1. Home page
  2. Search

Ανάπτυξη συστημάτων υποστήριξης απόφασης για την πρόβλεψη της εξέλιξης επιδημιών με την χρήση εργαλείων ανοιχτού λογισμικού

This item is provided by the institution :
/aggregator-openarchives/portal/institutions/uoa   

Repository :
Pergamos Digital Library   

see the original item page
in the repository's web site and access all digital files if the item*



Ανάπτυξη συστημάτων υποστήριξης απόφασης για την πρόβλεψη της εξέλιξης επιδημιών με την χρήση εργαλείων ανοιχτού λογισμικού
Παπακωνσταντίνου Μυρτώ (EL)
Papakonstantinou Myrto (EN)
born_digital_postgraduate_thesis
Διπλωματική Εργασία (EL)
Postgraduate Thesis (EN)
2023
Η παρούσα διπλωματική εργασία αποσκοπεί στην ανάπτυξη ενός Συστήματος Υποστήριξης Αποφάσεων για την πρόβλεψη της εξέλιξης επιδημιών στην Ελλάδα, χρησιμοποιώντας εργαλεία ανοιχτού λογισμικού. Η μελέτη ερευνά την αποτελεσματικότητα αλγορίθμων βαθιάς μάθησης στην πρόβλεψη της εξάπλωσης της πανδημίας COVID-19. Επικεντρώνεται στην πρόβλεψη της διάδοσης του ιού, της εξάπλωσης της νόσου και της ανάλυσης δεδομένων που σχετίζονται με την επιδημία. Το σύνολο δεδομένων προέρχεται από την OurWorldData.org, μια πηγή με ενημερωμένα δεδομένα για την παγκόσμια πανδημία COVID-19. Η ανάλυση περιορίζεται στην Ελλάδα και καλύπτει δεδομένα από τις αρχές του 2020 έως τον Δεκέμβριο του 2022. Τέσσερις αλγόριθμοι χρησιμοποιούνται για την πρόβλεψη της εξάπλωσης της πανδημίας: Γραμμικής Παλινδρόμησης (Linear Regression) , Αντίστροφης Διάδοσης (Back Propagation ή BP)), Νευρωνικό δίκτυο βραχυπρόθεσμης μνήμης (Long Short-Term Memory ή (LSTM)) και το Αυτοπαλινδρομικά Μοντέλα Κινητού Μέσου Όρου (AutoRegressive Integrated Moving Average ή ARIMA)). Η απόδοση των αλγορίθμων αξιολογείται μετρώντας τη Συσχέτιση (Correlation) , το Μέσο Απόλυτο Σφάλμα (MAE), το Τετραγωνικό Μέσο Σφάλμα (MSE) και την Τετραγωνική Ρίζα του Τετραγωνικού Μέσου Σφάλματος (RMSE). Επίσης, η μελέτη συγκρίνεται με άλλες σχετικές μελέτες οι οποίες επικεντρώνονται σε παρόμοιες αλγοριθμικές μεθόδους ή και την πανδημία COVID-19 σε διαφορετικές χώρες. Τα ευρήματα συντελούν στην κατανόηση των τάσεων των επιδημιών και τη βελτίωση των μεθόδων πρόβλεψης. (EL)
This thesis aims to develop a Decision Support System for predicting the evolution of epidemics in Greece using open-source tools. The study investigates the effectiveness of deep learning algorithms in forecasting the spread of the COVID-19 pandemic. It focuses on predicting virus disrsion, and disease propagation, and analyzing data related to the epidemic. The dataset comes from OurWorldData.org, a source for up-to-date global COVID-19 pandemic data. The analysis is limited to Greece and covers data from early 2020 to December 2022. Four algorithms are used to forecast the pandemic's spread: Linear Regression, Back Propagation (BP), Long Short-Term Memory (LSTM), and Auto-Regressive Integrated Moving Average (ARIMA). Algorithm performance is evaluated using metrics such as correlation, Mean Absolute Error (MAE), Mean Squared Error (MSE), and the Root Mean Squared Error (RMSE). The study also compares with other relevant research focusing on similar algorithms or the COVID-19 pandemic in different countries. This broader context provides insights into how well the chosen algorithms work and their use in pandemic forecasting. The findings contribute to understanding epidemic trends and improving forecasting methods. (EN)
Επιστήμες Υγείας
Επιστήμες Υγείας (EL)
Health Sciences (EN)
Greek
Σχολή Επιστημών Υγείας » Τμήμα Νοσηλευτικής » Διαπανεπιστημιακό ΠΜΣ Οργάνωση και Διοίκηση Υπηρεσιών Υγείας-Πληροφορική της Υγείας » Κατεύθυνση Πληροφορική της Υγείας
Βιβλιοθήκη και Κέντρο Πληροφόρησης » Βιβλιοθήκη Επιστημών Υγείας
https://creativecommons.org/licenses/by-nc/4.0/
University of Athens
Pergamos Digital Library
Postgraduate Thesis



*Institutions are responsible for keeping their URLs functional (digital file, item page in repository site)