基于时间序列预测模型的 COVID-19 大流行预测
物理与社会
2021-05-04 v1
摘要
由于全球正在发生的新冠病毒(COVID-19)大流行,数百万人被感染,数十万人丧生。为提前准备医疗服务以避免死亡,识别未来感染病例和病毒传播速率至关重要。准确预测 COVID-19 的传播对研究界而言是一个具有分析性和挑战性的现实问题。因此,我们使用来自全球及 10 个受影响最严重国家(美国、西班牙、意大利、法国、德国、俄罗斯、伊朗、英国、土耳其和印度)的 COVID-19 传播的日级别累积病例信息。我们利用 2020 年 1 月 22 日至 2020 年 5 月 20 日的冠状病毒传播时间数据。我们对 COVID-19 爆发的演变进行建模,并使用 ARIMA 和 Prophet 时间序列预测模型进行预测。基于平均绝对误差、均方根误差、根相对平方误差和平均绝对百分比误差对模型有效性进行评估。我们的分析有助于理解疾病爆发的趋势,并提供所采用国家的流行病学阶段信息。我们的研究表明 ARIMA 模型在预测 COVID-19 流行方面更为有效。预测结果有潜力协助政府制定政策以遏制病毒传播。
引用
@article{arxiv.2009.12176,
title = {COVID-19 Pandemic Prediction using Time Series Forecasting Models},
author = {Naresh Kumar and Seba Susan},
journal= {arXiv preprint arXiv:2009.12176},
year = {2021}
}
备注
This paper is accepted in the 11th ICCCNT 2020 conference. The final version of this paper will appear in the conference proceedings