预测美国每周报告的新冠肺炎死亡人数的准确性
提交给美国疾病预防控制中心的17个预测模型以及拉福帕福在预测2020年9月27日至11月14日7周内美国每周平均(非累积)死亡人数方面的准确性
我们只能考虑未来10周预测的6个测试周，因为在9月21日至27日这一周之前没有足够的训练实例
对于这7周中的每一周，我们记录了每个模型在未来5到10周内做出的预测，并将每个预测与真实值进行了比较
然后，我们计算每个模型和时间范围的MAPE，作为7周的平均值，用图中的一个点来描述
垂直的紫色线是LaFoPaFo的误差线，被计算为七个映射的标准偏差
注意疾控中心模型的预测结果取自预测中心网站的表格
大多数疾病预防控制中心模型没有提交长期预测；只有五个模型提交了未来10周的预测结果
我们看到，在5周、6周、9周和10周的预测范围内，LaFoPaFo是最准确的预测者，9周和10周有显著差异
信用:DOI: 10
1038/s 14598-021-91365-2 从今天起三周内有多少新的新冠肺炎病例将被送入重症监护室？阿尔伯塔大学的科学家们正在利用新冠肺炎丰富的公共卫生数据来构建人工智能工具，以帮助预测和抗击大流行
计算科学系教授、阿尔伯塔机器智能研究所(Amii)研究员Russ Greiner说:“我们的团队正在利用流行病学和机器学习的思想，开发工具来预测一个地区未来的病例数。”
“我们预测这个数字的方法是，将目前已知的某个地区的数据应用到一个模型中，该模型是从该地区的早期数据和世界各地的其他案例模式中获得的
" 该算法通过整合多种类型的数据，预测未来10周内可能出现的新冠肺炎病例数，包括按日期、人口统计、温度和一段时间内的政策(如学校关闭、餐馆关闭和旅行限制)列出的当前病例数
不同的数据提供了更全面的情况 Greiner解释说:“我们可以用同样的方法来预测其他重要值，比如三周内ICU的入院人数或总病例数和趋势。”
“这一工具的预测可以用来为政策提供信息
" 这些预测是使用机器学习模型进行的——这是一种基于大量数据进行训练的人工智能工具
通过观察艾伯塔省和世界其他地区的模式，以及许多变量如何影响病例数，机器学习模型筛选数据，以确定病例数的最强预测因子，并根据当前情况做出自己的预测
“预测疾病传播的想法并不新鲜，”项目负责人Pouria Ramazi说，他曾是美国大学的博士后研究员，现在是布洛克大学的助理教授
“已经开发了许多预测模型，其中一些在预测不久的将来是成功的
然而，进行长期预测需要新的方法，因为传统模型中的大多数时不变假设都失败了
这就是我们希望机器学习模型能够发现那些我们无法识别的“隐藏”关系和模式的地方
" “这种流行病是一种可怕的情况，实际上已经影响到整个世界
看到这种负担被解除，生活恢复正常，这将是一件非常美好的事情，”格雷纳说
这项研究名为“美国新冠肺炎死亡率的精确长期预测”
S
》，发表在《科学报告》上
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
