基于实时信号与数据同化的流行病学预测参数预测新方法
机器学习
2023-07-04 v1 神经与进化计算
社会与信息网络
摘要
本文提出了一种通过整合来自多种信息源的新实时信号（如基于新型社交媒体的种群密度图和空气质量数据）来预测流行病学参数的新方法。我们采用多种数据源与融合方法实现了一个卷积神经网络（CNN）模型集成，以构建鲁棒预测并模拟若干可改善决策者决策过程的动态参数。此外，我们利用数据同化从融合的 CNN 预测中估计系统状态。气象信号与基于社交媒体的种群密度图的组合提升了我们对伦敦 COVID-19 疫情预测的性能和灵活性。所提方法优于传统用于疾病预测的分室模型（SEIR）等标准模型，生成鲁棒且一致的预测，使我们在提高准确率的同时增强模型的稳定性。
引用
@article{arxiv.2307.01157,
title = {A novel approach for predicting epidemiological forecasting parameters based on real-time signals and Data Assimilation},
author = {Romain Molinas and César Quilodrán Casas and Rossella Arcucci and Ovidiu Şerban},
journal= {arXiv preprint arXiv:2307.01157},
year = {2023}
}