Передовые методы в биологии и медицине
Открытый доступ

Абстрактный

Сравнительное исследование моделей ARIMA и SARIMA для прогнозирования карантинов из-за SARS-CoV-2

Хардик Чхабра*

Прогнозируя реализацию интеллектуальной блокировки до начала волн, это исследование предлагает эффективный метод борьбы с пандемией COVID-19. В этом исследовании представлены унифицированные модели авторегрессионного интегрированного скользящего среднего (ARIMA) и сезонного авторегрессионного интегрированного скользящего среднего (SARIMA), которые способны прогнозировать блокировки в более чем 200+ странах. Предлагаемая модель была обучена на более чем 18 000 наборах данных из 237 стран и имеет время отклика 2,5 месяца. Модель auto-ARIMA использовалась для выбора начальных вариаций параметров модели, а затем оптимальные параметры модели были найдены на основе наилучшего соответствия между прогнозами и тестовыми данными. Надежность моделей оценивалась с использованием аналитических методов функции автокорреляции (ACF), частичной функции автокорреляции (PACF), информационного критерия Акаике (AIC) и байесовского информационного критерия (BIC). Эти модели обучаются с использованием данных, полученных из хранилища данных Всемирной организации здравоохранения. Две модели ARIMA и SARIMA явно получают преимущество перед другими исследованиями за счет быстрого времени отклика. Кроме того, представлено краткое сравнение обученных моделей ARIMA и SARIMA, и модель ARIMA одержала верх благодаря своей точности. Кроме того, модели способны предсказывать подтвержденную смерть и подтвержденные случаи COVID. Это исследование показывает, что оно очень полезно для принятия решений о внедрении умных блокировок и может предоставить еще одно измерение для анализа временных рядов, который сильно зависит от моделей с лучшим временем отклика.