Fortgeschrittene Techniken in Biologie und Medizin
Offener Zugang

Abstrakt

Eine vergleichende Studie der ARIMA- und SARIMA-Modelle zur Vorhersage von Lockdowns aufgrund von SARS-CoV-2

Hardik Chhabra*

Durch die Vorhersage der Umsetzung intelligenter Lockdowns vor dem Einsetzen von Wellen bietet diese Forschung eine effiziente Methode zur Bekämpfung der COVID-19-Pandemie. Diese Studie stellt vereinheitlichte Modelle für den Autoregressive Integrated Moving Average (ARIMA) und den Seasonal Autoregressive Integrated Moving Average (SARIMA) vor, die in der Lage sind, Lockdowns in mehr als 200 Ländern vorherzusagen. Das vorgeschlagene Modell wurde anhand von 18.000 Datensätzen aus 237 Ländern trainiert und hat eine Reaktionszeit von 2,5 Monaten. Das Auto-ARIMA-Modell wurde verwendet, um die anfänglichen Variationen der Modellparameter auszuwählen, und dann wurden die optimalen Modellparameter basierend auf der besten Übereinstimmung zwischen den Prognosen und den Testdaten gefunden. Die Zuverlässigkeit der Modelle wurde mithilfe der Analysemethoden Auto Correlation Function (ACF), Partial Auto-Correlation Function (PACF), Akaike Information Criterion (AIC) und Bayesian Information Criterion (BIC) bewertet. Diese Modelle werden mithilfe von Daten trainiert, die aus dem Datenrepository der Weltgesundheitsorganisation stammen. Die beiden Modelle ARIMA und SARIMA haben durch ihre schnelle Reaktionszeit einen klaren Vorteil gegenüber anderen Studien. Außerdem wird ein kurzer Vergleich der trainierten ARIMA- und SARIMA-Modelle präsentiert. Das ARIMA-Modell hat aufgrund seiner Genauigkeit die Nase vorn. Darüber hinaus sind die Modelle in der Lage, bestätigte Todesfälle und bestätigte COVID-Fälle vorherzusagen. Diese Forschung erweist sich als äußerst nützlich für die Entscheidungsfindung über die Umsetzung von Smart-Lockdowns und könnte eine weitere Dimension zur Zeitreihenanalyse hinzufügen, die stark von Modellen mit besseren Reaktionszeiten abhängt.