जीवविज्ञान और चिकित्सा में उन्नत तकनीकें
खुला एक्सेस

अमूर्त

SARS-CoV-2 के कारण लॉकडाउन का पूर्वानुमान लगाने के लिए ARIMA और SARIMA मॉडल का तुलनात्मक अध्ययन

हार्दिक छाबड़ा*

लहरों की शुरुआत से पहले बुद्धिमान लॉकडाउन के कार्यान्वयन की भविष्यवाणी करके, यह शोध COVID-19 महामारी को संबोधित करने के लिए एक कुशल तरीका प्रदान करता है। यह अध्ययन एकीकृत ऑटोरिग्रैसिव इंटीग्रेटेड मूविंग एवरेज (ARIMA) और सीजनल ऑटोरिग्रैसिव इंटीग्रेटेड मूविंग एवरेज (SARIMA) मॉडल पेश करता है जो 200 से अधिक देशों में लॉकडाउन की भविष्यवाणी करने में सक्षम हैं। प्रस्तावित मॉडल को 237 देशों के 18,000 डेटासेट पर प्रशिक्षित किया गया था और इसकी प्रतिक्रिया समय 2.5 महीने है। ऑटो-ARIMA मॉडल का उपयोग मॉडल मापदंडों के प्रारंभिक बदलावों को चुनने के लिए किया गया था और फिर पूर्वानुमानों और परीक्षण डेटा के बीच सबसे अच्छे मिलान के आधार पर इष्टतम मॉडल पैरामीटर पाए गए थे। विश्लेषणात्मक विधियों ऑटो सहसंबंध फ़ंक्शन (ACF), आंशिक ऑटो-सहसंबंध फ़ंक्शन (PACF), एआरआईएमए और एसएआरआईएमए मॉडल तेजी से प्रतिक्रिया समय होने के कारण अन्य अध्ययनों पर स्पष्ट रूप से लाभ प्राप्त कर रहे हैं। इसके अलावा, प्रशिक्षित एआरआईएमए और एसएआरआईएमए मॉडल की एक संक्षिप्त तुलना प्रस्तुत की गई है और एआरआईएमए मॉडल ने अपनी सटीकता के कारण बढ़त हासिल की है। इसके अतिरिक्त, मॉडल COVID की पुष्टि की गई मृत्यु और पुष्टि किए गए मामलों की भविष्यवाणी करने में सक्षम हैं। यह शोध स्मार्ट-लॉकडाउन के कार्यान्वयन के बारे में निर्णय लेने के लिए अत्यधिक लाभकारी साबित होता है और समय-श्रृंखला विश्लेषण को एक और आयाम प्रदान कर सकता है, जो बेहतर प्रतिक्रिया समय वाले मॉडल पर दृढ़ता से निर्भर है।