細粒度人口移動データベースのコミュニティレベルCOVID-19予測モデル【JST・京大機械翻訳】

Jia Pengyue; Chen Ling; Lyu Dandan

プレプリント

J-GLOBAL ID：202202209288628131 整理番号：22P0288869

細粒度人口移動データベースのコミュニティレベルCOVID-19予測モデル【JST・京大機械翻訳】

Fine-Grained Population Mobility Data-Based Community-Level COVID-19 Prediction Model

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 (3件)： , ,
資料名：
発行年： 2022年02月13日プレプリントサーバーでの情報更新日： 2022年07月15日
JST資料番号： O7000B 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)

抗疫学プロセスにおける感染数の予測は,特に細粒の地理的ユニットにおいて,抗疫学戦略を開発する政府にとって非常に有益である。以前の研究は,低空間分解能予測,例えば郡レベル,および同じ地理的レベルに対する前処理データに焦点を当て,それはいくつかの有用な情報を失いていた。本論文では,コミュニティレベルのCOVID-19予測のための2つの地理的レベルのデータを用いて,細粒ポピュレーション移動度データベースモデル(FGC-COVID)を提案した。グラフを構築し,グラフニューラルネットワーク(GNNs)を用いてCBGs間の依存性を捉えるために,コミュニティより細粒の地理的レベルであるCensusブロックグループ(CBG)間の個体群移動データを使用した。予測のためにできるだけ微細粒パターンとして採掘するために,空間加重凝集モジュールを導入して,それらの地理的な関係と空間的自己相関に基づいて,コミュニティレベルへのCBGsの埋込みを集約した。300日のLA都市COVID-19データに関する広範な実験は,著者らのモデルがコミュニティレベルのCOVID-19予測に関する既存の予測モデルより優れていることを示した。【JST・京大機械翻訳】

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

感染症・寄生虫症一般 , ディジタル計算機方式一般

, , , ,

前のページに戻る