International Journal of Educational Excellence

(2020) Vol. 6, No. 1, 71-94

ISSN 2373-5929
DOI: 10.18562/IJEE.054

Artificial Intelligence Forecasting of Covid-19

in China
Zixin Hu a, Qiyang Ge b, Shudi Li c, & Momiao Xiong d

Received: 17 February 2020 • Accepted: 03 March 2020

Abstract: Background: An alternative to epidemiological models for transmission
dynamics of Covid-19 in China, we propose the artificial intelligence (AI)-inspired
methods for real-time forecasting of Covid-19 to estimate the size, lengths and ending
time of Covid-19 across China. Methods: We developed a modified stacked auto-
encoder for modeling the transmission dynamics of the epidemics. We applied this
model to real-time forecasting the confirmed cases of Covid-19 across China. The data
were collected from January 11 to February 27, 2020 by WHO. We used the latent
variables in the auto-encoder and clustering algorithms to group the provinces/cities for
investigating the transmission structure. Results: We forecasted curves of cumulative
confirmed cases of Covid-19 across China from Jan 20, 2020 to April 20, 2020. Using
the multiple-step forecasting, the estimated average errors of 6-step, 7-step, 8-step, 9-
step and 10-step forecasting were 1.64%, 2.27%, 2.14%, 2.08%, 0.73%, respectively.
We predicted that the time points of the provinces/cities entering the plateau of the
forecasted transmission dynamic curves varied, ranging from Jan 21 to April 19, 2020.
The 34 provinces/cities were grouped into 9 clusters. Conclusions: The accuracy of the
AI-based methods for forecasting the trajectory of Covid-19 was high. We predicted
that the epidemics of Covid-19 will be over by the middle of April. If the data are
reliable and there are no second transmissions, we can accurately forecast the
transmission dynamics of the Covid-19 across the provinces/cities in China. The AI-
inspired methods are a powerful tool for helping public health planning.
Key-words: COVID-19, Artificial Intelligence, Transmission Dynamics, Forecasting,
Time Series, Auto-Encoder.

aThe School of Life Sciences, Fudan University, Shanghai (China) 0000-0002-

2359-744X, b Human Phenome Institute, Fudan University, Shanghai (China), c The School of
Mathematic Sciences, Fudan University, Shanghai (China, d The School of Public Health, The
University of Texas Health Science Center at Houston, Houston, TX 77030 (USA)
0000-0003-0635-5796. Correspondence: Dr. Momiao Xiong, Department of Biostatistics and
Data Science, School of Public Health, The University of Texas Health Science Center at
Houston, P.O. Box 20186, Houston, Texas 77225 (USA). [email protected]
 Zixin Hu, Qiyang Ge, Shudi Li, & Momiao Xiong, International Journal of
Educational Excellence, (2028) Vol. 6, No. 1, 71-94. ISSN 2373-5929
DOI: 10.18562/IJEE.054

1. Introduction

In the beginning of December, 2019, Covid-19 virus that slipped from

animals to humans in Wuhan city, China caused an outbreak of respiratory
illness. A number of the statistical, dynamic and mathematical models of the
Covid-19 outbreak including the SEIR model have been developed to analyze
its transmission dynamics (Li, et al., 2020; Wu, Leung, & Leung, 2020; Zhao,
et al., 2020; Kucharski, Russell, Diamond,, & Liu; 2020; Tuite, & Fisman,
2020). Although these epidemiological models are useful for estimating the
dynamics of transmission, targeting resources and evaluating the impact of
intervention strategies, the models require parameters and depend on many
assumptions. Unlike system identification in engineering where the
parameters in the models are estimated using real data, at the outbreak,
estimated parameters using real time data are not readily available (Funk,
Camacho, Kucharski, Eggo, y Edmunds, 2018; Johansson et al., 2019). Most
analyses used hypothesized parameters and hence do not fit the data very well.
The accuracy of forecasting the future cases of Covid-19 using these models
may not be very high. Timely interventions are needed to control the serious
impacts of Covid-19 on health.
To overcome limitations of the epidemiological model approach, and
assist public health planning and policy making, we develop an AI based
method for real time forecasting of the new and cumulative confirmed cases
of Covid-19 in total and provinces/ cities across China. We also forecast the
possible trend and plateau of Covid-19 transmission in China and group the
provinces/cities into clusters according to the dynamic patterns of Covid-19
transmission. The analysis is based on the surveillance data of the confirmed
Covid-19 cases in China up to February 18, 2020.

2. Methods

2.1. Data Sources

Data on the confirmed cases of Covid-19 from January 11, 2020 to
January 20, 2020, and from January 21, 2020 to February 27, 2020, were
from Surging News Network (https://www.thepaper.cn/) and WHO
(https://www.who.int/emergencies/diseases/novel-coronavirus-2019/situation-
reports), respectively. WHO took the lab confirmed case as the confirmed
cases from January 21, 2020 to February 13, 2020 and took the sum of the
number of the clinical confirmed and lab conformed cases as the number of
the confirmed cases after February 14, 2020. The numbers of the clinical con-
firmed and the lab confirmed cases in Hubei Province, China on February 14,
was 15,384 and 36,602, respectively. Therefore, the number of the confirmed

72
 Zixin Hu, Qiyang Ge, Shudi Li, & Momiao Xiong, International Journal of
Educational Excellence, (2028) Vol. 6, No. 1, 71-94. ISSN 2373-5929
DOI: 10.18562/IJEE.054

cases in Hubei Province before February 14, 2020 was adjusted by the for-
mula:
the number of the confirmed cases = the number of the lab confirmed

cases .
Data included the total numbers of the accumulated and new confirmed
cases in all of China and the numbers of the accumulated and new confirmed
cases across 31 Provinces/Cities in mainland China and three other regions
(Hong Kong, Macau and Taiwan) in China. The data were organized in a ma-
trix with the rows representing the whole China and province/city and col-
umns representing the number of the new confirmed cases of each day.
The confirmed cases of each province/city were a time series. Let be
the number of the confirmed cases of the day within the province/city.
Let be a dimensional matrix. The element is the number of the
confirmed new cases of Covid-19 on the day, starting with January 11,
2020 in the city.

