論文の概要: Projections for COVID-19 spread in India and its worst affected five
states using the Modified SEIRD and LSTM models
- arxiv url: http://arxiv.org/abs/2009.06457v1
- Date: Mon, 7 Sep 2020 07:38:10 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-03 07:06:05.204004
- Title: Projections for COVID-19 spread in India and its worst affected five
states using the Modified SEIRD and LSTM models
- Title（参考訳）: インドで新型コロナウイルス(COVID-19)の予測が広まり、修正SEIRDモデルとLSTMモデルを用いた5つの州に最悪の影響を与えた
- Authors: Punam Bedi, Shivani, Pushkar Gole, Neha Gupta, Vinita Jindal
- Abstract要約: 本論文は、インドにおける新型コロナウイルス感染を予測するための修正SEIRD(Susceptible-Exposed-Incovered-Recovered-Deceased)モデルを提案する。
修正SEIRDモデルから得られた投射もLSTMによる30日間の投射と比較した。
この論文で示された結果は、インドに広がる新型コロナウイルス(COVID-19)を抑えるための今後の政策決定のためのビーコンとして機能する。
- 参考スコア（独自算出の注目度）: 3.0507203596180488
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The last leg of the year 2019 gave rise to a virus named COVID-19 (Corona
Virus Disease 2019). Since the beginning of this infection in India, the
government implemented several policies and restrictions to curtail its spread
among the population. As the time passed, these restrictions were relaxed and
people were advised to follow precautionary measures by themselves. These
timely decisions taken by the Indian government helped in decelerating the
spread of COVID-19 to a large extent. Despite these decisions, the pandemic
continues to spread and hence, there is an urgent need to plan and control the
spread of this disease. This is possible by finding the future predictions
about the spread. Scientists across the globe are working towards estimating
the future growth of COVID-19. This paper proposes a Modified SEIRD
(Susceptible-Exposed-Infected-Recovered-Deceased) model for projecting COVID-19
infections in India and its five states having the highest number of total
cases. In this model, exposed compartment contains individuals which may be
asymptomatic but infectious. Deep Learning based Long Short-Term Memory (LSTM)
model has also been used in this paper to perform short-term projections. The
projections obtained from the proposed Modified SEIRD model have also been
compared with the projections made by LSTM for next 30 days. The
epidemiological data up to 15th August 2020 has been used for carrying out
predictions in this paper. These predictions will help in arranging adequate
medical infrastructure and providing proper preventive measures to handle the
current pandemic. The effect of different lockdowns imposed by the Indian
government has also been used in modelling and analysis in the proposed
Modified SEIRD model. The results presented in this paper will act as a beacon
for future policy-making to control the COVID-19 spread in India.
- Abstract（参考訳）: 2019年の最後の段階では、covid-19(coona virus disease 2019)というウイルスが誕生した。
インドにおけるこの感染の始まり以来、政府は人口拡大を抑えるためにいくつかの政策と規制を実行した。
時が経つにつれ、これらの制限は緩和され、人々は自力で予防措置に従うよう助言された。
インド政府による今回の決定は、新型コロナウイルスの感染拡大を大いに加速させるのに役立った。
これらの決定にもかかわらず、パンデミックは広がり続けており、そのため、この病気の拡散を計画し、制御する必要がある。
これは、拡散に関する将来の予測を見つけることで可能となる。
世界中の科学者が新型コロナウイルス(covid-19)の将来の成長予測に取り組んでいる。
本論文は、インドおよびその5州で最も多く発症する新型コロナウイルス感染を予測するための修正SEIRD(Susceptible-Exposed-Incovered-Deceased)モデルを提案する。
このモデルでは、露出した区画は無症候性であるが感染性のある個体を含む。
深層学習に基づくLong Short-Term Memory(LSTM)モデルも,短期予測を行うために用いられている。
提案する修正サードモデルから得られた投射は,今後30日間のlstmによる投射と比較された。
本稿では,2020年8月15日までの疫学的データを用いて予測を行った。
こうした予測は、適切な医療インフラの整備や、現在のパンデミックに対処するための適切な予防措置の提供に役立つだろう。
インド政府による異なるロックダウンの効果は、提案された修正SEIRDモデルにおけるモデリングと分析にも使用されている。
この論文で示された結果は、インドで拡散する新型コロナウイルス(covid-19)を制御するための将来の政策立案の指標となるでしょう。
