远东理论统计杂志
第67卷,第1期,第15-32页(2023年4月) http://dx.doi.org/10.17654/0972086323002 |
|
北非国家CoViD-19的数据分析与预测
Harouna Sangaré、Soumaila Dembele、Moumouni Diallo和Abdou Fané
|
摘要: 本文通过检查2020年1月22日至2022年10月1日北非每日确诊报告和死亡报告,探索了CoViD-19数据的不同时间序列。然后,我们使用Prophet模型提供图表,并给出该地区每个国家2022年12月26日至12月30日的感染病例总数,从而提供2022年10月2日至2022年11月30日期间的预期感染总数。
|
关键词和短语: CoViD-19,时间序列,数据分析,预测,先知模型。
收到:2022年10月9日;修订过的:2022年10月26日;认可的:2022年12月15日;出版:2022年12月27日
如何引用本文:Harouna Sangaré、Soumaila Dembele、Moumouni Diallo和Abdou Fané,北非国家CoViD-19的数据分析和预测,《远东理论统计杂志》67(1)(2023),15-32。http://dx.doi.org/10.17654/0972086323002
此开放存取文章根据Creative Commons Attribution 4.0国际许可
参考文献:
[1] M.B.Bouraima、B.I.P.Zonon和Y.Qiu,《前100天:西非经济和货币联盟(WAEMU)中新型冠状病毒疫情演变的回顾和分析》,《非洲临床医学杂志》第4卷第4期(2020年),第405-413页。 [2] A.K.Gupta、V.Singh、P.Mathur和C.M.Travieso-Gonzalez,使用支持向量机、Prophet和线性回归模型预测新冠肺炎大流行测量标准,《跨学科数学杂志》24(2020),89-108。司法部:10.1080/097200502.2020.1833458。 [3] A.B.Malik,《2020年巴基斯坦新冠肺炎疫情分析与预测》。medRxiv预印本。Doi:https://doi.org/10.1101/2020.06.24.20138800。 [4] T.Milind和J.Rajashree,使用时间序列方法预测新冠肺炎,《国际科学技术研究杂志》9(8)(2020),45-51。 [5] M.Ponce和A.Sandhel,《冠状病毒19.分析:获取、分析和可视化2021年冠状病毒大流行数据的R包》。aRXiv。[预打印]可从https://arxiv.org/pdf/2009.01091.pdf。 [6] H.Sangaré和A.Fané,《CoViD-19数据的时间序列分析和预测:西非经济和货币联盟地区案例》,《统计学的进展和应用》69(2)(2021),169-190。Doi公司:http://dx.doi.org/10.17654/AS069020169。 [7] H.Sangaré和A.Fané,《南部非洲国家新冠肺炎数据的时间序列分析和预测》,《欧洲数学与统计杂志》3(5)(2022),39-50。https://doi.org/10.24018/ejmath.2022.35.61。 [8] B.V.Vishwas和Ashish Patel,《用Python进行实际时间序列分析:从基础到出血边缘技术》,2020年。https://doi.org/10.1007/978-1-4842-5992-4。
|
|
下载次数:78 |视图数量:482 |
|