2.2. Modified Auto-encoder for Modeling Time Series

Modified auto-encoders, MAE) (Charte, Charte, García, Jesus, &
Herrera, 2018; Yuan, Huang, Wang, Yang, & Gui, 2018) were used to fore-
cast the number of the accumulative and new confirmed cases of Covid-19.
Unlike the classical auto-encoder where the number of nodes in the layers
usually decreases from the input layer to the latent layers, the numbers of the
nodes in the input, the first latent layer, the second latent layer and output
layers in the MAE were 8, 32, 4 and 1, respectively (Figure 1). We view a
segment of time series with 8 days as a sample of data and take 128 segments
of time series as the training samples. One element from the dada matrix is
randomly selected as a start day of the segment and select its 7 successive
days as the other days to form a segment of time series. Let be the index of
the segment and be the column index of the matrix that was selected as
the starting day. The segment time series can be represented as
. Data were normalized to

, where . Let be
the normalized number of cases to forecast. If then set . The
loss function was defined as
,

73
 Zixin Hu, Qiyang Ge, Shudi Li, & Momiao Xiong, International Journal of
Educational Excellence, (2028) Vol. 6, No. 1, 71-94. ISSN 2373-5929
DOI: 10.18562/IJEE.054

where was the observed number of the cases in the forecasting day of
the segment time series and was its forecasted number of cases by the
MAE, and were weights. If was in the interval [1, 12], then . If
was in the interval [13, 24], then , etc. The back propagation algo-
rithm was used to estimate the weights and bias in the MAE. Repeat training
processes 5 times. The average forecasting will be taken as a
final forecasted number of the accumulated confirmed cases for each prov-
ince/city.

Figure 1. Architecture of a MAE.

2.3. Forecasting Procedures

The trained MAE was used for forecasting the future number of the con-
firmed cases of Covid-19 for each province/city. Consider the prov-
ince/city. Assume that the number of new confirmed cases of Covid-19 on the
day that needs to be forecasted is . Let be a dimensional
matrix and . Let

be the average of the row of the matrix .

Let be the normalized matrix of where

. The output of the MAE is the fore-

casted number of the new confirmed cases and is denoted as

74
 Zixin Hu, Qiyang Ge, Shudi Li, & Momiao Xiong, International Journal of
Educational Excellence, (2028) Vol. 6, No. 1, 71-94. ISSN 2373-5929
DOI: 10.18562/IJEE.054

, where represented the estimated

parameters in the trained MAE. The one-step forecasting of the number of the
new confirmed cases of Covid-19 for each city is given by

The recursive multiple-step forecasting involved using a one-step model

multiple times where the prediction for the preceding time step was used as an
input for making a prediction on the following time step. For example, for
forecasting the number of the new confirmed cases for the one more next day,
the predicted number of new cases in one-step forecasting would be used as
an observational input in order to predict day 2. Repeat the above process to
obtain the two-step forecasting. The summation of the final forecasted number
of the new confirmed cases for each province/city was taken as the prediction
of the total number of the new confirmed cases of Covid-19 in China.

2.4. Clustering
The values of the latent variables in the second latent layer of the MAE
for each province/city were extracted. For each province/city, a di-
mensional latent matrix were formed. The largest single value of the
latent matrix was obtained via single value decomposition. We performed
five-time trainings and obtained five largest single values. For each prov-
ince/city, we formed a feature vector that consisted of the five largest single
values , the starting day and the forecasted end day of the Covid-19 out-
break, the day, the number of new confirmed cases reaching the maximum,
the largest number of the forecasted new confirmed cases and the number of
the forecasted accumulated confirmed cases of Covid-19 in the respective
province/city. The k-means algorithms were performed on the feature
vectors to group provinces/cities into clusters.

5. Results

Figure 2 plotted the total number curves of the reported and forecasted
cumulative and new confirmed cases of Covid-19 in China as a function of
days. The reported cases were from January 11, 2020 to February 27, 2020.
A total number of 47 days’ data were available. We began to forecast on
February 20, 2020. Figure 2 showed that the forecasting curve was close to the
reported curve. From Figure 2 it can be observed that the curve of the new
confirmed cases reached the 5,236 peak on February 5, 2020 and decreased to
zero on April 20 (forecasting). The potential cumulative confirmed cases of
Covid-19 in China was observed to reach the plateau (83,401) on April 20,
2020. Figure S1 plotted the national reported and fitted curves of the

75
 Zixin Hu, Qiyang Ge, Shudi Li, & Momiao Xiong, International Journal of
Educational Excellence, (2028) Vol. 6, No. 1, 71-94. ISSN 2373-5929
DOI: 10.18562/IJEE.054

cumulative confirmed cases in China from January 20, 2020 to February 27,
2020. To further examine the accuracy of forecasting, Table 1 where the data
from January 20, 2020 to February 27, 2020 were used to fit the MAE model.
In the table, we listed 1 day-step to 10 day-step forecasting errors,
respectively, i.e., the errors of using the current reported cases to forecast
future s day cases. Table 1 showed that the average errors of the forecasting
did not strictly increase as the number-steps for forecasting increased due to
fluctuations of the data. Forecasting accuracy was very high.

Figure 2. The national reported and forecasted curves of the cumulative and new confirmed
cases of Covid-19 in China as a function of days from January 11, 2020 to April 20, 2020.

Figure S1. The national reported and fitted curves of the cumulative confirmed cases of Covid-
19 in China from January 11, 2020 to February 27, 2020, where the red curve was the
reported and green curve was the fitted.

