Царев Ю.В., Картоев М.М., Пухов И.Н., Ватаншоев Р.Ш.
СГЛАЖИВАНИЕ ДАННЫХ ВРЕМЕННОГО РЯДА РАЗВИТИЯ ПАНДЕМИИ COVID-19 В ГОНКОНГЕ *
Аннотация:
в данной статье рассматриваются вопросы применения средств сглаживания данных временного ряда развития пандемии COVID-19 в Гонконге в качестве инструментов краткосрочного прогнозирования
Ключевые слова:
временной ряд, анализ данных, сглаживание, COVID-19
УДК 004.932.2
Царев Ю.В.
к.т.н., доцент кафедры Информационных систем и технологий
Ярославский государственный технический университет
(Россия, г. Ярославль)
Картоев М.М.
бакалавр 2 курса кафедры Информационных систем и технологий
Ярославский государственный технический университет
(Россия, г. Ярославль)
Пухов И.Н.
бакалавр 2 курса кафедры Информационных систем и технологий
Ярославский государственный технический университет
(Россия, г. Ярославль)
Ватаншоев Р.Ш.
магистр 2 курса кафедры Информационных систем и технологий
Ярославский государственный технический университет
(Россия, г. Ярославль)
СГЛАЖИВАНИЕ ДАННЫХ ВРЕМЕННОГО РЯДА
РАЗВИТИЯ ПАНДЕМИИ COVID-19 В ГОНКОНГЕ
Аннотация: в данной статье рассматриваются вопросы применения средств сглаживания данных временного ряда развития пандемии COVID-19 в Гонконге в качестве инструментов краткосрочного прогнозирования.
Ключевые слова: временной ряд, анализ данных, сглаживание, COVID-19.
Анализ временных рядов развития пандемии COVID-19 играет важное значение в понимании внутренних механизмов развития таких процессов, как заболеваемость смертность, выздоровление. Выявленные зависимости могут дать в руки лицам, принимающим решения, надежный инструмент в разработке эффективной стратегии по созданию дополнительных больничных коек, закупке лекарственных средств и медицинского оборудования.
Авторы в статье [1] проанализировали, как пандемия развивается в каждом бразильском штате под влиянием процесса вакцинации. Был использован метод кластеризации временных рядов, основанный на вариации K-средних, с метрикой подобия Dynamic Time Warping (DTW). Результаты указывают на неравномерность вакцинации и необходимость выявления других социально-экономических показателей. В статье [2] представлен подход, основанный на реконструкции реальных распределений переходных скоростей развития пандемии с использованием генетических алгоритмов, что позволяет создать модель, описывающую несколько пиков пандемии. Модель адаптирована к зарегистрированным случаям COVID-19 в четырех странах с разными стратегиями борьбы с пандемией (Германия, Швеция, Великобритания и США). В качестве целевой функции была выбрана средняя абсолютная процентная ошибка (MAPE), для перечисленных стран были достигнуты значения MAPE 2,168%, 2,096%, 1,208% и 1,703% соответственно. Авторы исследования [3] оценивают роль, которую играет средний уровень самооценки населения страны на развитие пандемии. Выдвинута гипотеза проверяется в исследовании с помощью количественного межстранового анализа с использованием гибридной модели и шкалы самооценки Розенберга. Результаты свидетельствуют о наличии U-образной зависимости между трендом COVID-19 и средним уровнем самооценки в стране.
В представленной работе для выполнения анализа развития пандемии COVID-19 использовались открытые данные для различных стран [4]. Нами были выбраны данные развития пандемии в Гонконге.
Рис. 1 Сглаживание временного ряда COVID-19 методом двойного экспоненциального сглаживания (заболеваемость)
Рис. 2 Сглаживание временного ряда COVID-19 методом двойного экспоненциального сглаживания (смертность)
Рис. 3 Сглаживание временного ряда COVID-19 методом двойного экспоненциального сглаживания (выздоровление)
В качестве одного из методов сглаживания данных временного использовался метод двойного экспоненциального сглаживания. Результаты для временных рядов заболевших, умерших и выздоровевших представлены на рисунках 1-3. Полученные зависимости для различных параметров модели двойного экспоненциального сглаживания α и β позволяет заключить, что для данного метода временной ряд хорошо описываются с параметрами α=0,9 и β=0,9. Данный метод не требует значительных трудозатрат и подходит для прогнозирования в краткосрочной перспективе.
СПИСОК ЛИТЕРАТУРЫ:
Номер журнала Вестник науки №6 (63) том 3
Ссылка для цитирования:
Царев Ю.В., Картоев М.М., Пухов И.Н., Ватаншоев Р.Ш. СГЛАЖИВАНИЕ ДАННЫХ ВРЕМЕННОГО РЯДА РАЗВИТИЯ ПАНДЕМИИ COVID-19 В ГОНКОНГЕ // Вестник науки №6 (63) том 3. С. 991 - 995. 2023 г. ISSN 2712-8849 // Электронный ресурс: https://www.вестник-науки.рф/article/9105 (дата обращения: 17.05.2024 г.)
Вестник науки СМИ ЭЛ № ФС 77 - 84401 © 2023. 16+