구글 모빌리티 정보를 고려한 LSTM 모델 기반의 국내 COVID-19 확진자 수 예측 = LSTM Model based Prediction of Daily confirmed cases of COVID-19 in Korea using Google Mobility Data

국문 초록 (Abstract)

COVID-19는 전 세계 지역사회의 건강과 경제에 치명적인 영향을 미치는 전염성이 높은 바이러스이며, 현재까지도 감염자와 사망자가 지속적으로 발생하고 있다. COVID-19 감염자를미리 예측하면 바이러스 확산을 막을 수 있다. 또한 의료체계 강화와 개인전염병 예방을 통해 확진자 수를 줄일 수 있을 것으로 기대된다. 본 논문에서는 MinMax Scaler, StandardScaler, Robust Scaler를 각각 LSTM 모델에 적용하여 확진자 수를 예측하고 모델 성능 평가로 가장 적합한 Scaler 방법을 제시한다. COVID-19 감염 현황 데이터와 구글 모빌리티데이터를 활용하여 Standard Scaler를 적용한 LSTM 모델의 1일 후 확진자 수를 예측하고시각적으로 보여준다. 또한, COVID-19 감염 현황 데이터만을 활용한 모델보다 구글 모빌리티 데이터를 포함했을 때 평가지표인 MAE에서 더 좋은 결과를 보여준다.

참고문헌 (Reference)

1 김재호 ; 김장영, "시계열 데이터를 활용한 코로나19 동향 예측" 한국정보통신학회 25 (25): 884-889, 2021

2 조영기 ; 이현수, "변형된 Attention 메커니즘 기반의 LSTM을 통한 전력수요 예측 프레임웍" 한국지능시스템학회 30 (30): 242-250, 2020

3 배진수 ; 김성범, "머신러닝 모델을 이용한 대한민국 코로나 신규 확진자 예측" 대한산업공학회 47 (47): 272-279, 2021

4 구민구 ; 노기섭, "딥러닝을 활용한 코로나19 이후 종교 인식 변화 분석" 한국지능시스템학회 32 (32): 13-19, 2022

5 Seo Yoon beom, "A study of a deep learning model for predicting the fluctuation of Bitcoin price" Dankook University Graduate School 2017