[논문 리뷰] Improving COVID-19 Forecasting using eXogenous Variables

Mohammadhossein Toutiaee, Xiaochuan Li외 8명|arXiv (Cornell University)|2021. 07. 20.

Data-Driven Disease Surveillance참고 문헌 10인용 수 4

한 줄 요약

이 논문은 미국 코로나19 사망률 예측을 위한 하이브리드 예측 접근법을 제안하며, SARIMAX 및 MCP 모델에 외생 변수를 통합하여, GCN-LSTM에 비해 국가 수준 예측에서 최대 64.58% 향상되고 주 수준 예측에서 최대 58.79% 향상된 결과를 보였다. 기존 기준 모델(예: AUG-NN)에 비해도 뚜렷한 성능 향상이 있었으며, 이는 외생 변수 통합의 유의미함을 시사한다.

ABSTRACT

In this work, we study the pandemic course in the United States by considering national and state levels data. We propose and compare multiple time-series prediction techniques which incorporate auxiliary variables. One type of approach is based on spatio-temporal graph neural networks which forecast the pandemic course by utilizing a hybrid deep learning architecture and human mobility data. Nodes in this graph represent the state-level deaths due to COVID-19, edges represent the human mobility trend and temporal edges correspond to node attributes across time. The second approach is based on a statistical technique for COVID-19 mortality prediction in the United States that uses the SARIMA model and eXogenous variables. We evaluate these techniques on both state and national levels COVID-19 data in the United States and claim that the SARIMA and MCP models generated forecast values by the eXogenous variables can enrich the underlying model to capture complexity in respectively national and state levels data. We demonstrate significant enhancement in the forecasting accuracy for a COVID-19 dataset, with a maximum improvement in forecasting accuracy by 64.58% and 59.18% (on average) over the GCN-LSTM model in the national level data, and 58.79% and 52.40% (on average) over the GCN-LSTM model in the state level data. Additionally, our proposed model outperforms a parallel study (AUG-NN) by 27.35% improvement of accuracy on average.

연구 동기 및 목표

• 이동성, 입원 환자 수, 중환자실 사용률 등의 외생 변수를 통합하여 미국의 국가 및 주 수준 코로나19 사망률 예측 정확도를 향상시키는 것.
• 패닉의 역학을 모델링하는 데 있어, 공간-시간 그래프 신경망(GCN-LSTM)과 통계 모델(SARIMAX, MCP) 간의 성능을 평가하는 것.
• 지난 사망자 수 데이터에만 의존하는 모델에 비해, 외생 변수가 예측 성능 향상에 기여하는지 여부를 확인하는 것.
• 국가 수준과 주 수준 예측에서 SARIMAX와 MCP 모델 간의 상대적 강점 비교하는 것.
• 이동성 및 건강 시스템 지표가 패닉 기간 동안 향후 사망률 추세 예측에 의미 있는 예측 변수로 기능하는지 검증하는 것.

제안 방법

• 국가 수준 데이터에 대해 SARIMAX 모델을 적용하여, 입원 환자 증가 수치, 현재 중환자실 사용률, 산소호흡기 사용량 등의 외생 변수를 통합함으로써 다변량 시계열 예측 성능을 향상시켰다.
• 주 수준에서는 MCP(Multivariate Conditional Probability) 모델을 사용하였으며, 과적합 방지를 위해 더 높은 지연 차수(k=14)와 정규화를 적용하여 일반화 능력을 향상시켰다.
• 공간-시간 그래프 신경망(GCN-LSTM)을 활용하여 노드는 주 수준 사망자 수를, 간선은 주 간 이동 흐름을, 시간적 간선은 시간에 따라 변화하는 특성을 기록하였다.
• 고차원의 주 수준 예측에서 특히 효과적인, MCP 모델에 대한 엘라스틱 넷 정규화를 적용하여 모델 복잡성과 예측 정확도 간 균형을 확보하였다.
• 국가 수준 및 집계된 주 수준 데이터에 대해 14개의 예측 수준에서 sMAPE(대칭 평균 절대 퍼센트 오차)를 사용하여 모델 성능을 평가하였다.
• SafeGraph의 U.S. Flows 데이터에서 유래한 이동성 데이터를 핵심 외생 입력으로 사용하였으며, 이는 2020년 1월 19일부터 2021년 1월 19일까지의 매일 및 주간 주 간 인구 이동을 나타내었다.

실험 결과

연구 질문

• RQ1 이동성, 입원 환자 수, 중환자실 사용률 등의 외생 변수 통합이 코로나19 사망률 예측 정확도에 뚜렷한 향상 효과를 미치는가?
• RQ2 SARIMAX 및 MCP 모델은 GCN-LSTM과 같은 딥러닝 모델에 비해 국가 및 주 수준 사망률 예측에서 어떻게 비교되는가?
• RQ3 자료의 이질성으로 인해 통계 모델(SARIMAX, MCP)의 성능이 국가 수준과 주 수준 예측 간에 다를 수 있는가?
• RQ4 이동 패턴과 건강 시스템 지표가 향후 사망률 추세 예측에 얼마나 유의미한 예측 지표로 기능하는가?
• RQ5 MCP 모델의 정규화가 SARIMAX에 비해 주 수준 데이터에서 과적합을 줄이고 성능을 향상시키는 데 기여하는가?

주요 결과

• SARIMAX 모델은 국가 수준에서 가장 높은 예측 정확도를 기록하였으며, 14개 예측 수준 평균에서 GCN-LSTM 대비 sMAPE 기준 64.58% 향상되었다.
• MCP 모델은 주 수준에서 모든 기준 모델을 압도하여, GCN-LSTM 대비 평균 58.79% 향상되고, SARIMAX 대비 52.40% 향상된 성능을 보였다.
• 입원 환자 수 및 중환자실 사용률과 같은 외생 변수 통합이 SARIMAX 및 MCP 모델의 예측 정확도 향상에 뚜렷한 기여를 하였다.
• SARIMAX 모델은 국가 수준 데이터에서 뛰어난 성능를 보였고, MCP 모델은 고차수 지연과 정규화를 잘 처리할 수 있어 주 수준에서 뛰어난 성능를 발휘하였다.
• 제안된 모델은 평균 정확도에서 병렬 기반 AUG-NN 모델보다 27.35% 높은 성능를 기록하여, 체계적인 외생 변수 통합의 가치를 입증하였다.
• 일부 외생 변수의 추가가 SARIMAX 성능을 떨어뜨릴 수 있음을 발견하여, 최적 결과를 얻기 위해 변수 선택 및 모델별 최적화가 필수적임을 시사하였다.