[论文解读] Improving COVID-19 Forecasting using eXogenous Variables

Mohammadhossein Toutiaee, Xiaochuan Li+8 more|arXiv (Cornell University)|Jul 20, 2021

Data-Driven Disease Surveillance参考文献 10被引用 4

一句话总结

本文提出了一种混合预测方法，用于美国COVID-19死亡率预测，结合SARIMAX与MCP模型，并引入eXogenous变量（如住院人数、ICU占用率和流动性数据），在国家级预测中实现最高64.58%的准确率提升，在州级预测中实现最高58.79%的提升，优于GCN-LSTM模型，且显著优于基线模型（包括AUG-NN）。

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.

研究动机与目标

• 通过整合流动性、住院人数和ICU使用率等eXogenous变量，提升国家级与州级COVID-19死亡率预测的准确性。
• 评估图神经网络（GCN-LSTM）与统计模型（SARIMAX、MCP）在建模疫情动态方面的有效性。
• 确定eXogenous变量是否相比仅依赖滞后死亡率数据的模型能提升预测性能。
• 比较SARIMAX与MCP模型在国家级与州级预测中的相对优势。
• 验证流动性与医疗系统指标在疫情期间是否可作为未来死亡趋势的有意义预测因子。

提出的方法

• SARIMAX模型应用于国家级数据，引入eXogenous变量（如hospitalizedIncrease、ICU currently、ventilator use）以提升多变量时间序列预测能力。
• MCP（多变量条件概率）模型在州级应用，采用更高滞后阶数（k=14）与正则化方法，以减轻过拟合并提升泛化能力。
• 采用时空图神经网络（GCN-LSTM），其中节点代表各州死亡人数，边编码州际间流动性流动，时间边捕捉随时间变化的属性。
• MCP模型中使用弹性网络正则化，以在模型复杂度与预测准确性之间取得平衡，尤其在高维州级预测中表现优异。
• 通过sMAPE（对称平均绝对百分比误差）在14个预测时序上对国家级与汇总的州级数据进行模型评估。
• 使用SafeGraph的U.S. Flows数据作为关键eXogenous输入，代表2020年1月19日至2021年1月19日期间每日与每周的跨州人口流动。

实验结果

研究问题

• RQ1 引入流动性、住院人数与ICU占用率等eXogenous变量是否能显著提升COVID-19死亡率预测的准确性？
• RQ2 SARIMAX与MCP模型在国家级与州级死亡率预测中，与深度学习模型（如GCN-LSTM）相比表现如何？
• RQ3 由于数据异质性，统计模型（SARIMAX、MCP）在国家级与州级预测中的性能是否存在差异？
• RQ4 流动性模式与医疗系统指标在多大程度上可作为未来死亡趋势的预测指标？
• RQ5 MCP模型中的正则化是否能有效降低过拟合，并相比SARIMAX在州级数据上提升性能？

主要发现

• SARIMAX模型在国家级预测中表现最佳，相较于GCN-LSTM模型，在14个预测时序上的平均sMAPE提升了64.58%。
• MCP模型在州级预测中优于所有基线模型，相较于GCN-LSTM平均提升58.79%，相较于SARIMAX提升52.40%。
• 引入hospitalizedCurrently与ICU占用率等eXogenous变量显著提升了预测准确性，尤其在SARIMAX与MCP模型中表现突出。
• SARIMAX模型在国家级数据上表现更优，而MCP在州级预测中更胜一筹，归因于其对更高滞后阶数与正则化的处理能力。
• 所提出的模型相比并行的AUG-NN模型，平均准确率提升27.35%，证明了结构化eXogenous变量整合的价值。
• 研究发现，某些eXogenous变量的引入可能降低SARIMAX模型性能，表明变量选择与模型特异性调优对实现最优结果至关重要。