利用通话数据预测 COVID-19 每日病例数
应用统计
2020-10-07 v1 计算机与社会
摘要
随着疫情发展，对 COVID-19 相关变量进行预测的需求依然紧迫。各界已做出不同努力，包括流行病学中的 compartmental 模型以及诸如自回归积分滑动平均（ARIMA）、指数平滑（ETS）或计算智能模型等统计模型。这些努力在某些情形下被证明有用，使决策者能在紧急状态中区分不同情景，但其准确性令人失望，预测忽略不确定性且较少关注局部地区。在本研究中，我们提出一个优化的简单多元线性回归模型，利用通话数据预测每日确诊人数。此外，我们生成概率预测以使决策者能更好地应对风险。我们提出的方法优于 ARIMA、ETS 及不含通话数据的回归模型，通过三种点预测误差度量、一个预测区间和两种概率预测精度度量进行评估。该模型在审慎预测实践中获得的简洁性、可解释性与可靠性，对急需在已不堪重负的卫生服务中调配资源的地方决策者是有意义的贡献。我们希望该模型能作为其他预测工作的基石，一方面助力一线人员与地方决策者，另一方面促进与国家层面其他建模工作的沟通，以改进我们应对此疫情及未来其他类似挑战的方式。
引用
@article{arxiv.2010.02252,
title = {Forecasting COVID-19 daily cases using phone call data},
author = {Bahman Rostami-Tabar and Juan F. Rendon-Sanchez},
journal= {arXiv preprint arXiv:2010.02252},
year = {2020}
}
备注
13 pages, 7 figures