新型コロナウィルスSARS-COV-2による感染者数の予測:力学モデルの限界と深層学習の可能性

機関リポジトリ Web Site

書誌事項

タイトル別名
  • シンガタ コロナウィルス SARS-COV-2 ニヨル カンセンシャスウ ノ ヨソク リキガク モデル ノ ゲンカイ ト シンソウ ガクシュウ ノ カノウセイ
  • Predicting the SARS-COV-2 Positives Using Deep LSTM Models with an Introduction to the Dynamic Compartmental Models

この論文をさがす

抄録

新型コロナウィルスによる感染者数の予測に関して,非常に多くの研究が行われているが,これらの研究のほどんどが古典的SIRモデルに代表される常微分方程式モデルに基づいている。しかし,新型コロナウィルスによる感染は多くの特異性を持っていると指摘されている。例えば,免疫力の獲得後の再感染や,多くの無症状感染者の存在,無症状患者による伝播など,これまでの感染症では観察されてなかったような多くの現象が起きている。これらのことが,SIRタイプの微分方程式モデルによる予測がうまく機能しない主な理由である。本稿では,まず,SIR型モデルを俯瞰的に紹介し問題点を指摘した後,再帰的ニューラルネットワークの代表であるLSTM(Long Short Term Memory)モデルの使用を提案し,SLTMモデルを東京都における陽性者数の推定問題に適用し,深層学習の有効性を確認する。また,ARIMAモデルとLSTMモデルを結合させたハイブリッドモデルを提案する。

収録刊行物

キーワード

詳細情報 詳細情報について

問題の指摘

ページトップへ