การพยากรณ์จำนวนผู้ป่วย COVID-19 ประเทศไทยโดยการใช้ข้อมูลจากหลายประเทศ

สิรธีร์ วรธรรมทองดี

dc.contributor.advisor	ประภาส จงสถิตย์วัฒนา
dc.contributor.author	สิรธีร์ วรธรรมทองดี
dc.contributor.other	จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์
dc.date.accessioned	2023-02-03T04:00:39Z
dc.date.available	2023-02-03T04:00:39Z
dc.date.issued	2565
dc.identifier.uri	http://cuir.car.chula.ac.th/handle/123456789/81540
dc.description	วิทยานิพนธ์ (วท.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2565
dc.description.abstract	สถานการณ์โรคระบาดโควิด-19 ได้แพร่กระจายไปทั่วโลกตั้งแต่ปีพ.ศ.2562 การศึกษานี้ได้ทำการพยากรณ์ผู้ป่วยจากโรคโควิด-19ของประเทศไทย โดยใช้ข้อมูลตั้งแต่ วันที่ 22 มกราคม พ.ศ.2563 จนถึงวันที่ 31 ธันวาคม พ.ศ.2564 ซึ่งมีจำนวนข้อมูลอยู่ 710 วัน โดยข้อมูลสาธารณะจากมหาวิทยาลัยจอนส์ ฮอปคินส์ ผู้วิจัยได้ใช้วิธีการเรียนรู้ของเครื่อง (Machine Learning) ในการพยากรณ์จำนวนผู้ป่วยในประเทศเพื่อเป็นหนึ่งในข้อมูลในการช่วยรัฐบาลออกนโยบายการจัดการทรัพยากรเพื่อรับมือกับโรคระบาด การศึกษานี้ได้ใช้วิธีการจัดกลุ่มเคมีน (K-Means) ในการจัดกลุ่มของประเทศที่มีรูปแบบของจำนวนผู้ป่วยจากโรคคล้ายกันกับประเทศไทย ผลจากการจัดกลุ่มมีประเทศที่อยู่ใน Cluster เดียวกันกับประเทศไทยทั้งหมด 8 ประเทศ ได้แก่ ญี่ปุ่น (Japan), มาเลเซีย (Malaysia), ฟิลิปปินส์ (Philippines) ,บังกลาเทศ (Bangladesh) ,คิวบา (Cuba) ,อิรัก (Iraq) ,เม็กซิโก (Mexico) และ เวียดนาม (Vietnam) อยู่ในกลุ่มเดียวกับประเทศไทย จากนั้นทำการจับคู่ระหว่างประเทศไทยและประเทศที่อยู่ในกลุ่มเดียวกัน ใช้โมเดลหน่วยความจำระยะสั้นยาว (Long Short-Term Memory) เพื่อพยากรณ์จำนวนผู้ป่วยโควิด-19 ของประเทศไทย ผลจากโมเดลแสดงได้ว่าการใช้ข้อมูลคู่ประเทศไทยและบังกลาเทศ ญี่ปุ่น และเม็กซิโกมีค่าเฉลี่ยของร้อยละความผิดพลาดสัมบูรณ์ (Mean Absolute Percentage Error) น้อยที่สุดตามลำดับ เมื่อเทียบกับการใช้ข้อมูลแค่ประเทศไทยอย่างเดียว
dc.description.abstractalternative	COVID-19 is a situation that has spread worldwide since 2019. This study forecast the number of patients with COVID-19 in Thailand. Using data between January 22, 2020, and December 31, 2021, we collect confirmed cases from John Hopskin Open Data. The total number of the data points are 710. Using the machine learning model to predict the number of patient cases in the country helps the government manage its policies and resources. In this study, the K-Means clustering algorithm is performed to group the countries that have similar patterns of confirmed cases to Thailand. Clustering results show that Japan, Malaysia, the Philippines, Bangladesh, Cuba, Iraq, Mexico, and Vietnam are all in the same cluster as Thailand. Using the Long Short-Term Memory (LSTM) to predict the confirmed case of Thailand by feeding the model pairs of countries with Thailand that are in the same cluster. The performance of LSTM shows that using pairs of countries with Thailand between Bangladesh, Japan, and Mexico has the lowest error on MAPE, respectively, when compared to using only Thailand data.
dc.language.iso	th
dc.publisher	จุฬาลงกรณ์มหาวิทยาลัย
dc.relation.uri	http://doi.org/10.58837/CHULA.THE.2022.783
dc.rights	จุฬาลงกรณ์มหาวิทยาลัย
dc.subject.classification	Computer Science
dc.title	การพยากรณ์จำนวนผู้ป่วย COVID-19 ประเทศไทยโดยการใช้ข้อมูลจากหลายประเทศ
dc.title.alternative	Predictive analysis of COVID-19 patients in Thailand using multiple countries data
dc.type	Thesis
dc.degree.name	วิทยาศาสตรมหาบัณฑิต
dc.degree.level	ปริญญาโท
dc.degree.discipline	วิทยาศาสตร์คอมพิวเตอร์
dc.degree.grantor	จุฬาลงกรณ์มหาวิทยาลัย
dc.identifier.DOI	10.58837/CHULA.THE.2022.783