[论文解读] COVID-19 Time-series Prediction by Joint Dictionary Learning and Online NMF

Hanbaek Lyu, Christopher Strohmeier+2 more|arXiv (Cornell University)|Apr 20, 2020

Fractal and DNA sequence analysis被引用 7

一句话总结

本文提出了一种新颖的、无需模型的短期COVID-19时间序列预测方法，结合字典学习与在线非负矩阵分解（在线NMF）。通过从多国、多变量数据（确诊、死亡、康复病例）中学习可解释的基本时间演化模式，该方法利用在线NMF自适应地更新字典原子，实现在小样本数据上的高精度、递归外推的一步预测，兼具强可解释性与计算效率。

ABSTRACT

Predicting the spread and containment of COVID-19 is a challenge of utmost importance that the broader scientific community is currently facing. One of the main sources of difficulty is that a very limited amount of daily COVID-19 case data is available, and with few exceptions, the majority of countries are currently in the "exponential spread stage," and thus there is scarce information available which would enable one to predict the phase transition between spread and containment. In this paper, we propose a novel approach to predicting the spread of COVID-19 based on dictionary learning and online nonnegative matrix factorization (online NMF). The key idea is to learn dictionary patterns of short evolution instances of the new daily cases in multiple countries at the same time, so that their latent correlation structures are captured in the dictionary patterns. We first learn such patterns by minibatch learning from the entire time-series and then further adapt them to the time-series by online NMF. As we progressively adapt and improve the learned dictionary patterns to the more recent observations, we also use them to make one-step predictions by the partial fitting. Lastly, by recursively applying the one-step predictions, we can extrapolate our predictions into the near future. Our prediction results can be directly attributed to the learned dictionary patterns due to their interpretability.

研究动机与目标

• 解决在有限、快速演变的每日病例数据下预测COVID-19传播与控制的挑战。
• 克服传统分室模型与数据密集型深度学习方法在低数据环境下的局限性。
• 开发一种计算高效、可解释且具备实时处理能力的短期时间序列预测方法，适用于健康相关领域。
• 通过联合字典学习捕捉多个国家间多个相关时间序列（如确诊、死亡、康复病例）之间的潜在相关性。
• 利用从流数据中自适应学习字典原子的在线学习方法，实现递归外推预测。

提出的方法

• 使用小批量在线NMF，从多个国家和变量（确诊、死亡、康复病例）的联合时间序列数据中学习初始的'基本'字典原子。
• 应用在线NMF持续适应新到达的时间序列观测值，实现模型的实时更新。
• 在每个时间步进行部分拟合，基于当前已适应的字典原子进行一步预测。
• 利用递归一步预测实现对未来时间序列值的外推，形成高维空间中的确定性动力系统。
• 利用字典原子的可解释性，识别并表示相关时间序列中的基本短期演化模式。
• 在递归外推步骤中引入L1正则化，以控制预测变异性并减少过拟合。

实验结果

研究问题

• RQ1 联合字典学习能否有效从少量、相关联的多国COVID-19病例时间序列中提取可解释的基本时间演化模式？
• RQ2 在线NMF能否在保持预测精度与可解释性的前提下，动态适应新数据并更新字典原子？
• RQ3 基于部分拟合与递归外推的一步预测在真实世界、有限的COVID-19病例数据上表现如何？
• RQ4 该方法的性能在多大程度上依赖于超参数？其对小样本数据或参数微小变化的鲁棒性如何？
• RQ5 这种无需模型的方法能否推广到病例数以外的其他健康相关时间序列，如媒体趋势或供应链数据？

主要发现

• 该方法成功提取了可解释的字典原子，能够代表确诊、死亡与康复病例在多国相关时间序列中的基本短期演化模式。
• 基于部分拟合的一部预测表现出低变异性与高精度，多次试验中预测值均保持在较小的标准误差范围内。
• 递归外推实现了可靠的短期预测（如30天预测），在小样本扰动与超参数变化下仍保持稳定。
• 该方法在小样本数据上实现高精度预测，无需大规模数据或特定模型假设，在数据稀缺环境下优于传统方法。
• 该方法计算效率高，可在标准个人计算机上运行，支持实时在线预测并实现模型的持续优化。
• 在弱假设下，小批量与在线NMF算法的收敛性在理论上得到保证，支持方法的鲁棒性与可靠性。