基于深度学习的伊朗COVID-19疫情传播建模与预测至2021年9月22日
机器学习
2021-03-18 v1 人工智能
机器学习
摘要
近期全球爆发的COVID-19正在影响世界上许多国家。由于新感染个体数量不断增长以及医疗系统瓶颈，预测未来的患者数量将很有帮助。本研究旨在利用伊朗卫生与医学教育部官方数据集及管控措施对COVID-19传播的影响，高效预测伊朗180天内的新增病例、死亡数和康复数。我们开发了四类不同的预测技术、时间序列及机器学习算法，并确定给定案例研究中性能最佳的方法。在时间序列下，我们考虑了Prophet、长短期记忆、自回归、自回归积分滑动平均模型四种算法。比较不同技术后，我们发现深度学习方法比时间序列预测算法产生更好的结果。更具体地，季节型ANN和LSTM模型的误差度量值最小。我们的研究结果表明，如果认真采取预防措施，新增病例和死亡数将会下降，且2021年9月死亡数将降至零。
引用
@article{arxiv.2103.08178,
title = {Modeling and forecasting Spread of COVID-19 epidemic in Iran until Sep 22, 2021, based on deep learning},
author = {Jafar Abdollahi and Amir Jalili Irani and Babak Nouri-Moghaddam},
journal= {arXiv preprint arXiv:2103.08178},
year = {2021}
}
备注
9 Pages, 5 Figures