Прогноз кількості хворих на COVID-19 в Україні

Скорочена інформація про документ
dc.contributor.authorПавлюк, Олена Миколаївна
dc.contributor.authorЛиса, Наталія Корнеліївна
dc.contributor.authorФедевич, Ольга Юріївна
dc.contributor.authorСтронціцька, Анастасія-Ольга Андріянівна
dc.date.accessioned2021-04-01T10:26:57Z
dc.date.available2021-04-01T10:26:57Z
dc.date.issued2020
dc.description.abstractenBackground. COVID-19 pandemic is one of the world’s newest and most actual problem. The only workable way to stop the spreading of the decease is to introduce quarantine. The stronger quarantine restrictions the stronger they affect the economic and social situation. Objective. Based on the analysis of the literature sources and the own research, we forecast the number of patients with COVID-19 in Ukraine and develop recommendations on the feasibility of introducing the next stages of quarantine limitations. Methods. The following methods were used: the correlation identification between the number of patients with coronavirus in Ukraine and other countries; the development of the trends for long-term and medium-term forecasts of the number of patients with COVID-19 in Ukraine; the use of the non-iterative artificial neural networks (ANN) based on the radial basis functions (RBF) with additional lateral connections between neurons of the latent layer to make a short-term forecast of the number of patients with the decease. Results. The correlation between the number of coronavirus patients in Ukraine, Italy and Spain was revealed. The trend was constructed with the help of polynomials from the 2nd to the 6th degree for long-term forecast of the number of patients with COVID-19 in Ukraine and the long-term forecast was made. The similarities of Ukraine's trajectories with Poland and Sweden were used for the medium-term forecast. It is established that Ukraine is increasingly deviating from the trajectory of Poland and approaching the trajectory of Sweden with a delay of 2-3 days. ANN RBF with additional lateral connections between neurons of the latent layer were used for short-term forecast of the number of patients with COVID-19 in Ukraine. The RMS error of the ANN training for the 14-day forecast is 0.55%, and the maximum is 1.43%. Conclusions. Based on the forecasts, the effect of the first stage of quarantine easing is shown, and the second stage of quarantine restrictions showed the effect on the disease.uk
dc.description.abstractruПроблематика. Одной из самых актуальных проблем в мире является пандемия COVID-19. От ее распространения и продолжительности зависит, будут ли продолжать ослаблять карантинные ограничения, влияющие на экономическую и социальную ситуацию в мире в общем и в Украине в частности. Цель исследования. На основе анализа литературных источников и собственных проведенных исследований осуществить прогноз количества больных COVID-19 в Украине и разработать рекомендации относительно целесообразности введения последующих этапов ослабление карантина. Методика реализации. Выявление корреляционной зависимости между количеством больных коронавирусом в Украине и в других странах. Построение трендов для осуществления долго- и среднесрочного прогнозов количества больных COVID-19 в Украине. Применение неитерационных искусственных нейронных сетей (ИНС) на основе радиально-базисных функций (РБФ) с дополнительными латеральными связями между нейронами скрытого слоя для осуществления краткосрочного прогноза количества больных коронавирусом. Результаты исследования. Выявлена корреляционная зависимость между количеством больных коронавирусом в Украине, Италии и Испании. Построен тренд с помощью полиномов с 2 до 6-й степени для долгосрочного прогноза количества больных COVID-19 в Украине и осуществлен долгосрочный прогноз. Для среднесрочного прогноза использовано сходство траекторий Украины с траекториями Польши и Швеции. Установлено, что Украина все больше отклоняется от траектории Польши и приближается к траектории Швеции с опозданием в 2-3 дня. Применены РБФ ИНС с дополнительными латеральными связями между нейронами скрытого слоя для краткосрочного прогноза количества больных COVID-19 в Украине. Среднеквадаратическая приведенная к диапазону значений погрешность обучения ИНС для прогноза на 14 дней составляет 0,55 %, максимальная – 1,43 %. Выводы. На основе проведенных прогнозов продемонстрировано влияние первого этапа ослабления карантина и показано, как повлияет на заболевание второй этап ослабления карантина.uk
