网络上 SIR 传染病推断、预测与控制的闭环框架
物理与社会
2021-04-27 v2 社会与信息网络
最优化与控制
摘要
受正在发生的 COVID-19 大流行推动，我们提出一种闭环框架，该框架结合了来自检测数据的推断、动力学参数学习以及用于控制网络上易感-感染-康复 (SIR) 传染病传播的最优资源分配。我们的框架纳入了检测数据中存在的若干关键因素，例如高风险个体更可能接受检测这一事实。随后我们提出两个易处理的优化问题，以评估控制传染病增长率与非药物干预 (NPIs) 成本之间的权衡。我们通过大量仿真以及对 COVID-19 公开可用检测数据的分析，阐明了所提闭环框架的重要性。我们的结果说明了早期检测的意义，以及若过早撤除 NPIs 会出现第二波感染。
引用
@article{arxiv.2006.16185,
title = {A Closed-Loop Framework for Inference, Prediction and Control of SIR Epidemics on Networks},
author = {Ashish R. Hota and Jaydeep Godbole and Philip E Paré},
journal= {arXiv preprint arXiv:2006.16185},
year = {2021}
}