関連論文リスト
- Epidemic Control Modeling using Parsimonious Models and Markov Decision
Processes [2.4149105714758545]
新型コロナウイルス(COVID-19)のパンデミックの第2波は、ヒトの健康に害を与えやすいため、はるかに危険である。
本稿では,遅延時間分布や回復時間分布によらず,病原体の不確実な拡散をシミュレートする,同種の流行モデルを提案する。
論文 参考訳（メタデータ） (2022-06-23T12:45:13Z) - Explainable AI Framework for COVID-19 Prediction in Different Provinces
of India [1.9540758462427876]
2020年、コビッドウイルスは200カ国以上で流行し、2021年12月20日までに世界の221カ国で2億7500万件のコビッドウイルスと5.37万件の死亡が確認された。
アメリカ合衆国、インド、ブラジル、イギリス、ロシアなどを含む多くの国は、人口の多さから新型コロナウイルスのパンデミックの影響をひどく受けている。
この国では2021年12月20日までに51.7M、34.7M、22.2M、11.3M、10.2Mと報告されている。
提案したLSTMモデルは1つの状態、すなわちMaharashtraでトレーニングされ、テストされる。
論文 参考訳（メタデータ） (2022-01-12T16:26:14Z) - Modeling the geospatial evolution of COVID-19 using spatio-temporal
convolutional sequence-to-sequence neural networks [48.7576911714538]
ポルトガルは世界最大の発生率を持つ国であり、人口10万人当たりの14日間の発生率が1000を超える。
その重要性にもかかわらず、covid-19の地理空間的進化の正確な予測は依然として課題である。
論文 参考訳（メタデータ） (2021-05-06T15:24:00Z) - STELAR: Spatio-temporal Tensor Factorization with Latent Epidemiological
Regularization [76.57716281104938]
我々は,多くの地域の流行傾向を同時に予測するテンソル法を開発した。
stelarは離散時間差分方程式のシステムを通じて潜在時間正規化を組み込むことで長期予測を可能にする。
我々は、カウンティレベルと州レベルのCOVID-19データの両方を用いて実験を行い、このモデルが流行の興味深い潜伏パターンを識別できることを示します。
論文 参考訳（メタデータ） (2020-12-08T21:21:47Z) - Steering a Historical Disease Forecasting Model Under a Pandemic: Case
of Flu and COVID-19 [75.99038202534628]
我々は、インフルエンザとCOVID-19が共存する新しいシナリオに、歴史的疾患予測モデルを「操る」ことができる神経伝達学習アーキテクチャであるCALI-Netを提案する。
我々の実験は、現在のパンデミックに歴史的予測モデルを適用することに成功していることを示している。
論文 参考訳（メタデータ） (2020-09-23T22:35:43Z) - COVID-19 Pandemic Outbreak in the Subcontinent: A data-driven analysis [0.8057708414390126]
2019年12月下旬、中国湖北省武漢市で新型コロナウイルス(COVID-19)が流行した。
多くの研究が、この亜大陸は新型コロナウイルスの影響で最悪の地域にとどまる可能性があると主張している。
本稿ではバングラデシュ、インド、パキスタンの公開疫学データを用いて再生数を推定する。
論文 参考訳（メタデータ） (2020-08-22T10:40:17Z) - Analysis of COVID-19 cases in India through Machine Learning: A Study of
Intervention [3.4483987421251516]
新型コロナウイルス(COVID-19)のパンデミックと闘うため、世界は予防接種、プラズマ療法、予防接種、疫学的な介入をほとんど選択肢がない。
本研究では,従来のSIRモデルにおける疫学的介入を取り入れた介入を伴うSIRモデルを提案する。
我々は、2020年9月30日までに、インド全土とインドの一部州で、アクティブで回復した新型コロナウイルスの感染者の予測数を提示するとともに、予測されたケースの95%と99%の信頼区間を推定した。
論文 参考訳（メタデータ） (2020-08-17T05:45:50Z) - Cross-lingual Transfer Learning for COVID-19 Outbreak Alignment [90.12602012910465]
われわれは、Twitterを通じてイタリアの新型コロナウイルス感染症(COVID-19)の早期流行を訓練し、他のいくつかの国に移る。
実験の結果,クロスカントリー予測において最大0.85のスピアマン相関が得られた。
論文 参考訳（メタデータ） (2020-06-05T02:04:25Z) - A Deep Q-learning/genetic Algorithms Based Novel Methodology For
Optimizing Covid-19 Pandemic Government Actions [63.669642197519934]
我々はSEIR疫学モデルを用いて、人口の時間とともにウイルスウイルスの進化を表現している。
報酬システムにより、アクションのシーケンス(統合、自己同化、二メートル距離、制限を取らない)を評価する。
どちらの意味でも、パンデミックの悪影響を抑えるために政府が取るべき行動を発見する上で、我々の方法論が有効な手段であることを実証する。
論文 参考訳（メタデータ） (2020-05-15T17:17:45Z) - When and How to Lift the Lockdown? Global COVID-19 Scenario Analysis and
Policy Assessment using Compartmental Gaussian Processes [111.69190108272133]
新型コロナウイルス(COVID-19)の世界的な感染拡大を受け、多くの国が前例のないロックダウン措置を講じている。
さまざまなロックダウンポリシーシナリオの下で、新型コロナウイルスの死亡率を予測するデータ駆動モデルが不可欠だ。
本稿では,グローバルな状況下での新型コロナウイルスロックダウンポリシーの効果を予測するためのベイズモデルを開発する。
論文 参考訳（メタデータ） (2020-05-13T18:21:50Z) - A kinetic model for qualitative understanding and analysis of the effect
of complete lockdown imposed by India for controlling the COVID-19 disease
spread by the SARS-CoV-2 virus [0.0]
現在進行中のSARS-CoV-2ウイルスによる世界的なパンデミックは、世界中に波及している。
インド連邦政府は翌日から全土が完全に封鎖されたという前例のない発表を行った。
本研究は、インド領の96%以上をカバーする運動モデルを用いて、この決定の意味を科学的に分析することを目的とする。
論文 参考訳（メタデータ） (2020-04-12T19:34:12Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。