利用时空卷积序列到序列神经网络建模COVID-19的地理空间演化
机器学习
2021-05-07 v1 神经与进化计算
摘要
欧洲遭受了COVID-19大流行的重创，葡萄牙是受影响最严重的国家之一，在头十二个月内经历了三波疫情。大约在2021年1月19日至2月5日期间，葡萄牙是世界上发病率最高的国家，每10万居民的14天发病率超过1000。尽管其重要性，对COVID-19地理空间演化的准确预测仍是一项挑战，因为现有分析方法未能捕捉由区域内传染与来自受感染邻近区域传播所共同导致的复杂动态。我们使用先前开发的方法与葡萄牙卫生总局（DGS）的官方市镇级数据（关于大流行头十二个月），计算葡萄牙本土各地点的发病率估计值。所得发病率地图序列随后被用作金标准，以测试不同方法在预测发病率时空演化上的有效性。测试了四种不同方法：简单的单元级自回归移动平均（ARMA）模型、单元级向量自回归（VAR）模型、逐市镇 compartmental SIRD模型后接直接块序贯模拟，以及基于STConvS2S架构的卷积序列到序列神经网络模型。我们得出结论，在使用可用信息预测中期未来发病率时，卷积序列到序列神经网络是表现最佳的方法。
引用
@article{arxiv.2105.02752,
title = {Modeling the geospatial evolution of COVID-19 using spatio-temporal convolutional sequence-to-sequence neural networks},
author = {Mário Cardoso and André Cavalheiro and Alexandre Borges and Ana F. Duarte and Amílcar Soares and Maria João Pereira and Nuno J. Nunes and Leonardo Azevedo and Arlindo L. Oliveira},
journal= {arXiv preprint arXiv:2105.02752},
year = {2021}
}
备注
10 pages, 8 figures