COVID-19 vaka sayısını tahmin etmek için yapay sinir ağı eğitiminde ABC algoritmasının bazı varyantlarının performanslarının karşılaştırılması

Abstract

Tüm dünyayı etkisi altına alan COVID-19 pandemisi hala etkisini göstermektedir. Birçok araştırmacı COVID-19 ile mücadele için farklı alanlarda çalışmalar yürütmeye devam etmektedir. COVID-19 vaka sayısının tahmin edilmesi önemli çalışma konularından biridir. Geleceğe yönelik olarak COVID-19 vakalarının sayısını tahmin etmek, daha etkili planlama için bir fikir vermektedir. COVID-19 vakalarının sayısını tahmin etmek için kullanılan yapay zekâ tekniklerinden biri de yapay sinir ağlarıdır (YSA). YSA ile etkili bir model oluşturmak için başarılı bir eğitim süreci gereklidir. Bu çalışma kapsamında YSA, COVID-19 vaka sayısını tahmin etmek için bazı yapay arı kolonisi (ABC) algoritmaları kullanılarak eğitilmiştir. Bu algoritmalar; standart ABC, aABC, ABCES, HABCES algoritmalarıdır. Bu algoritmaların küresel ve yerel yakınsama yeteneği açısından birbirlerine göre avantaj ve dezavantajları bulunmaktadır. Bu çalışmada dünya genelindeki COVID-19 vaka sayıları dikkate alınmıştır. Ocak 2021'den Eylül 2022'ye kadar olan haftalık veriler kullanılmıştır. Bu veriler dikkate alınarak haftalık COVID-19 vaka sayısının tahmini gerçekleştirilmiştir. Etkili sonuçlara ulaşmak için ilgili problem iki, üç ve dört girişten oluşan sistemlere dönüştürülmüş ve farklı ağ yapıları kullanılmıştır. Veri setinin %80'i eğitim süreci için kullanıldı. Diğerleri test sürecine aittir. Eğitim ve test sonuçları değerlendirildiğinde tüm algoritmalar ile başarılı sonuçlara ulaşılmıştır. Diğer taraftan, ilgili problemin çözümü için en etkili algoritma HABCES algoritmasıdır.