76
 Zixin Hu, Qiyang Ge, Shudi Li, & Momiao Xiong, International Journal of
Educational Excellence, (2028) Vol. 6, No. 1, 71-94. ISSN 2373-5929
DOI: 10.18562/IJEE.054

Figure 3 presented the forecasted curves of cumulative confirmed cases

of Covid-19 across 31 province/cities in mainland China and three other
regions (Hong Kong, Macau and Taiwan) in China as a function of days from
January 11, 2020 to April 20, 2020. We observed from Figure 3 that the times
of different provinces/cities entering the plateau will be different, ranging
from Jan 21, 2020 to April 20, 2020. Xizang first entered the plateau at Jan 21
followed by Macao on Jan 26 and Qinghai on Jan 28. Hubei province will be
one of the last to enter the plateau (70,019) around April 20, 2020, most
provinces/cities will enter the plateau around middle of March. We can also
observe the different shapes of the curves among the provinces/cities, which
imply different dynamic patterns of the transmission of Covid-19 across the
provinces/cities.

Figure 3. The forecasted curves of the cumulative confirmed cases of Covid-19 across 34
province/cities in China as a function of days from January 11, 2020 to April 20, 2020.

Many factors such as size of outflow population from Wuhan to each

affected provinces/cities, interventions, geographic locations, economic and
social activities, environmental heterogeneity and healthcare facility affect

77
 Zixin Hu, Qiyang Ge, Shudi Li, & Momiao Xiong, International Journal of
Educational Excellence, (2028) Vol. 6, No. 1, 71-94. ISSN 2373-5929
DOI: 10.18562/IJEE.054

disease transmission dynamics across the country. Clustering its temporal

dynamics will provide numerous insights on patterns of propagation of Covid-
19. To further capture the dynamic pattern of Covid-19 spread across the
provinces/cities, we presented Figure 4 where 34 provinces/cities formed nine
clusters. Since the spread of Covid-19 was influenced by the pattern of
contacts between individuals, clusters partially showed geographic structure.

Figure 3. The clusters that were grouped by features extracted from the MAE and the
cumulative confirmed case time series of Covid-19 across 31 provinces/cities in mainland
China and three other regions in China formed 9 clusters.

For example, Hubei province, a major source of Covid-19, formed a

cluster. Followed by the Anhui, Guangdong, Henan, Hunan, Jiangsu, Jiangxi
and Zhejiang, which are in areas surrounding pathogen sources (Hubei
province). The Inner Mongolia, Xizang and Qinghai cluster had the lowest
number of cases and are in areas far away from the sources of Covid-19. In
addition to the geographic locations that affected the transmission of Covid-
19, the healthcare resources and economic and social activities may also affect
the transmission dynamics of Covid-19 as the cluster of Shanghai, Hongkong,
Beijing, Shandong and Sichuan. And Fujian Guangxi, Hebei, Jilin and Tianjin
formed a cluster, but these five provinces/cities are not located in the same

78
 Zixin Hu, Qiyang Ge, Shudi Li, & Momiao Xiong, International Journal of
Educational Excellence, (2028) Vol. 6, No. 1, 71-94. ISSN 2373-5929
DOI: 10.18562/IJEE.054

geographic area. They may have similar economic relationships with Wuhan,
healthcare resources and take similar interventions to control of the spread of
Covid-19.

6. Discussion

As an alternative to epidemiologic transmission model, we used MAE to

forecast the real-time trajectory of the transmission dynamics and generate the
real-time forecasts of Covid-19 across the provinces/cities in China. The
results showed that the accuracies of prediction and subsequently multiple-
step forecasting were high. Our experience revealed that forecasting improves
when the training time was longer. We estimated the potential time points of
decreasing growth of new confirmed case curves across 34 provinces/cities,
the lengths of the Cov-19 epidemics across China, and the times when the
number of accumulated confirmed cases of Covid-19 would reach the plateau
of their accumulate case curves. If the data are reliable and there will be no
second transmission, the MAE models predicted that the Covid-19 outbreak in
China might be over in the middle of April. In this study, we used cluster
analysis to group 34 provinces/cities into 9 clusters and explore their
geographic and healthcare resource structures.
The MAE models allow inputting the interventions information and
investigating the impact of interventions on the size of the virus outbreak and
end time of the virus outbreak. However, we have not explored such functions
of the MAE due to lack of data. Similar to epidemiologic transmission
dynamic models, the MAE can also be used for simulations. The trained
MAE can well approximate many dynamic processes. Using the hypothesized
initial sizes of the epidemic outbreak, we can use the MAE with known
parameters and architecture to estimate the sizes of outbreak in the future and
simulate the impact of the interventions on the sizes and severity of the
epidemics. Complimentary to a model approach to transmission dynamics of
virus outbreaks, the data driven AI-based methods provide real time
forecasting tools for tracking, estimating the trajectory of epidemics, assessing
their severity, predicting the lengths of epidemics and assisting government
and health workers to make plan and good decisions.

79
 Zixin Hu, Qiyang Ge, Shudi Li, & Momiao Xiong, International Journal of
Educational Excellence, (2028) Vol. 6, No. 1, 71-94. ISSN 2373-5929
DOI: 10.18562/IJEE.054

Appendix: Table 1.

10-
1-step 1-step 2-step 3-step 4-step 5-step 6-step 7-step 8-step 9-step step
Date Actual prediction error error error error error error error error error error
18/02/2020 72.528 71.757 -1,06%

19/02/2020 74.280 74.005 -0,37% -1,34%

20/02/2020 74.675 75.564 1,19% 1,31% -0,06%

21/02/2020 75.569 76.685 1,48% 1,36% 1,49% 0,12%

22/02/2020 76.392 76.305 -0,11% 1,49% 1,41% 1,81% 0,15%

23/02/2020 77.042 77.827 1,02% 0,02% 1,58% 1,39% 2,30% 0,13%

24/02/2020 77.262 79.837 3,33% 2,18% 0,83% 2,53% 2,46% 3,30% 1,08%

25/02/2020 77.780 79.155 1,77% 3,01% 2,14% 0,47% 2,28% 2,36% 3,15% 0,76%

26/02/2020 78.191 77.957 -0,30% 1,61% 2,70% 2,15% 0,28% 2,20% 2,49% 3,21% 0,80%

27/02/2020 78.630 78.646 0,02% -0,53% 1,49% 2,47% 2,22% 0,21% 2,37% 2,46% 3,37% 0,73%

Average Absolute Error 1,07% 1,43% 1,46% 1,56% 1,62% 1,64% 2,27% 2,14% 2,08% 0,73%

Table 1. Errors of forecasting the national cumulative confirmed cases in China.

