[論文レビュー] COVID-19 growth prediction using multivariate long short term memory

Novanto Yudistira|arXiv (Cornell University)|May 10, 2020

COVID-19 epidemiological studies参考文献 14被引用数 11

ひとこと要約

本稿では、確認済み症例数、死亡者数、回復者数、地理座標の時系列データを用いて、世界的なCOVID-19の拡大を予測する多変量LSTMモデルを提案する。モデルはRNNよりも低いRMSE（1238.66 vs. 1520.61）を達成し、絶対的症例数の差にもかかわらず長期的な指数的増加パターンを捉えているため、ビッグデータを用いたパンデミック予測におけるLSTMの有効性が裏付けられる。

ABSTRACT

Coronavirus disease (COVID-19) spread forecasting is an important task to track the growth of the pandemic. Existing predictions are merely based on qualitative analyses and mathematical modeling. The use of available big data with machine learning is still limited in COVID-19 growth prediction even though the availability of data is abundance. To make use of big data in the prediction using deep learning, we use long short-term memory (LSTM) method to learn the correlation of COVID-19 growth over time. The structure of an LSTM layer is searched heuristically until the best validation score is achieved. First, we trained training data containing confirmed cases from around the globe. We achieved favorable performance compared with that of the recurrent neural network (RNN) method with a comparable low validation error. The evaluation is conducted based on graph visualization and root mean squared error (RMSE). We found that it is not easy to achieve the same quantity of confirmed cases over time. However, LSTM provide a similar pattern between the actual cases and prediction. In the future, our proposed prediction can be used for anticipating forthcoming pandemics. The code is provided here: https://github.com/cbasemaster/lstmcorona

研究の動機と目的

• 複雑で非線形的かつ長期間にわたるCOVID-19時系列データの予測において、定性的および統計的手法の限界を克服すること。
• 確認済み症例数、死亡者数、回復者数、地理座標を含む多変量ビッグデータを活用して、予測精度を向上させること。
• LSTMとRNNの性能を比較し、パンデミック拡大の長期的時間的ダイナミクスを捉える能力を評価すること。
• ヒューリスティックなハイパーパrameterチューニングを用いて、将来のパンデミックトレンドを予測するスケーラブルなディープラーニングフレームワークを開発すること。

提案手法

• 時間的依存性をモデル化するために、シグモイド活性化関数とドロップアウト正則化を用いたマルチレイヤーLSTMアーキテクチャが用いられる。
• 入力シーケンスには、確認済み症例数、死亡者数、回復者数、緯度、経度が含まれ、入力ウィンドウは67日、出力ウィンドウは33日である。
• 層の数や隠れユニット数といったハイパーパrameterは、検証誤差を最小化するようにヒューリスティックにチューニングされる。
• バックプロパゲーションスルータイムを用いてエンドツーエンドでモデルが訓練され、検証損失に基づく早期停止が適用される。
• モデルの性能はRMSEを用いて評価され、実際の値と予測値の時系列曲線の比較による可視化が行われる。
• 予測を訓練ウィンドウを超えて延長するために、カットアンドオーグメント法が適用され、毎日更新してリアルタイム予測が行われる。

実験結果

リサーチクエスチョン

• RQ1 多変量LSTMモデルは、世界的なCOVID-19症例数増加の非線形的かつ長距離の時間的ダイナミクスを効果的に捉えることができるか？
• RQ2 LSTMの性能は、国ごとの確認済み症例数トレースの予測においてRNNと比べてどうか？
• RQ3 予測誤差を最小化するための最適なアーキテクチャ（層の数と隠れユニット数）は何か？
• RQ4 特に指数的増加フェーズにおいて、モデルは訓練期間を超えて将来のトレンドをどの程度予測できるか？

主な発見

• LSTMモデルは検証RMSEが1238.66に達し、RNNのRMSE（1520.61）よりも顕著に低いことが確認され、優れた性能が裏付けられた。
• 4層の隠れ層と30個の隠れユニットを用いた場合に、RMSEが最小化され、このデータセットに対して最適なパrameter化であることが示された。
• 層の数を1から4に増やすことで予測精度が向上したが、隠れユニット数を30以上に増やすと効果の逓減が見られた。
• 絶対的症例数の差にもかかわらず、視覚的および統計的分析により、予測曲線が実際の指数的増加パターンをよく再現していることが確認された。
• カットアンドオーグメント法を用いることで、2020年5月2日以降、日増し症例数の減少トレンドを予測した。2020年5月20日以降、1日あたり300例未満の症例数に低下した。
• 高いばらつきと非線形性を示すデータの中でも、モデルは世界的な増加パターンを強固に捉えることができ、優れた一般化可能性を示した。