最適な特異スペクトル分析を使用したCovid-19パンデミックの予測

コロナウイルス病2019（Covid-19）は、世界のすべての国に影響を与えたパンデミックです。この研究の目的は、関心のある3つの主要な変数であるCovid-19によって引き起こされる毎日の確認された症例、死亡、回復の数を予測するための特異スペクトル分析（SSA）の潜在的な利点を調べることです。この論文は、いくつかの方法でCovid-19パンデミックを予測する文献に貢献しています。まず、ウィンドウの長さと先行コンポーネントの数を含むSSAの最適なパラメーターを計算するために、アルゴリズムが提案されています。第二に、SSAにおける2つの予測アプローチ、すなわちベクターと再発の予測の結果は、他の一般的に使用される時系列予測技術の結果と比較されます。これらには、自己回帰統合移動平均（ARIMA）、分数ARIMA（Arfima）、指数スムージング、TBATS、およびニューラルネットワークの自己網目上（NNAR）が含まれます。第三に、最適な予測モデルは、精度測定ルート平均四角誤差（RMSE）に基づいて選択され、40日先の予測に適用されます。これらの予測は、この病気の将来の行動を予測し、より良い決定を下すのに役立ちます。ジョンズホプキンス大学のシステム科学工学センター（CSSE）のデータセットは、2020年10月29日まで、影響を受ける10の国の日々の症例、死亡、回復の数を予測するために採用されています。単一モデルは、ここで考慮される国に最適なモデルを提供し、予測視野を予測できます。ただし、SSA技術は、競合するモデルを上回る回数に基づいて、Covid-19によって引き起こされる毎日の確認されたケース、死亡、回復の数を予測するための実行可能なオプションであることがわかりました。

Coronavirus disease 2019 (COVID-19) is a pandemic that has affected all countries in the world. The aim of this study is to examine the potential advantages of Singular Spectrum Analysis (SSA) for forecasting the number of daily confirmed cases, deaths, and recoveries caused by COVID-19, which are the three main variables of interest. This paper contributes to the literature on forecasting COVID-19 pandemic in several ways. Firstly, an algorithm is proposed to calculate the optimal parameters of SSA including window length and the number of leading components. Secondly, the results of two forecasting approaches in the SSA, namely vector and recurrent forecasting, are compared to those from other commonly used time series forecasting techniques. These include Autoregressive Integrated Moving Average (ARIMA), Fractional ARIMA (ARFIMA), Exponential Smoothing, TBATS, and Neural Network Autoregression (NNAR). Thirdly, the best forecasting model is chosen based on the accuracy measure Root Mean Squared Error (RMSE), and it is applied to forecast 40 days ahead. These forecasts can help us to predict the future behaviour of this disease and make better decisions. The dataset of Center for Systems Science and Engineering (CSSE) at Johns Hopkins University is adopted to forecast the number of daily confirmed cases, deaths, and recoveries for top ten affected countries until October 29, 2020. The findings of this investigation show that no single model can provide the best model for any of the countries and forecasting horizons considered here. However, the SSA technique is found to be viable option for forecasting the number of daily confirmed cases, deaths, and recoveries caused by COVID-19 based on the number of times that it outperforms the competing models.