日々のCOVID-19事例に対する気候要因の機械学習影響評価【JST・京大機械翻訳】

Afrifa, S.; Ato Essien, F.; Appiahene, P.; Wiafe, I.; Owusuaa Mensah Gyening, R.-M.; Opoku, M.

プレプリント

J-GLOBAL ID：202202201039278294 整理番号：22P0320256

日々のCOVID-19事例に対する気候要因の機械学習影響評価【JST・京大機械翻訳】

MACHINE LEARNING IMPACT ASSESSMENT OF CLIMATE FACTORS ON DAILY COVID-19 CASES

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年02月03日プレプリントサーバーでの情報更新日： 2022年02月03日
JST資料番号： O7002B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

コロナウイルス疾患2019(COVID-19としても知られる)は,コロナウイルス-2が刺激する広大な感染性ウイルスであり,重症急性呼吸器疾患(SARS-Cov-2)を引き起こす。科学者と研究者は,COVID-19パンデミック行動の性質と広がりをよりよく理解するための多くの研究を実施し,機械学習は有用なツールを提供する。機械学習技術を用いて,COVID-19の毎日の事例に対する気候条件の影響を研究した。本研究は3つの主な目的を持つ:最初に,新しいCOVID-19ケースの広がりに影響する最も気候的な特徴を調査すること;第2に,著者らのデータセットを使用して,COVID-19に及ぼす政府戦略の影響を評価する。第3に,2つの異なる機械学習モデルの比較分析を行い,COVID-19広がりに関する最も特徴に対する正確な応答を予測するモデルを開発した。本研究の目的は,計画と意思決定による健康管理施設と政府を支援することである。本研究では,ランダムフォレストと人工ニューラルネットワークモデルを比較した。さらに,独立変数(気候変数)間の特徴の重要性をランダム森林で同定した。本研究は,世界保健機関と国立航空局と宇宙局ウェブサイトからの気候変数からのCOVID-19事例の公的に利用可能なデータセットを使用した。結果は,相対湿度と太陽が,COVID-19記録事例の気象変数の特徴として著しい影響を持つことを示した。そして,ランダム森林は,COVID-19広がりに関する最も気候的な特徴に対する正確な応答を予測した。これに基づいて,気象変数を用いてCOVID-19ケースを予測するランダムフォレストモデルを提案した。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , , , , 【Automatic Indexing@JST】

感染症・寄生虫症一般

, ,

前のページに戻る