ODE를 이용한 COVID-19 확진자 수 예측 모델
한국정보과학회 학술발표논문집
2021 .06
-
LSTM 기반의 코로나19 일별 확진자 수 예측 기법
한국정보과학회 학술발표논문집
2021 .06
-
모빌리티 및 공공빅데이터 기반 코로나 확진자 수 예측 및 정책 제언
대한교통학회 학술대회지
2021 .02
-
전염병 유행 단계별 인간 이동패턴과 COVID-19 전염병 확산의 역학관계 분석: 서울시를 중심으로
한국정보기술학회논문지
2023 .04
-
오토인코더 기반 특징추출을 통한 국가별 COVID-19 일일 신규 확진자 수 예측 모델링
한국지능정보시스템학회 학술대회논문집
2020 .06
-
머신러닝 모델을 이용한 일일 COVID-19 확진자 수 예측
한국정보통신학회 종합학술대회 논문집
2022 .05
-
사회적 변수를 고려한 LSTM 기반 코로나19 일별 확진자 수 예측 기법
정보과학회 컴퓨팅의 실제 논문지
2022 .02
-
백신 접종률이 일일 코로나 신규 확진자 수에 미치는 영향 연구 및 확진자 수 예측 모델 제안 : 시계열 분석 모형을 중심으로
한국신뢰성학회 학술대회논문집
2022 .07
-
순간 재생산지수에 기반한 COVID-19 확진자 수 변화 예측 시스템 연구
한국통신학회 학술대회논문집
2021 .06
-
코로나 19 영향을 고려한 머신러닝 기반의 전력사용량 예측 알고리즘 구현
대한전기학회 학술대회 논문집
2021 .04
-
머신러닝과 딥러닝 기반의 코로나 신규 확진자 추세 예측
대한산업공학회 추계학술대회 논문집
2020 .11
-
COVID-19 확진자 수와 서울시 대중교통 이용자 수의 시간적 관계에 대한 사회경제적 특성의 영향
대한교통학회 학술대회지
2021 .02
-
LSTM을 활용한 국내 코로나19 기간 별 확진자 수 예측 연구
대한전자공학회 학술대회
2022 .06
-
인간 이동패턴과 COVID-19 전염병 확산의 역학관계 분석
한국통신학회 학술대회논문집
2023 .02
-
구글 모빌리티 정보를 고려한 LSTM 모델 기반의 국내 COVID-19 확진자 수 예측
한국지능시스템학회 논문지
2022 .08
-
딥러닝 기반의 국내 코로나19 감염병 확진자 수 예측
대한산업공학회 춘계공동학술대회 논문집
2022 .06
-
코드북 기반 SIR 향상 빔 형성 기법
한국통신학회논문지
2015 .08
-
일별 항공물동량 예측을 위한 의사결정나무 모형 비교 분석
대한교통학회지
2023 .02
-
코로나19 데이터의 시각화
한국컴퓨터정보학회 학술발표논문집
2021 .01
-
ConvLSTM-Based COVID-19 Outbreak Prediction using Feature Combination of Multivariate Dataset
Journal of KIISE
2021 .04
이 논문의 저자 정보
이 논문과 함께 이용한 논문
SEIR 모형을 이용한 전염병 모형 예측 연구
도미진
,
김종태
,
최보승
한국데이터정보과학회지
2017
.03
SIR 모형을 이용한 한국의 코로나19 확산에 대한 개입 효과 분석
조수민
,
김재직
응용통계연구
2021
.06
확률적 방법에 기반한 질병 확산 모형의 구축
류수락
,
최보승
한국데이터정보과학회지
2015
.04
전염병의 효율적 통제를 위한 비선형 SIR 모델의 타카기-수게노 퍼지모델 기반 샘플치제어
문지현
,
이재준
,
이호재
한국지능시스템학회 논문지
2018
.12
수학적 모델링을 이용한 COVID-19 해외 유입 확진자수 예측
이승열
,
신명기
한국통신학회 학술대회논문집
2020
.08
최근 본 자료
댓글(0)
0