論 文Papers

WORKSHOP (DOMESTIC)

位置関係を考慮した地域ごとのインフルエンザ流行予測

村山 太一(NAIST)、清水 伸幸藤田 澄男、若宮 翔子(NAIST)、荒牧 英治(NAIST)

第11回データ工学と情報マネジメントに関するフォーラム(DEIM2019), 2019/3

Category:

機械学習 (Machine Learning) データサイエンス (Data Science)

Abstract:
インフルエンザは多くの死者をもたらす可能性があり,流行予測は重要な課題である.国ごとのインフルエンザ流行予測は多く行われているが,より詳細な地域ごとの予測はあまり行われていない.本研究では,感染症の多くは人から人へと感染する特徴から通勤・通学データを用いて地域間の関係を考慮し,Graph Convolutional NeuralNetwork (GCN)を用いて日本における各都道府県のインフルエンザ流行予測を行なう.最後に,公衆衛生機関にとって重要な周期性の持つ時系列に適した予測区間の付与を行なう.本研究の結果から,GCNが感染症流行予測の地域ごとの予測の際に有用なモデルの1つであること,通勤・通学データが感染症流行予測において有用であるという知見を得られた/
Download:

位置関係を考慮した地域ごとのインフルエンザ流行予測(外部サイト/External Site Link)