Técnicas Avanzadas en Biología y Medicina
Acceso abierto

abstracto

Un estudio comparativo de los modelos ARIMA y SARIMA para pronosticar bloqueos debido al SARS-CoV-2

Hardik Chabra*

Al predecir la implementación del bloqueo inteligente antes del inicio de las olas, esta investigación ofrece un método eficiente para abordar la pandemia de COVID-19 . Este estudio presenta modelos unificados de promedio móvil integrado autorregresivo (ARIMA) y promedio móvil integrado autorregresivo estacional (SARIMA) que son capaces de predecir bloqueos en más de 200 países. El modelo propuesto fue entrenado sobre 18.000 conjuntos de datos de 237 países y tiene un tiempo de respuesta de 2,5 meses. El modelo ARIMA automático se utilizó para seleccionar las variaciones iniciales de los parámetros del modelo y luego se encontraron los parámetros óptimos del modelo en función de la mejor coincidencia entre los pronósticos y los datos de prueba. La confiabilidad de los modelos se evaluó utilizando los métodos analíticos Función de autocorrelación (ACF), Función de autocorrelación parcial (PACF), Criterio de información de Akaike (AIC) y Criterio de información bayesiano (BIC). Estos modelos se entrenan utilizando datos adquiridos del repositorio de datos de la Organización Mundial de la Salud. Los dos modelos ARIMA y SARIMA están ganando claramente una ventaja sobre otros estudios al tener un tiempo de respuesta rápido. Además, se presenta una breve comparación de los modelos ARIMA y SARIMA entrenados y el modelo ARIMA ganó ventaja debido a su precisión. Además, los modelos pueden predecir muertes confirmadas y casos confirmados de COVID. Esta investigación muestra ser muy beneficiosa para la toma de decisiones sobre la implementación de bloqueos inteligentes y podría proporcionar otra dimensión al análisis de series temporales, que depende en gran medida de modelos que tengan un mejor tiempo de respuesta.