COVID-19感染时间序列的非线性趋势
物理与社会
2024-12-24 v1 数值分析
数值分析
种群与进化
摘要
我们开发了一种非线性时间序列分析方法，能够从给定的一组数值数据中获取多个无谐波的非线性趋势。我们建议应用该方法，结合非线性趋势的解析方程来识别COVID-19感染的当前状态。我们发现仅存在单一非线性趋势，这一结果证明了使用基于周的感染增长率是合理的。此外，对于Delta变体感染时间序列，使用所得非线性趋势解析方程的拟合持续有效超过三个月。该拟合还可视化地展示了向Omicron变体的转变。
引用
@article{arxiv.2404.00866,
title = {Nonlinear trend of COVID-19 infection time series},
author = {Fumihiko Ishiyama},
journal= {arXiv preprint arXiv:2404.00866},
year = {2024}
}
备注
11 pages, 7 figures