References

Charte, D., Charte, F., García, S., del Jesus, M. J., & Herrera, F. (2018). A
practical tutorial on autoencoders for nonlinear feature fusion:
Taxonomy, models, software and guidelines. Information Fusion, 44,
78-96.
Funk, S., Camacho, A., Kucharski, A. J., Eggo, R. M., & Edmunds, W. J.
(2018). Real-time forecasting of infectious disease dynamics with a
stochastic semi-mechanistic model. Epidemics, 22, 56-61.
Johansson, M. A., Apfeldorf, K. M., Dobson, S., Devita, J., Buczak, A. L.,
Baugher, B. et al. (2019). An open challenge to advance probabilistic
forecasting for dengue epidemics. Proceedings of the National Academy
of Sciences, 116(48), 24268-24274.
Kucharski, A., Russell, T., Diamond, C., Liu, Y, (2020). CMMID nCoV
working group. In J. Edmunds, S. Funk, & R. Eggo (ed.). Analysis and
projections of transmission dynamics of nCoV in Wuhan. Retrieved
from https://cmmid.github.io/ncov/wuhan_early_dynamics/index.html.

80
 Zixin Hu, Qiyang Ge, Shudi Li, & Momiao Xiong, International Journal of
Educational Excellence, (2028) Vol. 6, No. 1, 71-94. ISSN 2373-5929
DOI: 10.18562/IJEE.054

Li, Q., Guan, X., Wu, P., et al. (2020) Early transmission dynamics in Wuhan,
China, of novel coronavirus–infected pneumonia. New England Journal
of Medicine, 2020 Jan 29. [Epub ahead of print] doi:
10.1056/NEJMoa2001316.
Tuite, A. R., & Fisman, D. N. (2020). Reporting, epidemic growth, and
reproduction numbers for the 2019 novel coronavirus (2019-nCoV)
epidemic. Annals of Internal Medicine, 2020 Feb 5. [Epub ahead of
print] doi: 10.7326/M20-0358..
Wu, J.T., Leung, K., Leung, G.M. (2020). Nowcasting and forecasting the
potential domestic and international spread of the 2019-nCoV outbreak
originating in Wuhan, China: a modelling study. The Lancet. 2020 Jan
31. [Epub ahead of print] pii:S0140-6736(20)30260-9. doi:
10.1016/S0140-6736(20)30260-9.
Yuan, X., Huang, B., Wang, Y., Yang, C., & Gui, W. (2018). Deep learning-
based feature representation and its application for soft sensor modeling
with variable-wise weighted SAE. IEEE Transactions on Industrial
Informatics, 14(7), 3235-3243.
Zhao, S., Musa, S. S., Lin, Q., Ran, J., Yang, G., Wang, W, et. al. (2020).
Estimating the unreported number of novel coronavirus (2019-nCoV)
cases in China in the first half of January 2020: a data-driven Modelling
analysis of the early outbreak. Journal of Clinical Medicine, 9(2), 388.

© 2020 Hu, Ge, Li, & Xiong. International Journal of Educactional Excellence, Universidad Ana G. Méndez
(UAGM). This is an Open Access article distributed under the terms of the Creative Commons Attribution
License (http://creativecommons.org /licenses/by/4.0), which permits unrestricted use, distribution, and
reproduction in any medium, provided the original work is properly credited.

81
International Journal of Educational Excellence
(2020) Vol. 6, No. 1, 71-94
ISSN 2373-5929
DOI: 10.18562/IJEE.054

Pronósticos con Inteligencia Artificial para

COVID-19 en China
Zixin Hu a, Qiyang Ge b, Shudi Li c, & Momiao Xiong d

Received: 17 February 2020 • Accepted: 03 March 2020

Resumen: Antecedentes: Como alternativa a los modelos epidemiológicos para la
dinámica de transmisión del COVID-19 en China, proponemos métodos basados en la
inteligencia artificial (IA) para la predicción a tiempo real del COVID-19 y con el fin
de estimar el tamaño, la duración y conclusión del COVID-19 en China. Métodos:
Desarrollamos un auto-codificador apilado modificado para modelar la dinámica de
transmisión de las epidemias. Aplicamos este modelo para pronosticar en tiempo real
los casos confirmados de COVID-19. Los datos fueron los recopilados del 11 de enero
al 27 de febrero de 2020 por la WHO. Usamos las variables latentes en los algoritmos
de autocodificador y clustering para agrupar las provincias con el objetivo de investigar
la estructura de transmisión. Resultados: llevamos a cabo un pronóstico mediante
curvas de casos confirmados y acumulativos de COVID-19 desde el 20/01/2020 hasta
el 20/04/2020. Los errores promedio estimados en estos pronósticos, de 6, 7, 8, 9 y 10
pasos, fueron 1,64%, 2,27%, 2,14%, 2,08% y 0,73%, respectivamente. Predijimos que
los puntos temporales de las provincias que entraban en la meseta de las curvas
dinámicas de transmisión pronosticadas variarían desde el 21/01/20 al 19/04/2020. Las
34 provincias fueron agrupadas en 9 grupos. Conclusiones: La precisión de los métodos
basados en la IA para pronosticar la trayectoria de COVID-19 fue alta. Estimamos que
la epidemia terminará a mediados de abril. Si los datos son fiables y no hay segundas
transmisiones, podemos pronosticar de manera precisa la dinámica de transmisión de
COVID-19 a través de las provincias chinas. Los métodos inspirados en la IA resultan
una poderosa herramienta para ayudar en la planificación de la salud pública.
Plabras Clave: COVID-19, Inteligencia Artificial, Dinámica de Transmisión,
Previsión, Series Temporales, Auto-Encoder.

