Predviđanje dnevnog broja aktivnih covid-19 slučajeva pomoću analize vremenskih serija

diplomski rad

• Naslov (engleski): Covid-19 Active Daily Cases Prediction Using Time Series Analysis
• Autor: Ivona Mihotić
• Mentor: Marin Šilić (mentor)
• Član povjerenstva: Marin Šilić (predsjednik povjerenstva)
• Član povjerenstva: Klemo Vladimir (član povjerenstva)
• Član povjerenstva: Goran Delač (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2021-07-05, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

U ovom radu opisane su metode analize i predviđanja vremenskih serija. Detaljno su opisani ARIMA i Prophet model, koji su korišteni za predviđanje aktivnih COVID-19 slučajeva u državama: Sjedinjene Američke Države, Brazil i Francuska. Nadalje, prikazan je i objašnjen postupak implementacije navedenih modela. Za evaluaciju modela, korišteno je predviđanje u jednom i više koraka. U smislu mjera vrednovanja za procjenu prediktivne snage svakog od pristupa korišteni su RMSE i MAPE. Njima je ispitana uspješnost ostvarenog predviđanja te su prikazani i opisani rezultati ispitivanja.

Sažetak (engleski)

This thesis describes methods of time series analysis and prediction. The ARIMA and Prophet models, that are used to predict active COVID-19 cases in the countries: United States, Brazil, and France, are described in detail. Furthermore, the implementation of these models is presented and explained. To evaluate these models, one step and multi-step forecasting were used. Evaluation measures used to assess the predictive power of each of the approaches were RMSE and MAPE. They examined the success of the achieved prediction and presented and described the test results.

• Ključne riječi: ARIMA; Prophet; COVID-19; vremenska serija; analiza vremenskih serija; metode predviđanja vremenskih serija
• Ključne riječi (engleski): ARIMA; Prophet; COVID-19; time series; time series analysis; time series prediction methods
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:398631
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-01-13 10:26:08