[논문 리뷰] Visualization and machine learning for forecasting of COVID-19 in Senegal

Babacar Mbaye Ndiaye, Mouhamadou A. M. T. Baldé외 1명|arXiv (Cornell University)|2020. 08. 06.

COVID-19 diagnosis using AI참고 문헌 13인용 수 8

한 줄 요약

이 연구는 2020년 3월 2일부터 7월 26일까지의 공공 데이터를 사용하여 세네갈의 코로나19 감염자 수를 예측하기 위해 시각화 및 기계학습 기법—선형 회귀, 다항 회귀, 서포트 벡터 회귀, 프로핏, 다층 퍼셉트론(MLP)—을 적용한다. MLP 모델은 가장 낮은 RMSE(19.71)를 기록했으며, 2020년 9월 4일 기준으로 확진자 수가 13,797명으로 예측되어 공중보건 조치에도 불구하고 지속적인 증가 추세를 보였다.

ABSTRACT

In this article, we give visualization and different machine learning technics for two weeks and 40 days ahead forecast based on public data. On July 15, 2020, Senegal reopened its airspace doors, while the number of confirmed cases is still increasing. The population no longer respects hygiene measures, social distancing as at the beginning of the contamination. Negligence or tiredness to always wear the masks? We make forecasting on the inflection point and possible ending time.

연구 동기 및 목표

• 기계학습과 데이터 시각화를 활용하여 세네갈의 코로나19 전개 경로를 예측하기 위해.
• 2주 및 40일 예측 기간 동안 다수의 기계학습 모델이 확진자 수를 예측하는 데 성능을 평가하기 위해.
• 현재 추세를 바탕으로 세네갈에서 팬데믹의 전환점과 잠재적 종료 시기를 특정하기 위해.
• 항공역 개방 및 사회적 거리두기 완화 조치가 진행되는 동안 정확한 예측을 제공하여 공중보건 정책 수립을 지원하기 위해.

제안 방법

• 2020년 3월 2일부터 7월 26일까지 공식 출처에서 매일의 확진자, 회복자, 사망자, 검사 수를 수집하고 전처리하였다.
• 누적 확진자 수, 비율, 활성, 완치, 중증 환자 수의 분포를 분석하기 위해 데이터 시각화 기법을 적용하였다.
• 다섯 가지 기계학습 모델을 사용: 선형 회귀, 다항 회귀, 서포트 벡터 회귀(SVR), 페이스북의 프로핏, 다층 퍼셉트론(MLP).
• MLP와 ELM 기반 시계열 예측을 위해 nnfor R 패키지를 사용하였으며, 은닉층 5개와 20회의 학습 반복을 설정하였다.
• 모델 비교를 위해 평균 제곱근 오차(RMSE)를 계산하고, 하한 및 상한 경계를 포함한 예측 구간을 생성하였다.
• 시간 시리즈 분석을 위해 활성 환자 수를 확진자 수에서 회복자 수와 사망자 수를 뺀 값으로 정의하였으며, 완치 환자 수는 회복자 수와 사망자 수의 합으로 정의하였다.

실험 결과

연구 질문

• RQ1 앞서 40일간 세네갈의 확진자 수에 대한 예상 추세는 어떠한가?
• RQ2 RMSE 기준으로 세네갈의 코로나19 확진자 수를 가장 정확하게 예측하는 기계학습 모델은 무엇인가?
• RQ3 세네갈에서 팬데믹의 전환점은 언제 예상되며, 정점은 이미 지나갔는가?
• RQ4 다양한 비율(예: 확진자/검사 수, 활성자/완치자 수)은 전염병 진행 상황을 어떻게 해석하는 데 영향을 미치는가?

주요 결과

• 다층 퍼셉트론(MLP) 모델은 RMSE 19.71을 기록하여 선형 회귀(1576.97), 다항 회귀(132.43), SVR(4942.72), 프로핏(24.33)을 모두 앞서는 성능을 보였다.
• 2020년 8월 9일 기준으로 MLP는 확진자 수가 11,110명을 초과할 것으로 예측하였으며, 2020년 9월 4일에는 13,790명을 초과할 것으로 예측하였다.
• 프로핏 모델은 RMSE 24.33을 기록해 높은 정확도로 추세를 잘 반영하여 MLP에 이어 뛰어난 성능을 보였다.
• 확진자 수 대비 총 검사 수 비율은 일일 검사 수의 변동에도 불구하고 6~10% 수준에서 비교적 안정되어 있어, 감염자 탐지 효율이 일관되게 유지되고 있음을 시사한다.
• 중증 및 지역사회 감염 환자 수는 확진자 수의 1% 미만(각각 0.54% 및 0.5%)을 유지하여 전체 감염자 대비 심각도가 낮음을 나타낸다.
• 정부 조치에도 불구하고 활성 환자 수는 여전히 높았으며(2020년 7월 26일 기준 3,081명), 팬데믹의 정점에 도달하지 못했고, 계속적인 증가가 예상됨을 시사한다.