a
The School of Life Sciences, Fudan University, Shanghai (China) 0000-0002-
2359-744X, b Human Phenome Institute, Fudan University, Shanghai (China), c The School of
Mathematic Sciences, Fudan University, Shanghai (China, d The School of Public Health, The
University of Texas Health Science Center at Houston, Houston, TX 77030 (USA)
0000-0003-0635-5796. Correspondence: Dr. Momiao Xiong, Department of Biostatistics and
Data Science, School of Public Health, The University of Texas Health Science Center at
Houston, P.O. Box 20186, Houston, Texas 77225 (USA). [email protected]
 Zixin Hu, Qiyang Ge, Shudi Li, & Momiao Xiong, International Journal of
Educational Excellence, (2028) Vol. 6, No. 1, 71-94. ISSN 2373-5929
DOI: 10.18562/IJEE.054

1. Introducción

A principios de diciembre de 2019, el virus Covid-19 pasó de los

animales a los seres humanos en la ciudad de Wuhan, China, causando una
enfermedad respiratoria. Se han desarrollado varios modelos estadísticos,
dinámicos y matemáticos de este brote de Covid-19, incluido el modelo SEIR,
para analizar su dinámica de transmisión (Li, et al., 2020; Wu, Leung, &
Leung, 2020; Zhao, et al., 2020; Kucharski, Russell, Diamond, & Liu; 2020;
Tuite, & Fisman, 2020). Aunque estos modelos epidemiológicos son útiles
para estimar la dinámica de la transmisión, orientar los recursos y evaluar el
impacto de las estrategias de intervención, los modelos requieren parámetros y
dependen de muchos supuestos. Los parámetros estimados utilizando datos en
tiempo real, en el estallido del brote, no están disponibles fácilmente a
diferencia de la identificación del sistema en ingeniería donde los parámetros
de los modelos se estiman utilizando datos reales, al estallar, (Funk, Camacho,
Kucharski, Eggo, y Edmunds, 2018; Johansson et al., 2019). La mayoría de
los análisis utilizaron parámetros hipotéticos y, por lo tanto, no se ajustan muy
bien a los datos. La precisión de la predicción de los casos futuros de Covid-
19 utilizando estos modelos puede no ser muy alta. Se necesitan
intervenciones oportunas para controlar los graves impactos de Covid-19 en la
salud.
Para superar las limitaciones del enfoque modelo epidemiológico y
ayudar a la planificación de la salud pública y la formulación de políticas,
desarrollamos un método basado en la IA para la previsión en tiempo real de
los nuevos y acumulados casos confirmados de Covid-19 en total y provincias
/ ciudades de toda China. También pronosticamos la posible tendencia y
meseta de la transmisión de Covid-19 en China y agrupamos las
provincias/ciudades en clusters según las pautas dinámicas de la transmisión
de Covid-19. El análisis se basa en los datos de vigilancia de los casos
confirmados de Covid-19 en China hasta el 18 de febrero de 2020.

2. Métodos

2.1. Fuentes de datos

Los datos sobre los casos confirmados de Covid-19 del 11 de enero de
2020 al 20 de enero de 2020 y del 21 de enero de 2020 al 27 de febrero de
2020 procedían de Surging News Network (https://www.thepaper.cn/) y la
WHO (https://www.who.int/emergencies/diseases/novel-coronavirus-
2019/situation-reports). La OMS tomó el caso confirmado por el laboratorio
como los casos confirmados desde el 21 de enero de 2020 hasta el 13 de febre-
ro de 2020 y tomó la suma del número de los casos clínicos confirmados y
conformados por el laboratorio como el número de los casos confirmados

84
 Zixin Hu, Qiyang Ge, Shudi Li, & Momiao Xiong, International Journal of
Educational Excellence, (2028) Vol. 6, No. 1, 71-94. ISSN 2373-5929
DOI: 10.18562/IJEE.054

después del 14 de febrero de 2020. Los números de los casos clínicos confir-
mados y los casos confirmados por el laboratorio en la provincia de Hubei
(China) el 14 de febrero fueron 15.384 y 36.602, respectivamente. Por lo
tanto, el número de los casos confirmados en la Provincia de Hubei antes del
14 de febrero de 2020 fue ajustado por la fórmula: Nnúmero de casos confir-

mados: el número de casos confirmados en el laboratorio .

Los datos incluían las cifras totales de los casos confirmados acumula-
dos y nuevos en toda China y las cifras de los casos confirmados acumulados
y nuevos en 31 provincias/ciudades de China continental y otras tres regiones
(Hong Kong, Macao y Taiwán) de China. Los datos se organizaron en un ma-
tríxico en el que las filas representaban toda China y las provincias/ciudades y
las columnas representaban el número de nuevos casos confirmados de cada
día.
Los casos confirmados de cada provincia/ciudad eran una serie tempo-
ral. Que ser el número de los casos confirmados de la día dentro del
provincia/ciudad. Deje que ser un matriz dimensional. El elemento
es el número de los nuevos casos confirmados de Covid-19 en el a
partir del 11 de enero de 2020 en el ciudad.

2.2. Auto-codificador modificado para modelar series temporales

Se utilizaron autocodificadores modificados, MAE) (Charte, Charte,
García, Jesus, & Herrera, 2018; Yuan, Huang, Wang, Yang, & Gui, 2018)
para pronosticar el número de los casos acumulados y nuevos casos confirma-
dos de Covid-19. A diferencia del autocodificador clásico, en el que el número
de nodos de las capas suele disminuir de la capa de entrada a las capas laten-
tes, los números de los nodos de las capas de entrada, la primera capa latente,
la segunda capa latente y las capas de salida en el MAE fueron 8, 32, 4 y 1,
respectivamente (Figura 1). Vemos un segmento de serie temporal con 8 días
como muestra de datos y tomamos 128 segmentos de serie temporal como
muestras de formación. Un elemento de la matriz dada es seleccionado al
azar como día de inicio del segmento y selecciona sus 7 días sucesivos como
los otros días para formar un segmento de la serie de tiempo. Dejemos que
ser el índice del segmento y ser el índice de la columna de la matriz que
fue seleccionado como el día de inicio. El Las series temporales de seg-
mentos pueden representarse como . Los datos se nor-

malizaron para , en donde .

