論文の概要: Meteorological and human mobility data on predicting COVID-19 cases by a novel hybrid decomposition method with anomaly detection analysis: a case study in the capitals of Brazil

• arxiv url: http://arxiv.org/abs/2105.04072v1
• Date: Mon, 10 May 2021 02:06:51 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-11 14:31:30.835515
• Title: Meteorological and human mobility data on predicting COVID-19 cases by a novel hybrid decomposition method with anomaly detection analysis: a case study in the capitals of Brazil
• Title（参考訳）: 異常検出分析を用いた新しいハイブリッド分解法によるcovid-19の予測に関する気象・人の移動データ:ブラジルの首都における事例研究
• Authors: Tiago Tiburcio da Silva and Rodrigo Francisquini and Mari\'a C. V. Nascimento
• Abstract要約: ブラジルの首都におけるcovid-19感染者数と人の移動率,気象データとの関係を分析した。 本研究では,Ensemble Empirical Mode Decomposition (EEMD)法とAutoregressive Integrated Average Exogenous inputs (ARIMAX)法を組み合わせた予測手法を提案する。
• 参考スコア（独自算出の注目度）: 0.7734726150561086
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In 2020, Brazil was the leading country in COVID-19 cases in Latin America, and capital cities were the most severely affected by the outbreak. Climates vary in Brazil due to the territorial extension of the country, its relief, geography, and other factors. Since the most common COVID-19 symptoms are related to the respiratory system, many researchers have studied the correlation between the number of COVID-19 cases with meteorological variables like temperature, humidity, rainfall, etc. Also, due to its high transmission rate, some researchers have analyzed the impact of human mobility on the dynamics of COVID-19 transmission. There is a dearth of literature that considers these two variables when predicting the spread of COVID-19 cases. In this paper, we analyzed the correlation between the number of COVID-19 cases and human mobility, and meteorological data in Brazilian capitals. We found that the correlation between such variables depends on the regions where the cities are located. We employed the variables with a significant correlation with COVID-19 cases to predict the number of COVID-19 infections in all Brazilian capitals and proposed a prediction method combining the Ensemble Empirical Mode Decomposition (EEMD) method with the Autoregressive Integrated Moving Average Exogenous inputs (ARIMAX) method, which we called EEMD-ARIMAX. After analyzing the results poor predictions were further investigated using a signal processing-based anomaly detection method. Computational tests showed that EEMD-ARIMAX achieved a forecast 26.73% better than ARIMAX. Moreover, an improvement of 30.69% in the average root mean squared error (RMSE) was noticed when applying the EEMD-ARIMAX method to the data normalized after the anomaly detection.
• Abstract（参考訳）: 2020年、ブラジルは中南米で新型コロナウイルスの流行でトップの国となり、首都は新型コロナウイルスの影響で最も深刻な国となった。 ブラジルの気候は、ブラジルの領土拡大、その救済、地理、その他の要因によって様々である。 最も一般的なcovid-19の症状は呼吸器系に関連しているため、多くの研究者はcovid-19の感染者数と気温、湿度、降雨などの気象変数の相関について研究している。 また、感染率が高いことから、ウイルス感染のダイナミクスに対する人間の移動性の影響を分析した研究者もいる。 新型コロナウイルスの感染拡大を予測する際にこの2つの変数を考慮に入れる文献が多数存在する。 本稿では,ブラジルの首都におけるcovid-19感染者数と人の移動率,気象データとの相関について検討した。 これらの変数の相関は, 都市が位置する地域によって異なることがわかった。 ブラジル全都道府県で発生したCOVID-19感染数の予測には, 有意な相関がみられた変数を用いており, 自己回帰統合的統合的平均外因性入力(ARIMAX)法とEnsemble Empirical Mode Decomposition(EEMD)法を組み合わせた予測手法を提案し, これをEEMD-ARIMAXと呼ぶ。 さらに, 信号処理による異常検出手法を用いて, 予測精度の低下について検討した。 計算テストの結果、EEMD-ARIMAXはARIMAXよりも26.73%良い予測を達成した。 また,異常検出後に正常化したデータにEEMD-ARIMAX法を適用した場合,平均根平均二乗誤差(RMSE)が30.69%向上した。

