Objectif

Comme alternative au modèle MCE, nous explorons la Comme alternative au modèle MCE, nous explorons la pour prédire le nombre cumulé de cas infectés en Ontario, en Colombie- Britannique, en Québec, et en Alberta. Nous ajustons le modèle en utilisant les données du 18 mars au 4 mai, 2020 (https://coronavirus.1point3acres.com/en ) Nous ajustons le modèle en utilisant les données du 18 mars au 4 mai, 2020

Hypothèse et Modèle

Pour analyser les données de séries temporelles non linéaires (voir VISUALISATION DES DONNÉES), nous utilisons le modèle de réseau neuronal (RN), une méthode importante dans l'apprentissage automatique pour faire des prédictions. Le modèle de réseau de neurones comprend trois éléments: la couche d'entrée, le couche caché, etla couche de sortie, comme illustré dans la figure suivante. La fonction R nnetar est utilisée pour construire le modèle de réseau neuronal. Les données de série chronologique pour le nombre cumulé de cas confirmés pour la période du 18 mars au 4 mai 2020 sont insérées en tant que couche d'entrée tandis que la couche de sortie donne la valeur prévue pour une journée pendant la période du 5 mai au 11 mai 2020

Un simple réseau neuronal

Conclusions et Discussion

Les figures suivantes présentent le nombre cumulé ajusté et prévu de cas (en rouge) ainsi que le nombre cumulé de cas confirmés (en bleu) pour les quatre provinces. Une courbe continue rouge indique le nombre ajusté pour la période du 18 mars au 4 mai 2020, et la différence avec la courbe bleue montre le performances de l'utilisation du modèle RN. Une courbe en pointillés rouges est le nombre cumulé prévu de cas pour la période du 5 mai au 11 mai 2020, ainsi que des courbes noires en pointillés indiquant 95% des régions de prédiction.

Pour faciliter la visualisation, nous utilisons des courbes de connexion au lieu de points isolés pour afficher le nombre cumulé de cas signalés ou prévus pour les quatre provinces. Au cours des prochains jours, le Québec montre une tendance à la hausse la plus forte tandis que les trois autres avoir l’air d’une tendance relativement plat.

L'analyse montre une méthode de prédiction alternative au modèle MCE précédemment discuté. Bien que la mise en œuvre du modèle RN soit simple, il faut être conscient des limites associées telles que l'incertitude de déterminer le nombre de couches cachées. Bien qu'il soit difficile ou même impossible de connaître le nombre exact de cas infectés dans le passé ou l'avenir pour des raisons telles que la capacité de test limitée et les infections asymptotiques, il est clair que les tendances prévues peuvent différer considérablement d'un modèle à l'autre. L'étude du développement de COVID-19 sous différents angles avec différentes modélisations peut aider à améliorer notre compréhension de la pandémie.

L'ONTARIO

La comparaison du nombre cumulé ajusté de cas infectés à l'aide du modèle RN (en rouge) par rapport aux infections cumulatives (en bleu) en Ontario. Une courbe en pointillés rouges représente la prédiction pour les 7 prochains jours et les courbes noires en pointillés indiquent 95% des régions de prédiction.

L'ALBERTA

La comparaison du nombre cumulé ajusté de cas infectés à l'aide du modèle RN (en rouge) par rapport aux infections cumulatives (en bleu) en Alberta. Une courbe en pointillés rouges représente la prédiction pour les 7 prochains jours et les courbes noires en pointillés indiquent 95% des régions de prédiction.

LA COLOMBIE-BRITANNIQUE

La comparaison du nombre cumulé ajusté de cas infectés à l'aide du modèle RN (en rouge) par rapport aux infections cumulatives (en bleu) en Colombie-Britannique. Une courbe en pointillés rouges représente la prédiction pour les 7 prochains jours et les courbes noires en pointillés indiquent 95% des régions de prédiction.

LE QUÉBEC

La comparaison du nombre cumulé ajusté de cas infectés à l'aide du modèle RN (en rouge) par rapport aux infections cumulatives (en bleu) en Québec. Une courbe en pointillés rouges représente la prédiction pour les 7 prochains jours et les courbes noires en pointillés indiquent 95% des régions de prédiction.