85
 Zixin Hu, Qiyang Ge, Shudi Li, & Momiao Xiong, International Journal of
Educational Excellence, (2028) Vol. 6, No. 1, 71-94. ISSN 2373-5929
DOI: 10.18562/IJEE.054

Let ser el número normalizado de casos a pronosticar. Si

entonces . La función de pérdida se definió como
,
donde fue el número de casos observados en el día de la previsión de
la series temporales de segmentos y fue su número de casos previsto
por el MAE, y eran valoradas. Si fue en el intervalo [1, 12], entonces
. Si fue en el intervalo [13, 24], entonces , etc. El algoritmo
de retropropagación se utilizó para estimar los pesos y el sesgo en el MAE.
Repita los procesos de entrenamiento 5 veces. La previsión media
se tomará como un número final previsto de los casos con-
firmados acumulados para cada provincia/ciudad.

Figura 1. Arquitectura de un MAE.

2.3. Procedimientos de previsión

El MAE entrenado se utilizó para pronosticar el número futuro de los
casos confirmados de Covid-19 para cada provincia/ciudad. Considere el
provincia/ciudad. Supongamos que el número de nuevos casos confirmados
de Covid-19 en el día que hay que pronosticar es . Que sea una
matriz dimensional y .

Que ser el promedio de la fila de la matriz

. Que es la matriz normalizada de donde

86
 Zixin Hu, Qiyang Ge, Shudi Li, & Momiao Xiong, International Journal of
Educational Excellence, (2028) Vol. 6, No. 1, 71-94. ISSN 2373-5929
DOI: 10.18562/IJEE.054

. El resultado del MAE es el núme-

ro previsto de los nuevos casos confirmados y se denota como
, donde representaban los parámetros
estimados en el MAE entrenado. La previsión en un solo paso del número de
nuevos casos confirmados de Covid-19 para cada ciudad viene dada por

La predicción recursiva de múltiples pasos implicaba el uso de un mo-

delo de un solo paso en múltiples ocasiones en el que la predicción para el
paso de tiempo precedente se utilizaba como insumo para hacer una predic-
ción sobre el paso de tiempo siguiente. Por ejemplo, para pronosticar el núme-
ro de los nuevos casos confirmados para el día siguiente, el número previsto
de nuevos casos en el pronóstico de una etapa se utilizaría como dato de ob-
servación para predecir el día 2. Se repite el proceso anterior para obtener la
previsión en dos etapas. La suma del número final previsto de los nuevos ca-
sos confirmados para cada provincia/ciudad se tomó como la predicción del
número total de los nuevos casos confirmados de Covid-19 en China.

2.4. Clustering
Se extrajeron los valores de las variables latentes en la segunda capa la-
tente del MAE para cada provincia/ciudad. Para cada provincia/ciudad, un
matrices latentes dimensionales fueron formadas. El mayor valor
individual de la matriz latente se obtuvo a través de la descomposición de
un solo valor. Realizamos cinco entrenamientos y obtuvimos cinco valores
únicos más grandes. Para cada provincia/ciudad, formamos un vector de ca-
racterísticas que consistía en los cinco valores individuales más grandes , el
día de inicio y el día previsto de finalización del brote de Covid-19, el día, el
número de nuevos casos confirmados que alcanza el máximo, el mayor núme-
ro de los nuevos casos confirmados previstos y el número de los casos confir-
mados acumulados previstos de Covid-19 en la provincia/ciudad respectiva.
Los algoritmos de k-means se realizaron en el presentan vectores para
agrupar las provincias/ciudades en conglomerados.

5. Resultados

En la figura 2 se trazaron las curvas de número total de los casos

acumulados y nuevos casos confirmados de Covid-19 notificados y
pronosticados en China en función de los días. Los casos notificados fueron
del 11 de enero de 2020 al 27 de febrero de 2020. Se disponía de un total de
47 días de datos. Comenzamos a hacer pronósticos el 20 de febrero de 2020.
La figura 2 mostraba que la curva de pronóstico era cercana a la curva

87
 Zixin Hu, Qiyang Ge, Shudi Li, & Momiao Xiong, International Journal of
Educational Excellence, (2028) Vol. 6, No. 1, 71-94. ISSN 2373-5929
DOI: 10.18562/IJEE.054

reportada. De la Figura 2 se puede observar que la curva de los nuevos casos

confirmados alcanzó el pico de 5.236 el 5 de febrero de 2020 y disminuyó a
cero el 20 de abril (pronóstico). Se observó que los posibles casos
confirmados acumulados de Covid-19 en China alcanzaron la meseta (83.401)
el 20 de abril de 2020. En la figura S1 se trazaron las curvas nacionales
notificadas y ajustadas de los casos confirmados acumulados en China desde
el 20 de enero de 2020 hasta el 27 de febrero de 2020. Para examinar más a
fondo la exactitud del pronóstico, la Tabla 1 donde se utilizaron los datos del
20 de enero de 2020 al 27 de febrero de 2020 para ajustar el modelo MAE. En
el cuadro, se enumeraron los errores de previsión de 1 a 10 días,
respectivamente, es decir, los errores de utilización de los casos notificados
actualmente para prever los casos de días futuros. El cuadro 1 mostró que los
errores medios de la previsión no aumentaron estrictamente, ya que el número
de pasos para la previsión aumentó debido a las fluctuaciones de los datos. La
precisión de las previsiones era muy alta.

Figura 2. Las curvas nacionales notificadas y pronosticadas de los casos acumulados y nuevos
confirmados de Covid-19 en China en función de los días comprendidos entre el 11 de enero de
2020 y el 20 de abril de 2020.

