アルコール依存症と薬物依存のジャーナル
オープンアクセス

概要

SARS-CoV-2 によるロックダウンを予測するための ARIMA モデルと SARIMA モデルの比較研究

ハーディク・チャブラ*

この研究では、波が始まる前にインテリジェントロックダウンの実施を予測することで、COVID-19パンデミックに対処するための効率的な方法を提供しています。この研究では、200か国以上でロックダウンを予測できる統合自己回帰和分移動平均（ARIMA）モデルと季節自己回帰和分移動平均（SARIMA）モデルを紹介します。提案されたモデルは、237か国の18,000以上のデータセットでトレーニングされ、応答時間は2.5か月です。自動ARIMAモデルを使用してモデルパラメータの初期変動を選択し、予測とテストデータの最適な一致に基づいて最適なモデルパラメータを見つけました。モデルの信頼性は、自己相関関数（ACF）、部分自己相関関数（PACF）、赤池情報量基準（AIC）、ベイズ情報量基準（BIC）などの分析方法を使用して評価されました。これらのモデルは、世界保健機関のデータリポジトリから取得したデータを使用してトレーニングされています。 ARIMA と SARIMA の 2 つのモデルは、応答時間が速いため、他の研究よりも明らかに優位に立っています。さらに、トレーニング済みの ARIMA モデルと SARIMA モデルの簡単な比較が提示され、ARIMA モデルはその精度により優位に立っています。さらに、モデルは確認された死亡者と COVID の確認された症例を予測できます。この研究は、スマート ロックダウンの実施に関する意思決定に非常に有益であることが示されており、応答時間がより速いモデルに大きく依存する時系列分析に別の側面を提供できる可能性があります。