論文の概要: Weather impact on daily cases of COVID-19 in Saudi Arabia using machine learning

• arxiv url: http://arxiv.org/abs/2105.03027v1
• Date: Fri, 7 May 2021 01:33:09 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-10 12:09:02.613816
• Title: Weather impact on daily cases of COVID-19 in Saudi Arabia using machine learning
• Title（参考訳）: サウジアラビアにおける日中新型コロナウイルスの気象影響 : 機械学習を用いた検討
• Authors: Abdullah Alsuhaibani and Abdulrahman Alhaidari
• Abstract要約: COVID-19は世界保健機関(WHO)によって世界的なパンデミックとして発表された。 本稿では,サウジアラビアの89都市における新型コロナウイルス(covid-19)と気象との関係について,機械学習を用いて検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: COVID-19 was announced by the World Health Organisation (WHO) as a global pandemic. The severity of the disease spread is determined by various factors such as the countries' health care capacity and the enforced lockdown. However, it is not clear if a country's climate acts as a contributing factor towards the number of infected cases. This paper aims to examine the relationship between COVID-19 and the weather of 89 cities in Saudi Arabia using machine learning techniques. We compiled and preprocessed data using the official daily report of the Ministry of Health of Saudi Arabia for COVID-19 cases and obtained historical weather data aligned with the reported case daily reports. We preprocessed and prepared the data to be used in models' training and evaluation. Our results show that temperature and wind have the strongest association with the spread of the pandemic. Our main contribution is data collection, preprocessing, and prediction of daily cases. For all tested models, we used cross-validation of K-fold of K=5. Our best model is the random forest that has a Mean Square Error(MSE), Root Mean Square (RMSE), Mean Absolute Error (MAE), and R{2} of 97.30, 9.86, 1.85, and 82.3\%, respectively.
• Abstract（参考訳）: 新型コロナウイルスは世界保健機関(WHO)によって世界的なパンデミックとして発表された。 感染拡大の重大さは、各国の医療能力や強制ロックダウンといった様々な要因によって決定される。 しかし、国の気候が感染者数に寄与する要因であるかどうかは明らかではない。 本稿では,サウジアラビアの89都市における新型コロナウイルスと気象の関係について,機械学習技術を用いて検討する。 サウジアラビア厚生労働省の日報を用いて、新型コロナウイルスの感染者に関するデータを収集・前処理し、報告された日報と一致した過去の気象データを入手した。 モデルのトレーニングと評価に使用するデータの事前処理と準備を行った。 以上の結果から,気温と風速はパンデミックの広がりと最も強い相関関係にあることが示唆された。 私たちの主な貢献は、データ収集、前処理、日々のケースの予測です。 すべての試験モデルに対して,K=5のK折りのクロスバリデーションを用いた。 我々の最良のモデルは、平均平方誤差(MSE)、ルート平均誤差(RMSE)、平均絶対誤差(MAE)、R{2}(97.30, 9.86, 1.85, 82.3\%)を持つランダム森林である。

関連論文リスト

• Human Behavior in the Time of COVID-19: Learning from Big Data [71.26355067309193]
  2020年3月以降、新型コロナウイルスの感染者は6億人を超え、600万人以上が死亡している。 パンデミックはあらゆる面で人間の行動に影響を与え、変化をもたらした。 研究者は自然言語処理、コンピュータビジョン、音声信号処理、頻繁なパターンマイニング、機械学習といったビッグデータ技術を採用してきた。
  論文  参考訳（メタデータ） (2023-03-23T17:19:26Z)
• Forecasting COVID-19 Infections in Gulf Cooperation Council (GCC) Countries using Machine Learning [0.0]
  我々は、ジョンズ・ホプキンス(英語版)の公開COVID-19データセットを用いて、湾岸協力評議会(GCC)諸国の時系列モデルを開発する。 以上の結果から,新型ウイルスの感染予測を精度良く行うことが可能であることが示唆された。
  論文  参考訳（メタデータ） (2023-03-14T02:46:42Z)
• Strict baselines for Covid-19 forecasting and ML perspective for USA and Russia [105.54048699217668]
  Covid-19は、2年間にわたって蓄積されたデータセットを収集し、予測分析に使用できるようにする。 本研究は、米国とロシアの2カ国の地域データに基づいて、Covid-19の拡散のダイナミクスを予測するための様々な種類の方法に関する一貫した研究結果である。
  論文  参考訳（メタデータ） (2022-07-15T18:21:36Z)
• COVIDHunter: COVID-19 pandemic wave prediction and mitigation via seasonality-aware modeling [11.423326973456437]
  我々は、柔軟で正確な新型コロナウイルス感染シミュレーションモデルであるCOVIDHunterを紹介した。 新型コロナウイルスによる毎日の感染者数、入院数、死亡数を予測する。 ケーススタディでは、2022年1月26日にピークとなる、致命的な新しい波を経験していると見積もられています。
  論文  参考訳（メタデータ） (2022-06-14T08:48:13Z)
• Forecasting COVID- 19 cases using Statistical Models and Ontology-based Semantic Modelling: A real time data analytics approach [1.8008011356310047]
  本研究では,SARIMA や FBProphet などの統計時系列モデルを用いて,COVID-19 の日常的,回復的,死亡例を正確にモニタリングする予測モデルを開発した。 COVID-19 Ontologyを開発し、設計したOntology上でSPARQLクエリを使用してさまざまなクエリを実行する。 個別の症例予測では、約497件のサンプルが検査され、5種類の新型コロナウイルスクラスに分類されている。
  論文  参考訳（メタデータ） (2022-06-06T11:58:11Z)
• Can Self Reported Symptoms Predict Daily COVID-19 Cases? [12.029443053416399]
  機械学習モデルを開発し、自己報告症状を用いてCOVID-19の流行を推定する。 その結果,グローバルモデルとは対照的に,局所モデルに対する誤差が低かった。 この研究は、オンラインプラットフォームを介して収集されたクラウドソースデータに基づいて開発されたモデルが、既存の疫学的監視インフラストラクチャを補完できることを示しています。
  論文  参考訳（メタデータ） (2021-05-18T07:26:09Z)
• 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)
• 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)
• 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 machine learning methodology for real-time forecasting of the 2019-2020 COVID-19 outbreak using Internet searches, news alerts, and estimates from mechanistic models [53.900779250589814]
  提案手法は,2日前の安定かつ正確な予測を行うことができる。 我々のモデルでは,中国32州中27州において,ベースラインモデルよりも予測力が優れています。
  論文  参考訳（メタデータ） (2020-04-08T14:39:32Z)

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。