88
 Zixin Hu, Qiyang Ge, Shudi Li, & Momiao Xiong, International Journal of
Educational Excellence, (2028) Vol. 6, No. 1, 71-94. ISSN 2373-5929
DOI: 10.18562/IJEE.054

Figura S1. Las curvas nacionales notificadas y ajustadas de los casos acumulados confirmados
de Covid-19 en China desde el 11 de enero de 2020 hasta el 27 de febrero de 2020, en las que
la curva roja era la notificada y la verde la ajustada.

La figura 3 presentaba las curvas previstas de los casos confirmados

acumulados de Covid-19 en 31 provincias/ciudades de China continental y
otras tres regiones (Hong Kong, Macao y Taiwán) de China en función de los
días comprendidos entre el 11 de enero y el 20 de abril de 2020. Observamos
en la figura 3 que los tiempos de las diferentes provincias/ciudades que entran
en la meseta serán diferentes, oscilando entre el 21 de enero de 2020 y el 20
de abril de 2020. Xizang entró en la meseta por primera vez el 21 de enero,
seguido de Macao el 26 de enero y Qinghai el 28 de enero. La provincia de
Hubei será una de las últimas en entrar en la meseta (70.019) alrededor del 20
de abril de 2020, la mayoría de las provincias/ciudades entrarán en la meseta a
mediados de marzo. También podemos observar las diferentes formas de las
curvas entre las provincias/ciudades, que implican diferentes patrones
dinámicos de la transmisión de Covid-19 a través de las provincias/ciudades.

89
 Zixin Hu, Qiyang Ge, Shudi Li, & Momiao Xiong, International Journal of
Educational Excellence, (2028) Vol. 6, No. 1, 71-94. ISSN 2373-5929
DOI: 10.18562/IJEE.054

Figura 3. Las curvas previstas de los casos confirmados acumulados de Covid-19 en 34

provincias/ciudades de China en función de los días comprendidos entre el 11 de enero de 2020
y el 20 de abril de 2020.

Muchos factores, como el tamaño de la población que sale de Wuhan

hacia cada provincia/ciudad afectada, las intervenciones, la ubicación
geográfica, las actividades económicas y sociales, la heterogeneidad ambiental
y las instalaciones de atención de la salud afectan a la dinámica de la
transmisión de enfermedades en todo el país. La agrupación de su dinámica
temporal proporcionará numerosos conocimientos sobre los patrones de
propagación del Covid-19. Para captar mejor el patrón dinámico de la
propagación de Covid-19 a través de las provincias/ciudades, presentamos la
Figura 4, donde 34 provincias/ciudades formaron nueve conglomerados. Dado
que la propagación de Covid-19 estaba influenciada por el patrón de contactos
entre individuos, los cúmulos mostraban parcialmente la estructura geográfica.

90
 Zixin Hu, Qiyang Ge, Shudi Li, & Momiao Xiong, International Journal of
Educational Excellence, (2028) Vol. 6, No. 1, 71-94. ISSN 2373-5929
DOI: 10.18562/IJEE.054

Figura 4. Los grupos que se agruparon por características extraídas del MAE y las series
cronológicas acumuladas de casos confirmados de Covid-19 en 31 provincias/ciudades de
China continental y otras tres regiones de China formaron 9 grupos.

Por ejemplo, la provincia de Hubei, una de las principales fuentes de

Covid-19, formó un grupo. Seguido por los de Anhui, Guangdong, Henan,
Hunan, Jiangsu, Jiangxi y Zhejiang, que se encuentran en las zonas que rodean
las fuentes de patógenos (provincia de Hubei). El grupo de Mongolia Interior,
Xizang y Qinghai tuvo el menor número de casos y se encuentran en zonas
muy alejadas de las fuentes de Covid-19. Además de las ubicaciones
geográficas que afectaron a la transmisión del Covid-19, los recursos
sanitarios y las actividades económicas y sociales también pueden afectar a la
dinámica de la transmisión del Covid-19 como el grupo de Shanghai,
Hongkong, Beijing, Shandong y Sichuan. Y Fujian Guangxi, Hebei, Jilin y
Tianjin formaron un conglomerado, pero estas cinco provincias/ciudades no
están ubicadas en la misma área geográfica. Pueden tener relaciones
económicas similares con Wuhan, recursos sanitarios y tomar intervenciones
similares para controlar la propagación de Covid-19.

91
 Zixin Hu, Qiyang Ge, Shudi Li, & Momiao Xiong, International Journal of
Educational Excellence, (2028) Vol. 6, No. 1, 71-94. ISSN 2373-5929
DOI: 10.18562/IJEE.054

6. Discusión

Como alternativa al modelo de transmisión epidemiológica, utilizamos

el MAE para pronosticar la trayectoria en tiempo real de la dinámica de la
transmisión y generar los pronósticos en tiempo real de Covid-19 en todas las
provincias/ciudades de China. Los resultados mostraron que la precisión de la
predicción y, por consiguiente, de la previsión en múltiples etapas era alta.
Nuestra experiencia reveló que la previsión mejora cuando el tiempo de
formación es más largo. Calculamos los posibles puntos temporales de la
disminución del crecimiento de las curvas de nuevos casos confirmados en 34
provincias/ciudades, la duración de las epidemias de Covid-19 en toda China
y los momentos en que el número de casos confirmados acumulados de
Covid-19 alcanzaría la meseta de sus curvas de casos acumulados. Si los datos
son fiables y no habrá una segunda transmisión, los modelos del MAE
predijeron que el brote de Covid-19 en China podría terminar a mediados de
abril. En este estudio, utilizamos el análisis de conglomerados para agrupar
34 provincias/ciudades en 9 conglomerados y explorar sus estructuras de
recursos geográficos y sanitarios.
Los modelos del MAE permiten introducir la información de las
intervenciones e investigar el impacto de las mismas en el tamaño del brote
del virus y el tiempo final del mismo. Sin embargo, no hemos explorado tales
funciones del MAE debido a la falta de datos. De manera similar a los
modelos dinámicos de transmisión epidemiológica, el MAE también puede ser
usado para simulaciones. El MAE entrenado puede aproximarse bien a
muchos procesos dinámicos. Utilizando los tamaños iniciales del brote
epidémico, podemos usar el MAE con parámetros y arquitectura conocidos
para estimar los tamaños del brote en el futuro y simular el impacto de las
intervenciones en los tamaños y la severidad de las epidemias. Como
complemento de un enfoque modelo de la dinámica de la transmisión de los
brotes de virus, los métodos basados en la IA impulsados por los datos
proporcionan herramientas de previsión en tiempo real para el seguimiento, la
estimación de la trayectoria de las epidemias, la evaluación de su gravedad, la
predicción de la duración de las epidemias y la ayuda al gobierno y a los
trabajadores sanitarios para que puedan planificar y tomar decisiones
acertadas.

