基于回归与新型SSM模型对未收敛国家的COVID-19病例预测
机器学习
2021-06-25 v1 应用统计
摘要
预测2019新型冠状病毒病(COVID-19)的新增关联或确诊案例数量对于COVID-19疫情的防控至关重要。我们收集了2020年1月20日至2020年7月21日的COVID-19新增关联病例数据。我们筛选出正在收敛的国家并将其用于训练网络。我们利用SARIMAX、线性回归模型来预测尚未收敛国家的新增疑似COVID-19病例。我们借助所提出的统计SARIMAX模型(SSM)预测未收敛国家的曲线。我们给出了基于新信息调查的预测结果，可协助政府规划未来行动，并帮助临床服务为未来做更充分的准备。我们的框架利用线性回归可以0.986的R平方值预测冠状病毒峰值病例，并预测印度、美国和巴西等国在不同层级上本次大流行的回落。我们发现，使用更多国家进行训练会因各国约束条件不同而使预测过程退化。因此，我们期望本工作中提及的结果将帮助人们更好地理解本次大流行的可能性。
引用
@article{arxiv.2106.12888,
title = {COVID-19 cases prediction using regression and novel SSM model for non-converged countries},
author = {Tushar Sarkar and Umang Patel and Rupali Patil},
journal= {arXiv preprint arXiv:2106.12888},
year = {2021}
}