SARIMA모형을 이용한 코로나19 확진자수 예측

김재호; 김장영

추천

검색

질문

자료유형: 학술저널

저자정보: 김재호 (수원대학교) 김장영 (수원대학교)

저널정보: 한국정보통신학회 한국정보통신학회논문지 한국정보통신학회논문지 제26권 제1호

발행연도: 2022.1

수록면: 58 - 63 (6page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

코로나19의 일일 확진자 수는 천명 후반대에서 2천명대를 유지하고 있으며, 백신접종률이 증가함에도 불구하고 확진자수가 쉽게 줄어들지 않는 상황이다. 변이바이러스는 계속해서 등장하고, 현재는 뮤 변이 바이러스까지 국내에 유입되었다. 본 논문은 코로나 예방전략을 위해 SARIMA 모델을 통해 코로나19 국내 확진자 수를 예측한다. ADF Test와 KPSS Test를 통해 데이터에 추세와 계절성이 있음을 확인한다. SARIMA(p,d,q)(P,D,Q,S)의 p, d, q, P, D, Q의 값은 모형 차수결정 정리로 파라미터를 추출한다. ACF와 PACF를 통해 p, q 파라미터를 추론한다. 차분, 로그변환, 계절성제거 등을 통해 데이터를 정상성 형태로 변환하고, 도식화 하여 파라미터를 도출하고, 계절성이 있다면 S를 정하고, SARIMA P,D,Q를 정하고, 계절성을 제외한 차수에 대해 ACF와 PACF를 보고 ARIMA p,d,q를 정한다.

#계절성 자기회귀누적이동평균 #코로나19 #ADF Test #KPSS Test #Seasonal auto regressive integrated moving average(SARIMA) #Covid-19 #Augmented dickey-fuller(ADF) test #Kwiatkowski-phillips-schmidt-shin(KPSS) test

참고문헌 (8)

참고문헌 신청

K. Laiton-Donato, C. Franco-Muñoz, D. A. Álvarez-Díaz, H. A. Ruiz-Moreno, J. A. Usme-Ciro, D. A. Prada, J. Reales-González, S. Corchuelo, M. T. Herrera-Sepúlveda, J. Naizaque, G. Santamaría, J. Rivera, P. Rojas, J. H. Ortiz, A. Cardona, D. Malo, F. Prieto-Alvarado, F. R. Gómez, M. Wiesner, M. L. O. Martínez, and M. Mercado-Reyes, “Characterization of the emerging B.1.621 variant of interest of SARS- CoV-2,” Infection, Genetics and Evolution, vol. 95, pp. 105038, Nov. 2021.

National Center for Immunization and Respiratory Diseases (NCIRD). Science Brief: Transmission of SARS-CoV-2 in K-12 Schools and Early Care and Education Programs [Internet]. Available: https://www.ncbi.nlm.nih.gov/books/NBK570438/. CDC Public Health Science Agenda for COVID-19 [Internet]. Available: https://www.cdc.gov/coronavirus/2019-ncov/science/science-briefs/fully-vaccinated-people.html. J. H. Kim and J. Y. Kim, “Covid19 trends predictions using time series data,” Journal of the Korea Institute of Information and Communication Engineering, vol. 25, no. 7, pp. 884-889, Dec. 2021.

J. S. Yoo and J. G. Choo, “A Study on the Test and Visualization of Change in Trends associated with the Occurrence of Non-stationary of Long-term Time Series Data based on Unit Root Test,” KIPS Transactions on Software and Data Engineering, vol. 8, no. 7, pp. 289-302, Jul. 2019.

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

김재호

소속기관 수원대학교

주요연구분야 공학 > 전기전자공학 > 정보통신공학 TOP 5%

논문수 7 이용수 3,904

김장영

소속기관 수원대학교

주요연구분야 공학 > 전기전자공학 > 정보통신공학 TOP 1%

논문수 19 이용수 8,339

이 논문과 함께 이용한 논문

코로나 확진자 수 예측을 위한 BI-LSTM과 GRU 알고리즘의 성능 비교 분석

김재호 , 김장영 한국정보통신학회논문지 2022 .02

사회적 변수를 고려한 LSTM 기반 코로나19 일별 확진자 수 예측 기법

노윤아 , 정승원 , 문재욱 외 1명 정보과학회 컴퓨팅의 실제 논문지 2022 .02

순간 재생산지수에 기반한 COVID-19 확진자 수 변화 예측 시스템 연구

안수진 , 권민혜 한국통신학회 학술대회논문집 2021 .06

코로나 19 하에서 재난문자 내의 정보유형 및 특성: 서울특별시 재난문자를 중심으로

윤성욱 , 남기환 지능정보연구 2022 .03

코로나 19 이후 한국 아이돌 팬덤의 온라인 공연 경험과 문화적 결속력 변화에 관한 연구

이시림 , 이수현 문화산업연구 2022 .03

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (8)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)