[论文解读] Predictive Analysis of COVID-19 Time-series Data from Johns Hopkins University

Alireza M. Javid, Xinyue Liang+2 more|arXiv (Cornell University)|May 7, 2020

Machine Learning and ELM参考文献 6被引用 9

一句话总结

本文提出了一种基于约翰霍普金斯大学时间序列数据的COVID-19病例数预测模型，采用滑动窗口方法处理非平稳性，结合多项式回归与极限学习机（ELM）进行预测。ELM模型优于多项式回归，在12个国家中，1天预测的平均误差低于1%，7天预测的平均误差低于3.5%，每日重新训练模型显著提升了稳定性和准确性。

ABSTRACT

We provide a predictive analysis of the spread of COVID-19, also known as SARS-CoV-2, using the dataset made publicly available online by the Johns Hopkins University. Our main objective is to provide predictions of the number of infected people for different countries in the next 14 days. The predictive analysis is done using time-series data transformed on a logarithmic scale. We use two well-known methods for prediction: polynomial regression and neural network. As the number of training data for each country is limited, we use a single-layer neural network called the extreme learning machine (ELM) to avoid over-fitting. Due to the non-stationary nature of the time-series, a sliding window approach is used to provide a more accurate prediction.

研究动机与目标

• 利用约翰霍普金斯大学公开的时间序列数据预测近期COVID-19病例数。
• 通过滑动窗口方法应对疫情病例数据的非平稳性。
• 比较多项式回归与极限学习机（ELM）在短期预测中的性能表现。
• 评估每日模型重新训练对预测稳定性和准确性的影响。
• 为数据有限的国家提供可操作的预测，重点关注1天、3天、7天和14天的预测。

提出的方法

• 输入为累计确诊病例的最后w天数据，w通过交叉验证选择以优化预测性能。
• 多项式回归模型在大小为w的滑动窗口内局部拟合三阶多项式，以预测未来病例数。
• 采用极限学习机（ELM）作为单层神经网络，输入权重随机初始化，使用ReLU激活函数，并最小化正则化最小二乘目标。
• 通过使用最新数据窗口每日重新训练模型参数，以适应变化趋势并提升预测稳定性。
• 预测函数定义为 $ \hat{y}_{n+\tau} = f(\mathbf{y}_{n}) $，其中 $ f $ 是在大小为w的滑动窗口上训练的多项式或ELM模型。
• 通过求解Frobenius范数正则化优化问题 $ \mathbf{O}^\star = \arg\min_{\mathbf{O}} \sum_{n=1}^{N} \|\mathbf{t}_n - \mathbf{O}\mathbf{z}_n\|^2_2 + \lambda\|\mathbf{O}\|^2_F $ 确定ELM框架中的输出权重。

实验结果

研究问题

• RQ1 仅使用约翰霍普金斯大学的时间序列数据，多项式回归与ELM模型在预测未来COVID-19病例数方面有多准确？
• RQ2 在疫情动态各异的多个国家中，能够最小化预测误差的最优滑动窗口大小w是多少？
• RQ3 对预测模型进行每日重新训练是否能显著提升其随时间推移的预测准确性和稳定性？
• RQ4 对于多项式回归与ELM模型，不同预测时域（1天、3天、7天、14天）的预测误差如何变化？
• RQ5 在训练数据有限的多个国家中，哪种模型——多项式回归还是ELM——能提供更一致且可靠的预测？

主要发现

• 截至5月20日，ELM模型在瑞典1天预测的平均误差为0.5%，在丹麦为0.2%，所有国家中除印度和美国外，误差均低于1%。
• 对于7天预测，ELM保持了较低的误差率，瑞典平均误差为1.6%，芬兰为1.4%，所有国家中除伊朗和印度外均低于3.6%。
• ELM模型在长期预测中表现出更优的一致性，尤其在7天和14天预测中，多项式回归的误差显著上升，特别是在法国和美国等国家。
• 每日重新训练被证明对维持低且稳定的预测误差至关重要，静态模型随时间推移性能迅速下降。
• 14天预测的平均误差在瑞典为3.3%，在美国为11.3%，伊朗（10.4%）和印度（33.9%）的误差变异性较高，表明长期预测存在挑战。
• 每日误差百分比的直方图显示，无论预测时域或国家，ELM始终产生比多项式回归更紧密的误差分布。