CC BY
6УДК 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 ШУГО-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, СОУЮ-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 СОУГО-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 а и в позволяет заключить, что для данного метода временной ряд хорошо описываются с параметрами а=0,9 и в=0,9. Данный метод не требует значительных трудозатрат и подходит для прогнозирования в краткосрочной перспективе.
СПИСОК ЛИТЕРАТУРЫ:
1. Cassao V., Alves D., de Andrade Mioto A.C., Mozini M.T., Segamarchi R.B., Miyoshi N.Sh.B. Unsupervised analysis of COVID-19 pandemic evolution in brazilian states: Vaccination Scenario // Procedia Computer Science. Vol. 219, 2023, P. 14531461
2. Zelenkov Yu., Reshettsov I. Analysis of the COVID-19 pandemic using a compartmental model with time-varying parameters fitted by a genetic algorithm // Expert Systems with Applications. Vol. 224, P. 120034
3. Alfano V., Guarino M. The effect of self-esteem on the spread of a pandemic. A cross-country analysis of the role played by self-esteem in the spread of the COVID-19 pandemic // Social Science & Medicine. Vol 324, P. 115866
4. Novel Corona Virus 2019 Dataset. URL: https://www.kaggle.com/datasets/sudalairajkumar/novel-corona-virus-2019-dataset (дата обращения 01.06.2023).
Tsarev Yu.V.
Candidate of Technical Sciences, Associate Professor of the Department of Information Systems and Technologies Yaroslavl State Technical University (Russia, Yaroslavl)
Kartoyev M.M.
Bachelor of the 2rd year of the Department of Information Systems and Technologies
Yaroslavl State Technical University (Russia, Yaroslavl)
Pukhov I.N.
Bachelor of the 2rd year of the Department of Information Systems and Technologies
Yaroslavl State Technical University (Russia, Yaroslavl)
Vatanshoev R.Sh.
Master of the 2nd year of the Department of Information Systems and Technologies
Yaroslavl State Technical University (Russia, Yaroslavl)
SMOOTHING TIME SERIES DATA FOR THE EVOLUTION OF THE COVID-19 PANDEMIC IN HONG KONG
Abstract: this article discusses the use of smoothing tools for the time series of the development of the COVID-19 pandemic in Hong Kong as tools for short-term forecasting.
Keywords: time series, data analysis, smoothing, COVID-19.
