使用SIkJ$\alpha$模型快速准确预测COVID-19死亡人数
种群与进化
2020-07-14 v2 机器学习
物理与社会
摘要
预测COVID-19的影响对于设计使我们能够应对大流行的政策至关重要。许多方法已被提出，特别是在国家与州层面预测报告病例与死亡人数。其中许多方法基于传统流行病学模型，依赖模拟或贝叶斯推断同时学习多个参数。这使它们易于过拟合且执行缓慢。我们提出对SIkJ模型的扩展以预测死亡人数，并表明其可考虑疫情过程的许多复杂性，同时简化为使用快速线性回归学习的少数参数。我们还基于CDC当前正在使用的七种方法在疫情期间不同时刻的两周预测，对本公司方法进行了评估。我们证明在评估期的大部分时间内，与这七种方法相比，我们的方法实现了更好的均方根误差。此外，在一台2核台式机上，我们的方法仅用3.18秒即可调优超参数、学习参数并生成美国所有州的100天报告病例与死亡预测。184个国家的总执行时间为11.83秒，所有美国县（>3000）为101.03秒。
引用
@article{arxiv.2007.05180,
title = {Fast and Accurate Forecasting of COVID-19 Deaths Using the SIkJ$\alpha$ Model},
author = {Ajitesh Srivastava and Tianjian Xu and Viktor K. Prasanna},
journal= {arXiv preprint arXiv:2007.05180},
year = {2020}
}
备注
Fixed a typo