扫码下载APP

您的位置

资讯详情

本人可编辑资讯

仅支持在APP编辑资讯扫描二维码即可下载APP

这所院校又添新作:用高斯过程和最小二乘线性回归对西爪哇新型冠状病毒新冠肺炎数据的时间序列预测

论论资讯 | 2023-01-01 3热度

Decision Science Letters

Explore content

About the journal

Publish with us

Time series prediction of novel coronavirus COVID-19 data in west Java using Gaussian processes and least median squared linear regression

Yulita I.N.; Ardiansyah F.; Siska A.; Suryana I.

Published:2023-01-01
DOI:10.5267/j.dsl.2023.1.006

研究背景

自2019年起,新冠病毒在全球范围内肆虐,这种病毒最初在中国武汉被发现,数月后已经传播到世界各地,成为全球大流行病。为了控制病毒传播,各国政府采取了多种措施,其中包括关闭领土。然而,这种策略破坏了经济,使情况变得更加糟糕。世界卫生组织(WHO)希望不再出现新病例,但政府应该探索利用未来的数据来预测病例数量,以便更好地控制疫情。

研究内容

这项研究使用高斯过程和最小中值平方线性回归(LMSLR)方法对西爪哇省的新冠病毒数据进行时间序列预测。研究发现,高斯过程方法表现优于LMSLR方法。采用基于Pearson VII的全局核心,产生的MAE和RMSE值分别为23.12和53.43。

研究意义

这项研究的创新点在于使用高斯过程方法进行时间序列预测,可以帮助政府更好地控制新冠病毒的传播。此外,该研究还发现LMSLR方法的预测精度较低。这些发现对于未来的研究和病毒控制策略的制定都具有重要意义。

微信扫码即可查看