Early Prediction of Dengue Cases Using Time Series Model

自回归积分移动平均 登革热 时间序列 季节性 偏自我相关函数 自相关 自回归模型 计量经济学 系列(地层学) 移动平均模型 移动平均线 统计 计算机科学 地理 气象学 数学 病毒学 古生物学 生物
作者
M Tejaswi,V. Supritha,T. Radhakrishnan
标识
DOI:10.1109/i2ct57861.2023.10126405
摘要

Dengue, is a seasonal infectious disease has been spreading widely throughout the world. Because of this many of the people are losing their lives. So public Health organizations and many other government organizations have been conducting surveys of dengue cases and they got to know that because of weather conditions like rain, precipitation, humidity are some of the main causes for dengue prediction. Also they use some ML algorithms and some Time Series models to predict dengue cases. Time series models they have used as (ARIMA) model and SARIMA model and seasonality. But out of this ARIMA model looks best to predict dengue cases. So we have taken ARIMA model to predicting the forecast of dengue cases. In ARIMA we have done two methods to find out the order of the model where it has values as autoregressive, moving average and non-seasonal in seasonality autocorrelation, partial autocorrelation, and AUTO-ARIMA for find out the best model for the order then we have checked for stationary also. If its stationary then we have proceeded to prediction of forecasting dengue cases, if it's not then we have converted it into stationary and then we moved on to do ARIMA best fit which gives the forecasting cases.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
今后应助13223456采纳,获得10
2秒前
3秒前
3秒前
3秒前
123发布了新的文献求助10
4秒前
4秒前
神秘轮船发布了新的文献求助10
4秒前
4秒前
5秒前
甄冰海发布了新的文献求助20
6秒前
Orange应助富贵采纳,获得10
6秒前
可爱的函函应助又见白龙采纳,获得10
6秒前
emo完成签到,获得积分10
6秒前
orixero应助快乐凌寒采纳,获得30
7秒前
霹雳鲨鱼完成签到,获得积分10
7秒前
Juan完成签到,获得积分10
7秒前
NexusExplorer应助Puokn采纳,获得10
8秒前
康zai发布了新的文献求助10
8秒前
欢喜雯发布了新的文献求助10
8秒前
WXK@945发布了新的文献求助10
9秒前
务实的绝悟完成签到,获得积分10
10秒前
10秒前
u6e0c完成签到,获得积分10
11秒前
Singularity应助xzs采纳,获得20
11秒前
11秒前
12秒前
Shirley应助典雅碧空采纳,获得10
13秒前
畅快的觅风完成签到,获得积分10
13秒前
邹小天发布了新的文献求助10
14秒前
我是老大应助kongcheng采纳,获得10
15秒前
欢喜雯完成签到,获得积分10
15秒前
orixero应助巧克力饼干采纳,获得10
15秒前
13223456发布了新的文献求助10
16秒前
ding应助TJJJJJ采纳,获得10
16秒前
WXK@945完成签到,获得积分10
17秒前
神勇的萝完成签到,获得积分10
18秒前
FartKing发布了新的文献求助10
18秒前
soccer13完成签到,获得积分10
19秒前
20秒前
嗝嗝完成签到,获得积分10
20秒前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
Diagnostic immunohistochemistry : theranostic and genomic applications 6th Edition 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3156090
求助须知:如何正确求助?哪些是违规求助? 2807496
关于积分的说明 7873356
捐赠科研通 2465814
什么是DOI,文献DOI怎么找? 1312446
科研通“疑难数据库(出版商)”最低求助积分说明 630107
版权声明 601905