Application of deep massive prediction method to the regional death of COVID-19

Abstract

신종 코로나바이러스 감염증(COVID-19)의 대처에 가장 중요한 일 중 하나는 중환자 병상에 관한 예측이다. 특히 지역별 중환자 병상의 확보와 적절한 배분은 치명률 감소를 위해 상당히 중요하다. 확진자 수는 국가별로 매우 상이하며 동일 국가 내에서도 지역별로 상이한 패턴을 가진다. 따라서 중환자에 대비하기 위해서는 지역적 패턴을 반영한 핀셋 예측이 필요하며 대량 예측 문제로 귀결된다. 이때, 특히 정확하면서도 빠른 예측 모형을 사용하는 것이 중요하다. 해당 연구에서는 Oh et al. (2020)의 논문에 제시한 방법론을 코로나19 사망자수 예측 문제에 적용하였다. 이를 통해 순환신경망(RNN)과 Least Square Monte Carlo (LSMC)가 결합된 알고리즘이 빠르면서도 정확한 대량 예측을 수행한다는 점을 확인한다.;Recently, COVID-19 pandemic has affected all around the world in every ways. Especially with the high rise and unexpected number of confirmed cases and deaths, it is the utmost issue to deal with the patients. Prediction of the number of deaths is particularly important when hospitals across the world suffer from shortage in sick bed. Especially, to prepare for the critical patients, it is important to predict local patients as well as local critical patients, which naturally leads to the massive prediction problem as in the case of Oh et al (2020). Especially, in such case, the prediction method should be accurate and efficient at the same. Following the method in Oh et al (2020), this study confirms that the Recurrent Neural Network combined with the Least Square Monte Carlo(LSMC) algorithm provides the fast and accurate for the massive prediction problem of predicting COVID-19 local patients.