dc.description.abstractukПроблематика. Однією з найактуальніших проблем у світі є пандемія COVID-19. Від її поширення і тривалості залежить, чи будуть продовжувати послаблювати карантинні обмеження, які впливають на економічну та соціальну ситуацію в світі загалом та в Україні зокрема. Мета дослідження. На основі аналізу літературних джерел і власних проведених досліджень здійснити прогноз кількості хворих на COVID-19 в Україні та розробити рекомендації щодо доцільності введення наступних етапів послаблення карантину. Методика реалізації. Виявлення кореляційної залежності між кількістю хворих на коронавірус в Україні та інших країнах. Побудова трендів для здійснення довго- та середньострокового прогнозів кількості хворих на COVID-19 в Україні. Застосування неітераційних штучних нейронних мереж (ШНМ) на основі радіально-базисних функцій (РБФ) із додатковими латеральними зв’язками між нейронами прихованого прошарку для здійснення короткострокового прогнозу кількості хворих на коронавірус. Результати дослідження. Виявлено кореляційну залежність між кількістю хворих на коронавірус в Україні, Італії та Іспанії. Побудовано тренд за допомогою поліномів із 2 до 6-го степеня для довгострокового прогнозу кількості хворих на COVID-19 в Україні і здійснено довгострокові прогнози. Для середньострокового прогнозу використано подібність траєкторій України з траєкторіями Польщі та Швеції. Встановлено, що Україна все більше відхиляється від траєкторії Польщі і наближається до траєкторії Швеції із запізненням у 2-3 дні. Застосовано РБФ ШНМ із додатковими латеральними зв’язками між нейронами прихованого прошарку для короткострокового прогнозу кількості хворих на COVID-19 в Україні. Середньоквадаратична зведена до діапазону значень похибка навчання ШНМ для прогнозу на 14 днів становить 0,55 %, максимальна – 1,43 %. Висновки. На основі здійснених прогнозів показано вплив першого етапу послаблення карантину та показано, як вплине на захворювання другий етап послаблення карантинних обмежень.uk
dc.format.pagerangeС. 25-34uk
dc.identifier.citationПрогноз кількості хворих на COVID-19 в Україні / О. М. Павлюк, Н. К. Лиса, О. Ю. Федевич, А.-О. А. Стронціцька // Наукові вісті КПІ : міжнародний науково-технічний журнал. – 2020. – № 2(129). – С. 25–34. – Бібліогр.: 7 назв.uk
dc.identifier.doihttps://doi.org/10.20535/kpi-sn.2020.2.205127
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/40379
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.relation.ispartofНаукові вісті КПІ : міжнародний науково-технічний журнал, 2020, № 2(129)uk
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/en
dc.subjectкількість хворихuk
dc.subjectCOVID-19uk
dc.subjectпандеміяuk
dc.subjectвірус SARS-CoV-2uk
dc.subjectкарантинuk
dc.subjectкороткостроковий прогнозuk
dc.subjectсередньостроковий прогнозuk
dc.subjectдовгостроковий прогнозuk
dc.subjectнеітераційні штучні нейронні мережіuk
dc.subjectрадіально-базисна функціяuk
dc.subjectnumber of patientsuk
dc.subjectCOVID-19uk
dc.subjectpandemicuk
dc.subjectSARS-CoV-2 virusuk
dc.subjectquarantineuk
dc.subjectshort-term forecastuk
dc.subjectmiddle-term forecastuk
dc.subjectlong-term forecastuk
dc.subjectnon-iterative artificial neural networksuk
dc.subjectradial basis functionuk
dc.subjectколичество больныхuk
dc.subjectпандемияuk
dc.subjectвирус SARS-CoV-2uk
dc.subjectкраткосрочный прогнозuk
dc.subjectсреднесрочный прогнозuk
dc.subjectдолгосрочный прогнозuk
dc.subjectнеитерационные искусственные нейронные сетиuk
dc.subjectрадиально-базисная функцияuk
dc.subject.udc004.896+681.518uk
dc.titleПрогноз кількості хворих на COVID-19 в Україніuk
dc.title.alternativeThe Forecast of Confirmed COVID-19 Infection Cases in Ukraineuk
dc.title.alternativeПрогноз количества больных COVID-19 в Украинеuk
dc.typeArticleuk

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
NVKPI2020-2_03.pdf
Розмір:
1.57 MB
Формат:
Adobe Portable Document Format
Опис:
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
9.01 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Наукові вісті КПІ: міжнародний науково-технічний журнал, № 2(129)
COVID-19