ISSN: 2379-1764
హార్దిక్ ఛబ్రా*
అలలు ప్రారంభానికి ముందే ఇంటెలిజెంట్ లాక్డౌన్ అమలును అంచనా వేయడం ద్వారా, ఈ పరిశోధన COVID-19 మహమ్మారిని పరిష్కరించడానికి సమర్థవంతమైన పద్ధతిని అందిస్తుంది. ఈ అధ్యయనం ఏకీకృత ఆటోరెగ్రెసివ్ ఇంటిగ్రేటెడ్ మూవింగ్ యావరేజ్ (ARIMA) మరియు సీజనల్ ఆటోరెగ్రెసివ్ ఇంటిగ్రేటెడ్ మూవింగ్ యావరేజ్ (SARIMA) మోడల్లను పరిచయం చేసింది, ఇవి 200+ కంటే ఎక్కువ దేశాలలో లాక్డౌన్లను అంచనా వేయగలవు. ప్రతిపాదిత నమూనా 237 దేశాలకు చెందిన 18,000 డేటాసెట్కు పైగా శిక్షణ పొందింది మరియు 2.5 నెలల ప్రతిస్పందన సమయాన్ని కలిగి ఉంది. మోడల్ పారామితుల యొక్క ప్రారంభ వైవిధ్యాలను ఎంచుకోవడానికి ఆటో-ARIMA మోడల్ ఉపయోగించబడింది మరియు అంచనాలు మరియు పరీక్ష డేటా మధ్య అత్యుత్తమ సరిపోలిక ఆధారంగా సరైన మోడల్ పారామితులు కనుగొనబడ్డాయి. ఆటో కోరిలేషన్ ఫంక్షన్ (ACF), పార్షియల్ ఆటో-కోరిలేషన్ ఫంక్షన్ (PACF), అకైకే ఇన్ఫర్మేషన్ క్రైటీరియన్ (AIC) మరియు బయేసియన్ ఇన్ఫర్మేషన్ క్రైటీరియన్ (BIC) అనే విశ్లేషణాత్మక పద్ధతులను ఉపయోగించి నమూనాల విశ్వసనీయత అంచనా వేయబడింది. ఈ నమూనాలు ప్రపంచ ఆరోగ్య సంస్థల డేటా రిపోజిటరీ నుండి పొందిన డేటాను ఉపయోగించి శిక్షణ పొందుతాయి. రెండు ARIMA మరియు SARIMA మోడల్లు వేగవంతమైన ప్రతిస్పందన సమయాన్ని కలిగి ఉండటం ద్వారా ఇతర అధ్యయనాల కంటే స్పష్టంగా ప్రయోజనాన్ని పొందుతున్నాయి. అంతేకాకుండా, శిక్షణ పొందిన ARIMA మరియు SARIMA మోడల్ల యొక్క సంక్షిప్త పోలిక అందించబడింది మరియు ARIMA మోడల్ దాని ఖచ్చితత్వం కారణంగా పైచేయి సాధించింది. అదనంగా, మోడల్లు ధృవీకరించబడిన మరణాన్ని మరియు ధృవీకరించబడిన COVID కేసులను అంచనా వేయగలవు. ఈ పరిశోధన స్మార్ట్-లాక్డౌన్ల అమలు గురించి నిర్ణయం తీసుకోవడానికి అత్యంత ప్రయోజనకరంగా ఉంటుందని మరియు సమయ-శ్రేణి విశ్లేషణకు మరొక కోణాన్ని అందించగలదని చూపిస్తుంది, ఇది మెరుగైన ప్రతిస్పందన సమయాన్ని కలిగి ఉన్న మోడళ్లపై బలంగా ఆధారపడి ఉంటుంది.