生物学与医学高级技术
开放获取

抽象的

ARIMA 和 SARIMA 模型预测 SARS-CoV-2 导致封锁的比较研究

哈迪克·查布拉*

通过在海浪爆发前预测智能锁定的实施，这项研究提供了一种应对 COVID-19 大流行的有效方法。这项研究引入了统一的自回归综合移动平均线 (ARIMA) 和季节性自回归综合移动平均线 (SARIMA) 模型，这些模型能够预测 200 多个国家/地区的封锁情况。所提出的模型接受了 237 个国家的 18,000 多个数据集的训练，响应时间为 2.5 个月。自动ARIMA模型用于选取模型参数的初始变化，然后根据预测数据和测试数据之间的最佳匹配找到最佳模型参数。使用分析方法自相关函数（ACF）、偏自相关函数（PACF）评估模型的可靠性，赤池信息准则（AIC）和贝叶斯信息准则（BIC）。这些模型使用从世界卫生组织数据存储库获取的数据进行训练。与其他研究相比，ARIMA 和 SARIMA 模型显然具有快速响应时间的优势。此外，还对经过训练的 ARIMA 和 SARIMA 模型进行了简要比较，ARIMA 模型因其准确性而占据上风。此外，这些模型还能够预测确诊的死亡和确诊的新冠病例。这项研究表明，对于实施智能锁定的决策非常有益，并且可以为时间序列分析提供另一个维度，这在很大程度上依赖于具有更好响应时间的模型。这些模型使用从世界卫生组织数据存储库获取的数据进行训练。与其他研究相比，ARIMA 和 SARIMA 模型显然具有快速响应时间的优势。此外，还对经过训练的 ARIMA 和 SARIMA 模型进行了简要比较，ARIMA 模型因其准确性而占据上风。此外，这些模型还能够预测确诊的死亡和确诊的新冠病例。这项研究表明，对于实施智能锁定的决策非常有益，并且可以为时间序列分析提供另一个维度，这在很大程度上依赖于具有更好响应时间的模型。这些模型使用从世界卫生组织数据存储库获取的数据进行训练。与其他研究相比，ARIMA 和 SARIMA 模型显然具有快速响应时间的优势。此外，还对经过训练的 ARIMA 和 SARIMA 模型进行了简要比较，ARIMA 模型因其准确性而占据上风。此外，这些模型还能够预测确诊的死亡和确诊的新冠病例。这项研究表明，对于实施智能锁定的决策非常有益，并且可以为时间序列分析提供另一个维度，这在很大程度上依赖于具有更好响应时间的模型。对经过训练的 ARIMA 和 SARIMA 模型进行了简要比较，ARIMA 模型因其准确性而占据上风。此外，这些模型还能够预测确诊的死亡和确诊的新冠病例。这项研究表明，对于实施智能锁定的决策非常有益，并且可以为时间序列分析提供另一个维度，这在很大程度上依赖于具有更好响应时间的模型。对经过训练的 ARIMA 和 SARIMA 模型进行了简要比较，ARIMA 模型因其准确性而占据上风。此外，这些模型还能够预测确诊的死亡和确诊的新冠病例。这项研究表明，对于实施智能锁定的决策非常有益，并且可以为时间序列分析提供另一个维度，这在很大程度上依赖于具有更好响应时间的模型。