پیش بینی رفتار ویروس های آنفلوآنزا(بر اساس آنتی ژن هماگلوتینین)با استفاده از ابزار سری های زمانی در داده کاوی

پایان نامه
چکیده

آنفلوآنزا یک بیماری واگیردار است که شیوع ویروس آن در بدن انسان ها و حیوانات خسارات مالی و جانی فراوانی به بار می آورد. محققان همواره به دنبال ساخت واکسن بوده-اند اما در هر ویروس این بیماری، از هر فصلی تا فصل دیگر جهش ژنتیکی ایجاد می شود، در نتیجه واکسن ها و سیستم های دفاعی قبلی بی فایده می گردد. شیفت نوعی جهش است که در آن در نوع هماگلوتینین و یا نورامینداز ویروس تغییر حاصل می شود. این تحقیق به بررسی نوعی از رفتار هماگلوتینین های ویروس آنفلوانزا که منجر به شیفت می گردد می-پردازد. هدف آن است که بفهمیم آیا تغییر در سویه ها بر اساس یک الگوی قابل کشف بوده و یا تصادفی است. سری زمانی و دنباله کاوی از جمله روش هایی از داده کاوی هستند که داده هایی را که در طول زمان بوجود می آیند را بررسی می کنند. هماگلوتینین ها نیز از جمله داده هایی هستند که در طول زمان دچار تغییر و جهش می شوند و سویه های جدید را می-سازند. در این مطالعه تعداد سویه های h1 و h3 مشاهده شده در ایالات آمریکا، مورد تحلیل سری زمانی قرار می گیرد و برای 6 ماه آتی پیش بینی هایی روی فراوانی آنها انجام خواهد شد. برای این کار از روش های میانگین متحرک، هموارسازی نمائی و هالت-وینترز استفاده می گردد و در نهایت مشخص خواهد شد که تکنیک وینترز برای این داده ها بهترین روش است. سپس جهت تحلیل سویه های دیگر آنفلوانزا، با کمک الگوریتم های دنباله کاوی الگوهایی استخراج می گردد و در این الگوها مشخص خواهد شد که بعد از هر سویه احتمال رخداد کدام سویه ها بیشتر است. در این راستا از الگوریتم های fournier-viger، bide و rulegrowth استفاده خواهد شد، در نهایت ثابت می گردد که تکنیک rulegrowth بهتر عمل نموده است.

منابع مشابه

پیش بینی دبی جریان رودخانه با استفاده از داده کاوی و سری زمانی

شبیه­سازی جریان رودخانه به‌منظور آگاهی از دبی رودخانه در دوره‌های زمانی آینده از مسائل مهم و کاربردی است. با توجه به اهمیت اطلاع از دبی جریان در سال­های آینده، در این مطالعه دبی جریان در سه ایستگاه حاجی‌قوشان، قره‌شور و تمر در حوضۀ آبخیز گرگانرود برای سال­های آبی 90-1381 شبیه­سازی شد. به‌منظور شبیه­سازی از روش آماری سری زمانی در قالب الگوی اتورگرسیون (AR) و داده‌کاوی در قالب ماشین بردار پشتیبان...

متن کامل

کاربردهای شبکه های عصبی در پیش بینی سری های زمانی

استفاده از روش های غیر کلاسیک در شناسایی مدل و پیش بینی رفتار سیستم های پیچیده، مدتهاست در محافل علمی و حتی حرفه ای متداول و معمول شده است. در بسیاری از سیستم های پیچیده و خصوصا غیر خطی که مدل سازی و به دنبال آن پیش بینی و کنترل آنها از طریق روش های کلاسیک و تحلیلی امری بسیار دشوار و حتی بعضا غیر ممکن می نماید، از روش های غیر کلاسیک که از ویژگی هایی همچون هوشمندی، مبتنی بر معرفت و خبرگی برخوردا...

متن کامل

پیش بینی دبی جریان رودخانه با استفاده از داده کاوی و سری زمانی

شبیه­سازی جریان رودخانه به منظور آگاهی از دبی رودخانه در دوره های زمانی آینده از مسائل مهم و کاربردی است. با توجه به اهمیت اطلاع از دبی جریان در سال­های آینده، در این مطالعه دبی جریان در سه ایستگاه حاجی قوشان، قره شور و تمر در حوضۀ آبخیز گرگانرود برای سال­های آبی 90-1381 شبیه­سازی شد. به منظور شبیه­سازی از روش آماری سری زمانی در قالب الگوی اتورگرسیون (ar) و داده کاوی در قالب ماشین بردار پشتیبان...

متن کامل

پیش بینی سیلاب از طریق داده های سری زمانی دبی رودخانه سومبار با استفاده از مدل باکس _جنکینز

امروزه یکی از مهمترین مسائل جهت مدیریت سیلاب، پیش بینی جریان رودخانه ها می باشد. جلوگیری از صدمات اقتصادی و جانی ناشی از سیلاب یکی از مهمترین دستاوردهای پیش بینی صحیح جریان می باشد. فاکتورها و عوامل مختلفی بر روی دبی رودخانه تاثیر گذار است که تحلیل این پدیده را مشکل می سازند. مدلهای فیزیکی-مفهومی، رگرسیونی و سری های زمانی از معمولترین روشهای تحلیل جریان رودخانه می باشند در این تحقیق با استفاده ...

متن کامل

پیش بینی روش درمان بیماری قلبی با استفاده از الگوریتم های داده کاوی

Background and Aim: Nowadays heart disease is very common and is a major cause of mortality. Proper and early diagnosis of this disease is very important. Diagnostic methods and treatments of the disease are so expensive and have many side effects. Therefore, researchers are looking for cheaper ways to diagnose it with high precision. This study aimed to identify a model for the treatment of he...

متن کامل

پیش بینی شاخص بورس تهران با استفاده از سری زمانی فازی بر اساس تعریف نرخ بازده

در سالیان اخیر تحقیقات گسترده ای برروی مدل ها ی سری زمانی فازی انجام شده است اما در بسیاری از این تحقیقات، همواره فضای مسئله و بازه های مربوطه، بر اساس سطوح داده ها ی سری زمانی تعیین شده است. در این تحقیق با نگاهی جدید به تعیین فضای مسئله و استفاده از مفهوم نرخ بازده در بازارهای مالی، نوع جدیدی از فضای مسئله بر اساس نرخ بازده برای کاربرد در بازار های مالی و پیش بینی سری های زمانی مالی ارائه شده...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه قم - دانشکده فنی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023