உயிரியல் & மருத்துவத்தில் மேம்பட்ட நுட்பங்கள்
திறந்த அணுகல்

சுருக்கம்

SARS-CoV-2 காரணமாக பூட்டுதல்களை முன்னறிவிப்பதற்காக ARIMA மற்றும் SARIMA மாடல்களின் ஒப்பீட்டு ஆய்வு

ஹர்திக் சாப்ரா*

அலைகள் தொடங்குவதற்கு முன் அறிவார்ந்த பூட்டுதல் செயல்படுத்தப்படுவதைக் கணிப்பதன் மூலம், இந்த ஆராய்ச்சி COVID-19 தொற்றுநோயைத் தீர்க்க ஒரு திறமையான முறையை வழங்குகிறது. இந்த ஆய்வு 200+ நாடுகளுக்கு மேல் பூட்டுதல்களை கணிக்கும் திறன் கொண்ட ஒருங்கிணைந்த தன்னியக்க ஒருங்கிணைந்த நகரும் சராசரி (ARIMA) மற்றும் பருவகால தன்னியக்க ஒருங்கிணைந்த நகரும் சராசரி (SARIMA) மாதிரிகளை அறிமுகப்படுத்துகிறது. முன்மொழியப்பட்ட மாதிரியானது 237 நாடுகளின் 18,000 தரவுத்தொகுப்புகளுக்குப் பயிற்சியளிக்கப்பட்டது மற்றும் 2.5 மாதங்கள் பதிலளிக்கும் நேரத்தைக் கொண்டுள்ளது. மாதிரி அளவுருக்களின் ஆரம்ப மாறுபாடுகளைத் தேர்வுசெய்ய ஆட்டோ-அரிமா மாதிரி பயன்படுத்தப்பட்டது, பின்னர் முன்னறிவிப்புகள் மற்றும் சோதனைத் தரவுகளுக்கு இடையேயான சிறந்த பொருத்தத்தின் அடிப்படையில் உகந்த மாதிரி அளவுருக்கள் கண்டறியப்பட்டன. தானியங்கு தொடர்பு செயல்பாடு (ACF), பகுதி தன்னியக்க தொடர்பு செயல்பாடு (PACF), Akaike தகவல் அளவுகோல் (AIC) மற்றும் பேய்சியன் தகவல் அளவுகோல் (BIC) பகுப்பாய்வு முறைகளைப் பயன்படுத்தி மாதிரிகளின் நம்பகத்தன்மை மதிப்பிடப்பட்டது. இந்த மாதிரிகள் உலக சுகாதார நிறுவனங்களின் தரவுக் களஞ்சியத்திலிருந்து பெறப்பட்ட தரவைப் பயன்படுத்தி பயிற்சியளிக்கப்படுகின்றன. இரண்டு ARIMA மற்றும் SARIMA மாதிரிகள் விரைவான பதிலளிப்பு நேரத்தைக் கொண்டிருப்பதன் மூலம் மற்ற ஆய்வுகளை விட தெளிவாக ஒரு நன்மையைப் பெறுகின்றன. தவிர, பயிற்சி பெற்ற ARIMA மற்றும் SARIMA மாடல்களின் சுருக்கமான ஒப்பீடு வழங்கப்படுகிறது மற்றும் ARIMA மாடல் அதன் துல்லியம் காரணமாக மேலெழும்பியது. கூடுதலாக, மாதிரிகள் உறுதிப்படுத்தப்பட்ட மரணம் மற்றும் உறுதிப்படுத்தப்பட்ட COVID வழக்குகளை கணிக்க முடியும். ஸ்மார்ட்-லாக்டவுன்களை செயல்படுத்துவது பற்றி முடிவெடுப்பதற்கு இந்த ஆராய்ச்சி மிகவும் பயனுள்ளதாக இருப்பதைக் காட்டுகிறது மற்றும் நேர-தொடர் பகுப்பாய்விற்கு மற்றொரு பரிமாணத்தை வழங்க முடியும், இது சிறந்த மறுமொழி நேரத்தைக் கொண்ட மாதிரிகளை வலுவாகச் சார்ந்துள்ளது.