92
 Zixin Hu, Qiyang Ge, Shudi Li, & Momiao Xiong, International Journal of
Educational Excellence, (2028) Vol. 6, No. 1, 71-94. ISSN 2373-5929
DOI: 10.18562/IJEE.054

Apéndice: Tabla 1.

10-
1-step 1-step 2-step 3-step 4-step 5-step 6-step 7-step 8-step 9-step step
Date Actual prediction error error error error error error error error error error

18/02/2020 72.528 71.757 -1,06%

19/02/2020 74.280 74.005 -0,37% -1,34%

20/02/2020 74.675 75.564 1,19% 1,31% -0,06%

21/02/2020 75.569 76.685 1,48% 1,36% 1,49% 0,12%

22/02/2020 76.392 76.305 -0,11% 1,49% 1,41% 1,81% 0,15%

23/02/2020 77.042 77.827 1,02% 0,02% 1,58% 1,39% 2,30% 0,13%

24/02/2020 77.262 79.837 3,33% 2,18% 0,83% 2,53% 2,46% 3,30% 1,08%

25/02/2020 77.780 79.155 1,77% 3,01% 2,14% 0,47% 2,28% 2,36% 3,15% 0,76%

26/02/2020 78.191 77.957 -0,30% 1,61% 2,70% 2,15% 0,28% 2,20% 2,49% 3,21% 0,80%

27/02/2020 78.630 78.646 0,02% -0,53% 1,49% 2,47% 2,22% 0,21% 2,37% 2,46% 3,37% 0,73%

Average Absolute Error 1,07% 1,43% 1,46% 1,56% 1,62% 1,64% 2,27% 2,14% 2,08% 0,73%

Tabla 1. Errores en el pronóstico de los casos nacionales confirmados acumulados en China..

Referencias

Charte, D., Charte, F., García, S., del Jesus, M. J., & Herrera, F. (2018). A
practical tutorial on autoencoders for nonlinear feature fusion:
Taxonomy, models, software and guidelines. Information Fusion, 44,
78-96.
Funk, S., Camacho, A., Kucharski, A. J., Eggo, R. M., & Edmunds, W. J.
(2018). Real-time forecasting of infectious disease dynamics with a
stochastic semi-mechanistic model. Epidemics, 22, 56-61.
Johansson, M. A., Apfeldorf, K. M., Dobson, S., Devita, J., Buczak, A. L.,
Baugher, B. et al. (2019). An open challenge to advance probabilistic
forecasting for dengue epidemics. Proceedings of the National Academy
of Sciences, 116(48), 24268-24274.
Kucharski, A., Russell, T., Diamond, C., Liu, Y, (2020). CMMID nCoV
working group. In J. Edmunds, S. Funk, & R. Eggo (ed.). Analysis and
projections of transmission dynamics of nCoV in Wuhan. Retrieved
from https://cmmid.github.io/ncov/wuhan_early_dynamics/index.html.
Li, Q., Guan, X., Wu, P., et al. (2020) Early transmission dynamics in Wuhan,
China, of novel coronavirus–infected pneumonia. New England Journal
of Medicine, 2020 Jan 29. [Epub ahead of print] doi:
10.1056/NEJMoa2001316.

93
 Zixin Hu, Qiyang Ge, Shudi Li, & Momiao Xiong, International Journal of
Educational Excellence, (2028) Vol. 6, No. 1, 71-94. ISSN 2373-5929
DOI: 10.18562/IJEE.054

Tuite, A. R., & Fisman, D. N. (2020). Reporting, epidemic growth, and

reproduction numbers for the 2019 novel coronavirus (2019-nCoV)
epidemic. Annals of Internal Medicine, 2020 Feb 5. [Epub ahead of
print] doi: 10.7326/M20-0358..
Wu, J.T., Leung, K., Leung, G.M. (2020). Nowcasting and forecasting the
potential domestic and international spread of the 2019-nCoV outbreak
originating in Wuhan, China: a modelling study. The Lancet. 2020 Jan
31. [Epub ahead of print] pii:S0140-6736(20)30260-9. doi:
10.1016/S0140-6736(20)30260-9.
Yuan, X., Huang, B., Wang, Y., Yang, C., & Gui, W. (2018). Deep learning-
based feature representation and its application for soft sensor modeling
with variable-wise weighted SAE. IEEE Transactions on Industrial
Informatics, 14(7), 3235-3243.
Zhao, S., Musa, S. S., Lin, Q., Ran, J., Yang, G., Wang, W, et. al. (2020).
Estimating the unreported number of novel coronavirus (2019-nCoV)
cases in China in the first half of January 2020: a data-driven Modelling
analysis of the early outbreak. Journal of Clinical Medicine, 9(2), 388.

© 2020 Hu, Ge, Li, & Xiong. International Journal of Educactional Excellence, Universidad Ana G. Méndez
(UAGM). This is an Open Access article distributed under the terms of the Creative Commons Attribution
License (http://creativecommons.org /licenses/by/4.0), which permits unrestricted use, distribution, and
reproduction in any medium, provided the original work is properly credited.

94