利用遗传和滑动窗口算法校准具有时空变化系数的 COVID-19 SEIR 模型的新框架
分布式、并行与集群计算
2024-08-05 v2 软件工程
物理与社会
摘要
易感 - 暴露 - 感染 - 移除（SEIR）模型假设时空变化系数，以模拟非药物干预（NPIs）对 COVID-19 疾病流行区域和时间分布的影响。使用此类模型的一个重大挑战是将其快速准确地校准到来自地理参考的住院观测数据，即高效估计时空变化参数。在本工作中，提出了一种新的校准框架，旨在优化 SEIR 模型的时空变化参数。我们还设计了一种方法，将重叠滑动窗口技术（OSW）与遗传算法（GA）校准例程相结合，以自动搜索分段参数空间。使用并行化 GA 来减少计算负担。我们的框架将方法的实现复杂性对用户抽象化。它提供了高级 API，用于设置自定义校准系统并使用优化的参数值。我们评估了该方法在校准空间年龄结构微观模拟模型中的应用，使用了一个包含观测到的 COVID-19 相关 ICU 需求的单目标函数。结果反映了所提出方法在变化环境中估计参数的有效性。
引用
@article{arxiv.2402.08524,
title = {A new framework for calibrating COVID-19 SEIR models with spatial-/time-varying coefficients using genetic and sliding window algorithms},
author = {Huan Zhou and Ralf Schneider},
journal= {arXiv preprint arXiv:2402.08524},
year = {2024}
}
备注
19 pages, 6 figures