基于双向LSTM的多变量时间序列COVID-19病例预测
社会与信息网络
2020-09-28 v1 机器学习
摘要
背景：为协助决策者采取适当措施以阻止COVID-19大流行蔓延，准确预测疾病传播至关重要。材料与方法：本文提出一种深度学习方法，应用双向长短期记忆(Bi-LSTM)网络于多变量时间序列以预测COVID-19累计病例数。与其他预测技术不同，我们提出的方法首先使用K-Means聚类算法对具有相似人口与社会经济特征及卫生部门指标的国家进行分组。每个聚类国家的累计病例数据辅以封锁措施相关数据，输入双向LSTM以训练预测模型。结果：我们通过研究卡塔尔的疾病暴发验证了所提方法的有效性。使用多种评价指标的定量评估表明，该技术优于最先进的预测方法。结论：除封锁措施外使用多国数据可提升每日COVID-19累计病例预测的准确性。
引用
@article{arxiv.2009.12325,
title = {Predicting COVID-19 cases using Bidirectional LSTM on multivariate time series},
author = {Ahmed Ben Said and Abdelkarim Erradi and Hussein Aly and Abdelmonem Mohamed},
journal= {arXiv preprint arXiv:2009.12325},
year = {2020}
}