Open AccessAZƏRBAYCANDA COVID-19 KORONAVİRUSUNA YOLUXMANIN PROQNOZLAŞDIRILMASI ÜÇÜN ARIMA MODELLƏRİNİN TƏTBİQİ
Author(s) -
Firəngiz Sadıyeva,
Amea İnformasiya Texnologiyaları İnstitutu
Publication year - 2021
Publication title -
informasiya texnologiyaları problemləri
Language(s) - Azerbaijani
Resource type - Journals
eISSN - 2304-0157
pISSN - 2077-4001
DOI - 10.25045/jpit.v12.i1.08
Subject(s) - physics , autoregressive integrated moving average , covid-19 , combinatorics , mathematics , statistics , medicine , time series , disease , pathology , infectious disease (medical specialty)
Məqalədə COVID-19 pandemiyasını proqnozlaşdırmaq üçün avtoreqressiv inteqrasiya edilmiş hərəkətli ortalama (ing. ARIMA. Autoregressive İntegrated Moving Average) modeli təklif edilmişdir. COVID-19 dünyada sürətlə yayılan və hazırda davam edən yeni növ pandemiyadır. Son dövrlərdə pandemiyaya yoluxanların sayı Azərbaycanda rekord həddə çatmışdır. Məhz bu səbəbdən COVID-19 pandemiyasının proqnozu məsələsinə baxılmışdır və bir neçə ayı əhatə edən real verilənlərlə eksperimentlərdə təklif edilmiş ARIMA modelinin COVID-19 zaman sıralarının proqnozlaşdırılması üçün müxtəlif parametrlərlə tətbiq edilmişdir. Verilənlər dedikdə, 22.01.2020 – 22.10.2020 tarixləri arasında Azərbaycan Respublikasının Səhiyyə Nazirliyi (www.sehiyye.gov.az) tərəfindən rəsmi olaraq qeydiyyata alınan gündəlik yoluxma hallarının sayı nəzərdə tutulur. Bu verilənlərdən istifadə etməklə, növbəti zaman aralığında ölkəmizdə baş verəcək yoluxma halları proqnoz edilmişdir. Bunun üçün ARIMA modelinə müxtəlif parametrlər verilmiş və uyğun olaraq hər bir modelin səhv dərəcəsi qiymətləndirilmişdir. Səhvin qiymətləndirilməsi üçün MAPE (Mean Absolute Persentace Error), MAE (Mean Absolute Error) və RMSE (Root Mean Square Error) funksiyaları istifadə edilib. Müqayisələr nəticəsində ən uyğun model seçilmişdir. Alınmış nəticələr ölkəmizdə pandemiya dövründə həm səhiyyə sistemi, həm də adi vətəndaşlar üçün vacib amildir. Əldə edilmiş nəticələr statistik metodların koronavirusa aid qeyri-stasionar zaman sıralarının proqnozlaşdırılmasının digər məsələlərə tətbiqində də məhsuldar ola biləcəyini təsdiqləyir.