Arıma ve derin öğrenme modelleri kullanılarak Türkiye'deki COVID-19 vaka ve vefat sayılarının tahmini

Koronavirüs (Covid-19), 2019 yılında ortaya çıkan, hızlı bir şekilde yayılan, insan sağlığına etki eden dünya çapında büyük bir tehdittir. Çin'in Wuhan şehrindeki deniz ürünleri ve hayvan pazarlarından kaynaklandığı düşünülmektedir. Covid-19, bulaşıcı bir hastalıktır ve insandan insana bulaşmaktadır. 11 Mart 2020'de Dünya Sağlık Örgütü (World Health Organization- WHO), Covid-19 salgınını küresel bir salgın olarak ilan etmiştir. Ülkelerin salgın kaynaklı vaka ve vefat sayılarını tahmin edebilmesi geleceğe yönelik planlama yapabilmeleri için büyük önem taşımaktadır. Bu tez çalışmasının amacı, geçmiş verilere dayanarak Türkiye'nin gelecekteki toplam Covid-19 vaka ve vefat sayılarını tahmin etmektir. Veri seti, Türkiye Cumhuriyeti Sağlık Bakanlığı'nın internet sitesindeki veriler kullanılarak oluşturulmuştur. Tahmin modelleri olarak, Uzun Kısa Süreli Bellek (Long Short Term Memory -LSTM), Çift Yönlü LSTM (Bidirectional LSTM- BiLSTM), Geçitli Tekrarlayan Birim (Gated Recurrent Unit - GRU) olmak üzere üç farklı derin öğrenme modeli ve Otoregresif Entegre Hareketli Ortalama (Autoregressive Integrated Moving Average- ARIMA) istatistiksel modeli kullanılmıştır. 11 Mart 2020 ile 31 Mayıs 2021 tarihleri arasındaki veriler modellerin eğitilmesi, test edilmesi için kullanılmış olup, 1 Haziran - 30 Haziran 2021 tarihleri arasındaki vaka ve vefat sayıları tahmin edilmiştir. Modellerin performansını değerlendirmek için Kök Ortalama Kare Hatası (Root Mean Square Error- RMSE) ve Ortalama Mutlak Yüzde Hatası (Mean Absolute Percentage Error- MAPE) kullanılmıştır. ARIMA modeli RMSE, MAPE ve tahmin değerleri açısından derin öğrenme tekniklerinden daha iyi performans göstermiştir. ARIMA modelinin ürettiği tahmin değerlerinin, Türkiye'nin gerçek vaka ve vefat sayıları ile daha uyumlu olduğu gözlenmiştir. Anahtar Kelimeler: Covid-19, Çift Yönlü LSTM, Derin Öğrenme, Geçitli Tekrarlayan Birim, Otoregresif Entegre Hareketli Ortalama, Uzun Kısa Süreli Bellek