Розробка архітектури програмного забезпечення з використанням об’єктноорієнтованої мови програмування Python та моделей регресійного аналізу прогнозування епідеміологічних порогів і статистичних методів.

Abstract

Головною метою цієї кваліфікаційної роботи є розробка програмної системи для точного прогнозування захворюваності на грип А (Influenza A) із застосуванням класичних статистичних базових моделей та сучасних архітектур глибокого навчання. Перший розділ присвячено аналізу предметної області, зокрема проблемам прогнозування поширення респіраторних інфекцій для забезпечення своєчасної підготовки та ефективного розподілу медичних ресурсів. Досліджено особливості застосування традиційних моделей часових рядів (ARIMA та експоненційного згладжування ETS), а також нейромережевих архітектур (Simple RNN, LSTM, GRU, BiLSTM, BiGRU та Transformer) для розв'язання цих задач. Виконано огляд наявних підходів до аналізу епідеміологічних даних на основі щомісячної статистики США з 2009 по 2023 роки, а також обґрунтовано вибір архітектурних рішень для створення прогнозуючої платформи. У другому розділі розглянуто архітектуру розроблених прогнозуючих моделей та процес їх налаштування з використанням розподілу даних на навчальну та тестову вибірки. Описано структуру нейромережевих модулів, зокрема реалізацію найефективнішої одновимірної моделі HistoFluAFormer на базі архітектури Transformer, яка використовує виключно історичні послідовності інцидентності та механізм самоуваги (self-attention) з позиційним кодуванням. Крім того, наведено результати тестування моделей, виконано оцінювання точності за метриками MSE, MAE, GMRAEта Theil U1, що підтвердило перевагу методів глибокого навчання у фіксації нелінійної сезонності та довгострокових часових залежностей. Окреслено перспективи впровадження розробленого рішення у реальні процеси епідеміологічного нагляду, особливо в умовах, коли додаткові допоміжні дані є недоступними, запізнюються або є ненадійними. У третьому розділі подано аналіз умов праці розробника програмного забезпечення в контексті охорони праці та безпеки життєдіяльності. Розглянуто вимоги здійснення долікарської допомога при обмороженні щодо відповідно до чинних нормативних документів. Також розглянуто естетичне оформлення та ергономічне дослідження робочого місця оператора.

The primary objective of this qualification work is to develop a software system for the accurate forecasting of Influenza A incidence using classical statistical baseline models and modern deep learning architectures. The first chapter is devoted to the analysis of the subject area, in particular, the problems of forecasting the spread of respiratory infections to ensure timely preparedness and effective allocation of medical resources. The specifics of applying traditional time series models (ARIMA and ETS exponential smoothing) as well as neural network architectures (Simple RNN, LSTM, GRU, BiLSTM, BiGRU, and Transformer) to solve these problems are investigated. A review of existing approaches to the analysis of epidemiological data based on monthly US statistics from 2009 to 2023 is performed, and the choice of architectural solutions for creating the forecasting platform is justified.The second chapter considers the architecture of the developed forecasting models and the process of their tuning using the data split into training and testing sets. The structure of the neural network modules is described, including the implementation of the most efficient univariate HistoFluAFormer model based on the Transformer architecture, which uses exclusively historical incidence sequences and a self-attention mechanism with positional encoding. In addition, the results of model testing are presented, and accuracy evaluation is performed using MSE, MAE, GMRAE, and Theil U1 metrics, which confirmed the superiority of deep learning methods in capturing nonlinear seasonality and long-term temporal dependencies. The prospects of deploying the developed solution into real-world epidemiological surveillance processes are outlined, especially in conditions where additional auxiliary data are unavailable, delayed, or unreliable. The third chapter presents an analysis of a software developer's working conditions in the context of occupational health and safety. The requirements for providing first aid for frostbite in accordance with current regulatory documents are considered. The aesthetic design and ergonomic study of the operator's workplace are also examined.