Google Colab으로 코드를 직접 실행시켜보세요
Google Colaboratory
colab.research.google.com
연구목적
이 연구는 실시간 Kalman Filter 알고리즘을 이용하여 코로나19(COVID19)의 각 지역 별 확산을 예측합니다. 인구 데이터, 각 지역별 확진자 수, 날씨 데이터를 입력해서 대한민국의 확진자 추이를 예측할 것입니다.
Ran Kremer이 Kalman Filter로 제작한 모델은 그동안 단기간의 확진자 증가 수를 비교적 정확하게 예측했습니다. 저는 Ran Kremer의 모델을 대한민국의 경우에 한정해서 확진자 수 / 사망자 수 / 완치자 수의 경향을 예측해보려고 합니다.
데이터셋
Johns Hopkins University CSSE의 Novel Coronavirus (COVID-19) Cases를 코로나19 확진자 데이터셋으로 삼았습니다.
- 코로나바이러스19로 인한 확진자, 사망자, 완치자 데이터셋은 매일 업데이트가 됩니다.
- 중국의 경우는 각 성(省) 별로 인구 데이터가 나누어져 있습니다.
- 한국을 포함한 다른 지역들은 국가 단위로 인구 데이터가 나누어져있습니다.
Short Term Forecast: 국내 확진자 수 1일 예측
- y축은 확진자수, x축은 날짜입니다.
- 파란색은 실제 데이터값, 노란색은 예측치입니다.
Long Term Forecast: 국내 확진자 수 30일 예측
- y축은 확진자수, x축은 날짜입니다.
- 파란색은 Kalman Filter 예측치입니다.
- 표에서 좌측 날짜에 비해서 확진자 예측값이 하루씩 밀려있습니다
ex: 3월 2일 예상 확진자는 4099명, 3월 3일 예상 확진자는 4327명
다음 포스트에서는 Kalman Filter 예측 모델과 Facebook Prophet 예측 모델을 비교해보려고 합니다.
Facebook Prophet을 이용한 대한민국의 코로나19 확진자 추이 예측 (3월 2일 작성)
전에 작성한 포스트는 Kalman Filter 모델을 다뤘습니다. Facebook Prophet을 이용해서 확진자 수를 예측해보고, Kalman Filter의 예상값과 비교해보겠습니다. Kalman Filter 모델에는 세계 지역 별 확진자 수 시..
gaemin.tistory.com
컨트리뷰팅은 언제나 환영입니다!
snoop2head/COVID19
Using Kalman Filter to Predict Corona Virus Spread / 코로나 바이러스 19 확진자, 사망자, 완치자 예측 - snoop2head/COVID19
github.com
'Project Based Learning > 코로나19 국내 확진자 수 예측' 카테고리의 다른 글
| fbprophet을 이용한 대한민국의 코로나19 확진자 추이 예측 (3월 2일 작성) (0) | 2020.03.02 |
|---|