関連論文リスト

• 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)
• Early Detection of COVID-19 Hotspots Using Spatio-Temporal Data [66.70036251870988]
  疾病予防管理センター(CDC)は他の連邦機関と協力して、新型コロナウイルス(COVID-19)の感染が増加する郡(ホットスポット)を特定する。 本稿では,米国における新型コロナウイルスホットスポットの早期発見のためのスパースモデルを提案する。 深層ニューラルネットワークは、カーネルの解釈可能性を維持しながらモデルの代表的なパワーを高めるために導入されている。
  論文  参考訳（メタデータ） (2021-05-31T19:28:17Z)
• From SIR to SEAIRD: a novel data-driven modeling approach based on the Grey-box System Theory to predict the dynamics of COVID-19 [6.131772929312605]
  新型コロナウイルスの一般的なコンパートメンタルモデリングは、事前知識と多くの仮定に基づいている。 本研究の目的は、グレーボックスシステム理論やグレーボックス識別の強みを活用して、データ駆動型アプローチのためのフレームワークを提供することである。 感染者数はブラジルとフランスで10万人当たり3人だった。
  論文  参考訳（メタデータ） (2021-05-29T21:25:09Z)
• 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)
• COUnty aggRegation mixup AuGmEntation (COURAGE) COVID-19 Prediction [29.919578191688274]
  本稿では,米国各郡における2週間の新型コロナウイルス関連死亡の短期予測を行うCOURAGEという手法を提案する。 本モデルでは, 新型コロナウイルス関連症例, 死亡状況, 地域移動傾向, 人口統計情報の公開情報を完全に活用し, 対応する郡レベルの予測の集約として, 州レベルの予測を作成できる。
  論文  参考訳（メタデータ） (2021-05-03T04:00:59Z)
• Understanding the temporal evolution of COVID-19 research through machine learning and natural language processing [66.63200823918429]
  重症急性呼吸器症候群2号(SARS-CoV-2)による新型コロナウイルス感染症(COVID-19)の流行は、世界中の人々の生活や社会に影響を与え続けている。 私たちは複数のデータソース、すなわちPubMedとArXivを使用し、現在のCOVID-19研究の風景を特徴づけるために、いくつかの機械学習モデルを構築しました。 調査の結果,PubMedとArXivで利用可能な研究の種類は異なることが確認された。
  論文  参考訳（メタデータ） (2020-07-22T18:02:39Z)
• Forecasting Brazilian and American COVID-19 cases based on artificial intelligence coupled with climatic exogenous variables [3.0711362702464675]
  世界保健機関(WHO)によると、新型コロナウイルス(COVID-19)は2020年6月10日までの公衆衛生上の問題である。 現在のシナリオでは、ブラジルと米国は毎日、新しいケースや死亡の頻度が高い。 新型コロナウイルス(COVID-19)対策の戦略的計画を立てる上では、今後1週間の時間枠で新規感染者数を予測することが重要である。
  論文  参考訳（メタデータ） (2020-07-21T17:58:11Z)
• 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)
• Joint Prediction and Time Estimation of COVID-19 Developing Severe Symptoms using Chest CT Scan [49.209225484926634]
  術後に重篤な症状を発症するかどうかを判定するための共同分類法と回帰法を提案する。 提案手法は,各試料の重量を考慮し,外乱の影響を低減し,不均衡な分類の問題を検討する。 提案手法では, 重症症例の予測精度76.97%, 相関係数0.524, 変換時間0.55日差が得られた。
  論文  参考訳（メタデータ） (2020-05-07T12:16:37Z)

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。