베이지안 네트워크를 이용한 서울시 COVID-19 확진자 수 예측

Abstract

베이지안 네트워크 모델은 확률 그래픽 모델로 방향이 있는 그래프를 통해 각 변수별 종속성을 표현한다. 본 연구에서는 2020년 11월 1일부터 2020년 11월 30일까지의 서울시 구(區)별 일별 COVID-19 확진자 수 자료를 베이지안 네트워크 방법으로 분석하여 서울시 구별 종속성의 방향을 확인하고 이를 바탕으로 2020년 12월 1일부터 2020년 12월 15일까지의 각 구별 확진자 수를 예측하였다. 서울시 구별 확진자 수 예측에 사용한 독립 변수 중 공간 상관성을 나타내는 변수로 인접 지역 정보, 베이지안 네트워크 분석 결과 2가지 등을 활용하여 총 4개의 모형을 분석하였다. 확진자 수 예측 방법으로는 포아송 회귀 모형을 고려하였다. 이때, 예측력 평가를 위해 RMSE(Root Mean Square Error, 평균 제곱근 오차)와 MAE(Mean Absolute Error, 평균 절대 오차)를 활용하였으며, 독립 변수로 베이지안 네트워크 분석 결과를 활용한 모형이 가장 예측력이 좋은 모형임을 확인하였다.| The Bayesian network model is a probabilistic graphic model that expresses the dependence of each variable through a directed graph. In this study, the number of COVID-19 confirmed cases by district in Seoul from November 1, 2020 to November 30, 2020 was analyzed using a Bayesian network method to confirm the direction of dependency by district in Seoul. Based on this, the number of confirmed cases in each district from December 1, 2020 to December 15, 2020 was predicted. Four models were analyzed using neighboring area information and Bayesian network analysis results as independent variables representing the spatial correlation. Those models were used to predict the number of confirmed cases by district in Seoul. Poisson regression model was considered as a method for predicting the number of confirmed cases. RMSE (Root Mean Square Error) and MAE (Mean Absolute Error) were used to evaluate the accuracy of prediction. As a conclusion, the model that using Bayesian network result had the best performance to predict the confirmed cases.