Techniques avancées en biologie et médecine
Libre accès

Abstrait

Étude comparative des modèles ARIMA et SARIMA pour prévoir les confinements dus au SARS-CoV-2

Hardik Chhabra*

En prédisant la mise en œuvre d'un confinement intelligent avant le début des vagues, cette recherche offre une méthode efficace pour faire face à la pandémie de COVID-19. Cette étude présente des modèles unifiés de moyenne mobile intégrée autorégressive (ARIMA) et de moyenne mobile intégrée autorégressive saisonnière (SARIMA) capables de prédire les confinements dans plus de 200 pays. Le modèle proposé a été formé sur 18 000 ensembles de données de 237 pays et a un temps de réponse de 2,5 mois. Le modèle auto-ARIMA a été utilisé pour sélectionner les variations initiales des paramètres du modèle, puis les paramètres optimaux du modèle ont été trouvés en fonction de la meilleure correspondance entre les prévisions et les données de test. La fiabilité des modèles a été évaluée à l'aide des méthodes analytiques Auto Correlation Function (ACF), Partial Auto-Correlation Function (PACF), Akaike Information Criterion (AIC) et Bayesian Information Criterion (BIC). Ces modèles sont formés à l'aide de données acquises à partir du référentiel de données de l'Organisation mondiale de la santé. Les deux modèles ARIMA et SARIMA gagnent clairement un avantage sur les autres études en ayant un temps de réponse rapide. En outre, une brève comparaison des modèles ARIMA et SARIMA formés est présentée et le modèle ARIMA a pris le dessus en raison de sa précision. De plus, les modèles sont capables de prédire les décès confirmés et les cas confirmés de COVID. Cette recherche s'avère très bénéfique pour la prise de décision concernant la mise en œuvre de confinements intelligents et pourrait apporter une autre dimension à l'analyse des séries chronologiques, qui dépend fortement de modèles ayant un meilleur temps de réponse.